Podrobno

Razložljivo zaznavanje mrežnih vdorov z velikimi jezikovnimi modeli
ID Malenšek, Martin (Avtor), ID Pejović, Veljko (Mentor) Več o mentorju... Povezava se odpre v novem oknu, ID Grohar, Miha (Komentor)

.pdfPDF - Predstavitvena datoteka, prenos (507,10 KB)
MD5: 597112FB54BC326E7138BE81A781C218

Izvleček
Omrežni vdori predstavljajo pomemben sodobni varnostni izziv, saj lahko zloraba ranljivosti informacijskih sistemov vodi v nepooblaščen dostop do občutljivih podatkov, motnje v delovanju kritičnih storitev, finančno škodo ter zmanjšanje zaupnosti, celovitosti in razpoložljivosti informacijskih sistemov. Strojno učenje omogoča samodejno zaznavanje omrežnih vdorov, vendar imajo tovrstni sistemi običajno dve veliki omejitvi: omrežne podatke obdelujejo »daleč« od mesta zajema ter uporabniku vrnejo zgolj oznako razreda (npr.\ DDoS, PortScan) brez razlage, na podlagi česa je bila odločitev sprejeta. V tem delu obravnavamo razložljivost takšnih napovedi z velikimi jezikovnimi modeli (LLM) z izvedbo na pametni omrežni kartici (SNIC), oziroma neposredno v omrežju. V delu zasnujemo in implementiramo sistem FlowExplain, ki iz napovedi enostavnega klasifikatorja in značilk omrežnega toka samodejno, s pomočjo LLMa, ustvari razlage. FlowExplain temelji na prilagojenem (angl.\ \textit{fine-tuned}) manjšem lokalnem modelu, pri čemer se za prilagajanje uporabljajo posebej zbrani, s strani strokovnjakov označeni, učni primeri omrežnih vdorov. Z FlowExplainom pokažemo, da je avtomatizirano, razložljivo zaznavanje omrežnih vdorov na lokalni infrastrukturi izvedljivo v praksi.

Jezik:Slovenski jezik
Ključne besede:Zaznavanje omrežnih vdorov, Razložljiva umetna inteligenca, Veliki jezikovni modeli, Klasifikator XGBoost, LoRA prilagajanje
Vrsta gradiva:Diplomsko delo/naloga
Tipologija:2.11 - Diplomsko delo
Organizacija:FRI - Fakulteta za računalništvo in informatiko
Leto izida:2026
PID:20.500.12556/RUL-189574 Povezava se odpre v novem oknu
COBISS.SI-ID:304413699 Povezava se odpre v novem oknu
Datum objave v RUL:09.10.2026
Število ogledov:210
Število prenosov:51
Metapodatki:XML DC-XML DC-RDF
:
Kopiraj citat
Objavi na:Bookmark and Share

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Explainable Network Intrusion Detection with Large Language Models
Izvleček:
Network intrusions attacks represent a significant modern security challenge, as exploitation of vulnerabilities in information systems can lead to unauthorized access to sensitive data, disruption of critical services, financial damage, a reduction in the confidentiality, integrity, and availability of any information system. Machine learning enables automated detection of network intrusions; however, such systems typically suffer from two major limitations: network data is processed \enquote{far} from the point of capture, and the user is returned only a class label (e.g., DDoS, PortScan), without any explanation of the basis for the decision. In this work, we address the explainability of such predictions using large language models (LLMs) implemented on a smart network interface card (SNIC) directly in the network. We design and implement the FlowExplain system, which automatically generates explanations from the predictions of a simple classifier and network flow features with the help of an LLM. FlowExplain is based on a fine-tuned, smaller local model, for which specially collected training examples of network intrusions, labeled by experts, are used for fine-tuning. With FlowExplain, we show that automated, explainable network intrusion detection on local infrastructure is feasible in practice.

Ključne besede:Network intrusion detection, Explainable AI, Large language models, XGBoost classifier, LoRA fine-tuning

Podobna dela

Podobna dela v RUL:
Podobna dela v drugih slovenskih zbirkah:

Nazaj