LUDES, A. Detekce anomálií a útoků v audit logu pomocí umělé inteligence [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2023.
Táto práca sa zoberá detekciou anomálií v bezpečnostných audit logoch z kontajnerových orchestračných nástrojov, konkrétne OpenShift. Práca je spracovaná na veľmi vysokej úrovni a obsahuje len drobné typografické chyby. Práca čerpá z dostatočného množstva zdrojov odbornej literatúry. Výsledný naučený detektor dosahoval veľmi dobré výsledky a pravdepodobne bude nasadený pre zabezpečenie lokálnej inštancie OpenShift cluster. Počas semestra študent aktívne komunikoval a prichádzal s vlastnými modernými riešeniami danej problematiky. Po zvážení všetkých aspektov udeľujem 98 bodov.
Z formálního i technického hlediska se jedná o velmi kvalitní práci, ve které je představen originální přístup detekce anomálií pomocí pokročilých jazykových modelů založených na hlubokých neuronových sítích. Prezentovaná metoda vykazuje dobré výsledky a je plánováno také její nasazení v reálném provozu. Práce obsahuje pouze drobné formální nedostatky, používá nejednotnou terminologii v případě pojmu K-Means (na str. 39 jsou použity odlišné velikosti písmen), dále v podkapitolách 3.2.1, 3.2.2 a 3.3.2 je uveden poměrně nízký počet citovaných zdrojů. Celkově se však jedná o velmi zdařilou práci s významným potenciálem pro praktickou aplikaci v oblasti detekce anomálií. Hodnocení práce navrhuji A – 98 bodů.
eVSKP id 151256