Integrace umělé inteligence v problematice penetračního testování: trendy, výhody a výzvy

Abstract

Tato diplomová práce se zaměřuje na integraci umělé inteligence do penetračního testování webových aplikací, přičemž klade důraz na aktuální trendy, výhody a výzvy tohoto přístupu. Cílem je analyzovat potenciál velkých jazykových modelů pro automatizaci detekce zranitelností, porovnat dostupné předem natrénované modely a vyhodnotit jejich efektivitu. Práce představuje experimentální prostředí, ve kterém jsou testovány schopnosti těchto nástrojů identifikovat různé typy bezpečnostních hrozeb, a zároveň diskutuje jejich přínosy a omezení v praxi penetračního testování. Klíčovým výstupem této práce je vývoj vlastního nástroje, který využívá umělou inteligenci pro automatizaci detekce zranitelností ve webových aplikacích.

This thesis focuses on the integration of artificial intelligence into penetration testing of web applications, emphasizing current trends, benefits, and challenges of this approach. Its goal is to analyze the potential of large language models for automating vulnerability detection, compare available pre-trained models, and evaluate their effectiveness. The study introduces an experimental environment in which the capabilities of these tools to identify various types of security threats are tested, while also discussing their advantages and limitations in practical penetration testing. A key outcome of this work is the development of a custom tool that leverages artificial intelligence for automating vulnerability detection in web applications.