Primjena tehnika obrade prirodnog jezika u računalnoj sigurnosti

undergraduate thesis

• Title (english): Application of natural language processing techniques for cybersecurity
• Author: Ružica Bilić
• Mentor: Ivan Dunđer (mentor)
• Committee member: Vjera Lopina (predsjednik povjerenstva)
• Committee member: Sanja Seljan (član povjerenstva)
• Committee member: Ivan Dunđer (član povjerenstva)
• Granter: University of Zagreb; Faculty of Humanities and Social Sciences; (Department of information and Communication sciences); Zagreb
• Defense date and country: 2022-07-04, Croatia
• Scientific / art field, discipline and subdiscipline: SOCIAL SCIENCES; Information and Communication Sciences

Abstract

Završni rad na temu primjene tehnika obrade prirodnog jezika u računalnoj sigurnosti prikazuje da navedene tehnike mogu biti upotrijebljene za više od obrade ljudskog prirodnog jezika te da se mogu koristiti na bilo kakvim tekstualnim podacima. Postoji više načina primjene u računalnoj sigurnosti koji će se razraditi u ovom radu, od generiranja algoritma za klasifikaciju domena do modela za identifikaciju zlonamjernih email poruka. Korištenjem tehnika obrade prirodnog jezika, izvršit će se i analiza ranjivosti izvornog koda na način da se prvo odrede uzorci funkcija povezanih sa već poznatim sigurnosnim propustima u izvornim kodovima. Fokus u ovom radu će biti sigurnost web aplikacije (sigurnost na web-u) i za sve navedene primjene trebat će prikupiti korpuse i primijeniti neke od standardnih operacija nad tekstom, kao što su parsiranje, stvaranje semantičkih mreža i lematizacije. Prikupljeni podaci koji se odnose na izvorni kod će se klasificirati na temelju OWASP Top Ten. Nakon prikupljanja korpusa i pripreme teksta, softversko rješenje identifikacije i klasifikacije će se prikazati pomoću programskog jezika Python.

Abstract (english)

The bachelor thesis on the application of natural language processing techniques in cybersecurity shows that these techniques can be used for more than human natural language processing and that they can be used on any textual data. There are several ways of application in computer security that will be developed in this thesis, from generating a domain classification algorithm to a model for identifying malicious e-mail messages. Using natural language processing techniques, source code vulnerability analysis will also be performed by first determining patterns of functions related to already known security vulnerabilities in source codes. The focus in this work will be web application security (security on the web) and for all of the above applications corpora will need to be compiled and data will be processed by some of the standard text operations, such as parsing, creating semantic networks and tokenization. The data collected related to the source code will be classified based on the OWASP Top Ten. After collecting the corpus and preparing the text, a software solution for identification and classification will be shown using the Python programming language code.

• Keywords: računalna obrada teksta; strojno učenje; Python; OWASP Top 10; računalna sigurnost; NLP
• Keywords (english): computational text analysis; machine learning; Python; OWASP Top 10; cybersecurity; NLP
• Language: croatian
• URN:NBN: urn:nbn:hr:131:620944
• Study programme: Title: Information Sciences; Study programme type: university; Study level: undergraduate; Academic / professional title: sveučilišni/a prvostupnik/prvostupnica (baccalaureus/baccalaurea) informacijskih znanosti (sveučilišni/a prvostupnik/prvostupnica (baccalaureus/baccalaurea) informacijskih znanosti)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Open access
• Created on: 2022-07-05 12:08:23