A mesterséges intelligencia (MI), azon belül is a nagy nyelvi modellek (LLM-ek) egyre nagyobb szerepet kapnak az informatikai biztonsági tesztelés támogatásában, legyen szó sebezhetőségek kereséséről, exploitok megírásáról vagy teljes támadási láncok megtervezéséről és futtatásáról. Az MI így ígéretesnek tűnik a penetrációs tesztelés gyorsítására és automatizálására, ugyanakkor hatékonysága, megbízhatósága és korlátai – különösen a hallucináció jelensége és az emberi felügyelet szükségessége szempontjából – még nincsenek kellően feltárva.

A hallgató feladata a mesterséges intelligenciával támogatott penetrációs tesztelés hatékonyságának vizsgálata, különös tekintettel a különböző AI modellek összehasonlítására. A legfontosabb feladatok közé tartozik a releváns szakirodalom, illetve a kapcsolódó eszközök és keretrendszerek átfogó áttekintése és összehasonlító elemzése, azokra a megközelítésekre fókuszálva, amelyek LLM-eket alkalmaznak penetrációs tesztelési feladatok támogatására vagy automatizálására. Ezekre építve, a munka kiterjed egy olyan kísérleti módszertan tervezésére, implementálására és kiértékelésére is, amely lehetővé teszi különböző AI modellek penetrációs tesztelési hatékonyságának mérését és összehasonlítását, manuális, félig automatizált és teljesen automatizált megközelítések mentén.