Možnosti chatbotů v kybernetické bezpečnosti

Abstract

Kybernetická bezpečnost čelí rostoucímu počtu i sofistikovanosti hrozeb a zároveň i stále přísnějším požadavkům na ochranu systémů a dat v organizacích. Obecné velké jazykové modely mají v této oblasti omezené využití, protože pracují se zastaralými daty, nemají přístup k interním dokumentům a jejich použití může představovat bezpečnostní riziko.

Tato práce se zaměřuje na návrh a implementaci specializovaného asistenta pro kybernetickou bezpečnost, který je provozován on-premise. Řešení využívá lokální jazykový model rozšířený o přístup ke knowledge base pomocí přístupu Retrieval-Augmented Generation nad vektorovou databází. Knowledge vychází z autoritativních zdrojů z oblasti kybernetické bezpečnosti.

Navržený systém byl experimentálně vyhodnocen a výsledky ukazují, že integrace interní znalostní knowledge výrazně zlepšuje kvalitu generovaných odpovědí. Práce tak ukazuje, že specializovaný privátní asistent představuje prakticky využitelné řešení.

Cybersecurity is facing a growing number and increasing sophistication of threats, along with rising demands for the protection of systems and organizational data. General-purpose large language models have limited applicability in this domain due to outdated knowledge, lack of access to internal data, and potential security risks.

This thesis focuses on the design and implementation of a specialized on-premise cybersecurity assistant. The solution combines a local language model with external knowledge base through a Retrieval-Augmented Generation approach over a vector database. The knowledge is based on authoritative cybersecurity sources.

The proposed system was experimentally evaluated and the results show that integrating internal knowledge significantly improves the quality of generated responses. The thesis demonstrates that a private, specialized assistant represents a practical and viable solution.