Strojno generiranje izvješća specijalista tijekom rukovanja sigurnosnim incidentom

diplomski rad

• Naslov (engleski): Machine generating specialist reports during security incident handling
• Autor: Robert Benić
• Mentor: Stjepan Groš (mentor)
• Član povjerenstva: Stjepan Groš (predsjednik povjerenstva)
• Član povjerenstva: Dejan Škvorc (član povjerenstva)
• Član povjerenstva: Leonardo Jelenković (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2022-07-11, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Ovaj diplomski rad iznosi mogući način poboljšanja strojnog generiranja specijalističkih izvješća za potrebe simulacije sigurnosnih incidenata uz pomoć modela prirodnog jezika i pokazuje ga na nekoliko primjera.

Upotrebljeni su GPT-2 i GPT-Neo modeli prirodnog jezika zasnovani na strojnom učenju, koji su unaprijed naučeni na skupu općih tekstualnih podataka. Unaprijed naučeni model se fino podešava u dvije faze, najprije na skupu tekstualnih podataka iz šireg područja informacijske i kibernetičke sigurnosti, a nakon toga na manjem skupu podataka koji točno odgovaraju specijalističkim izvješćima u traženom obliku.

Sažetak (engleski)

This master’s thesis presents a possible means of improving machine generation of specialist reports for the purpose of simulating security incidents using natural language models and shows it in several examples.

GPT-2 and GPT-Neo natural language models based on machine learning were used, which were pre-trained using a generic text dataset. The pre-trained model is fine-tuned in two phases, first using a dataset in the broader field of information and cyber-security, and then using a smaller dataset that exactly matches specialist reports in the required format.

• Ključne riječi: informacijska i kibernetička sigurnost; incident; specijalist; izvješće; simulacija; generiranje teksta; model prirodnog jezika; strojno učenje; Transformer; GPT-2; GPT-Neo; Cyber Conflict Simulator
• Ključne riječi (engleski): information and cyber-security; incident; specialist; report; simulation; text generation; natural language model; machine learning; Transformer; GPT-2; GPT-Neo; Cyber Conflict Simulator
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:309002
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-01-14 08:27:45