Výukový SIEM systém s podporou generativní AI pro analytiky L1

Abstract

Cílem této práce je navrhnout a implementovat výukový SIEM systém, který umožní trénink analytiků L1 na realistických syntetických incidentech inspirovaných reálnými hrozbami a veřejnými CTI zdroji. Realističnost je dosažena využitím veřejně dostupných databází zranitelností, malwaru a dalších hrozeb, které AI používá jako vstup pro vytváření tréninkových scénářů incidentů v systému. Součástí řešení je také hodnoticí modul založený na umělé inteligenci, který automaticky kontroluje správnost verdiktu, úplnost analytického komentáře a poskytuje zpětnou vazbu s doporučeními ke zlepšení kvality reportu.

The aim of this thesis is to design and implement a training SIEM system that enables L1 analysts to practice on realistic synthetic incidents inspired by real threats and public CTI sources. Realism is achieved by leveraging public databases of vulnerabilities, malware, and other threats, which an AI system uses as input seeds for generating training incident scenarios. The solution also includes an AI-based evaluation module that automatically checks the correctness of the verdict, the completeness of the analytical comment, and provides feedback with recommendations for improving report quality.