Exploring LLM's for inferring relations between cybersecurity constructs

Bc. Alexander Jandl

Bakalářská práce

Anotace:

Táto práca skúma schopnosť veľkých jazykových modelov, konkrétne GPT-4, odvodiť vzťahy medzi konštruktmi kybernetickej bezpečnosti, ako sú popisy CVE a techniky ATT&CK. Výskum zahŕňa vývoj a testovanie metodológií na mapovanie CVE na techniky ATT&CK a opačne pomocou kľúčových slov generovaných modelom GPT-4. Na hodnotenie účinnosti týchto mapovaní boli použité metriky, ako sú presnosť a pokrytie. Zistenia naznačujú, že aj keď veľké jazykové modely sľubujú zlepšenie hodnotení zraniteľností, presnosť zostáva výzvou kvôli všeobecnej povahe generovaných kľúčových slov.

Abstract:

This work investigates the ability of large language models, specifically GPT-4, to infer relationships between cybersecurity constructs such as descriptions of CVE and ATT&CK techniques. Research includes developing and testing methodologies for mapping CVEs to ATT&CK techniques and vice versa using keywords generated by the GPT-4 model. Metrics such as accuracy and coverage were used to evaluate the effectiveness of these mappings. Findings suggest that while large language models hold promise for improving vulnerability assessments, accuracy remains a challenge due to the generic nature of the keywords generated.

Keywords

LLMs, cybersecurity, GPT, CVE, ATT&, CK, NLP, vulnerability, impact, keywords, relation inferrence

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 23. 5. 2024

Obhajoba závěrečné práce

• Obhajoba proběhla 26. 6. 2024
• Vedoucí: Mgr. Ádám Ruman
• Oponent: RNDr. Martin Drašar, Ph.D.

Masarykova univerzita

Fakulta informatiky

Bakalářský studijní program / obor:
Kyberbezpečnost / Kyberbezpečnost