Year: 2026
Type: dissertation
Abstract: V této bakalářské práci byly studovány velké jazykové modely a jejich aplikace v detekci událostí na základě logů, včetně jejich omezení a technik pro zlepšení výkonu jako prompt engineering, retrieval-augmented generation (RAG), grammar-constrained decoding a fine-tuning. Dále bylo prozkoumáno cílové prostředí Logmanager se zaměřením na pravidla pro detekci podezřelých událostí specifická pro tuto platformu a na její implementaci v nástroji Blockly. Byl navržen a implementován systém pro automatické generování alertů z přirozeného jazyka, zahrnující mezivrstvou reprezentaci ve formátu JSON, deterministický parser pro převod do cílového XML formátu, RAG pipeline pro dynamické získávání relevantních polí z logů a dva alternativní přístupy ke generativnímu modelu: fine-tuning menšího modelu pro lokální nasazení nebo využití velkého cloudového jazykového modelu. Vyhodnocení ukázalo, že nejlepší konfigurace obou přístupů byly schopny generovat syntakticky a sémanticky validní struktury alertů a aplikovat uživatelem požadované opravy na existující alerty. Omezení formátu výstupu se ukázalo jako klíčový faktor pro eliminaci strukturálně neplatných výstupů v obou případech. Práce demonstruje, že automatické generování alertů z přirozeného jazyka je proveditelné, přičemž fine-tuning malých modelů se ukázal jako konkurenceschopná alternativa ke cloudovým řešením.
Author: Sydorenko, Mariia
Institution: Brno University of Technology
Language: English
Subfield: Computer Networks and Communications
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7165505010
