GenAI til cybersikkerhed - praksiskursus for professionelle

Kursus-trailer: Marco opsummerer på under et minut, hvad det drejer sig om – hundrede Alerts, uendelige logs, rapporter uden ende og spørgsmålet om, hvordan du skal klare det hele. Svaret: Du skal ikke klare det alene længere. Log-analyser på sekunder, hændelsesrapporter med ét tryk, fungerende detektionsregler, samt masser af lektioner og over 50 prompts til øjeblikkelig brug.

Inden du overhovedet rører ved et værktøj, er det vigtigt at afklare det vigtigste spørgsmål: Hvor bringer generativ KI reel værdi i sikkerhedshverdagen – og hvornår er det blot det forkerte værktøj? Marco sætter logfortolkning, opsummeringer, dokumentation og script-generering op imod de hårde grænser: reel detektering i SIEM, automatiske incident-beslutninger uden menneskelig indblanding, adgang til interne systemer. Ved Windows-begivenhed 4625 ser du live, hvordan flere minutters google-søgninger bliver til et par sekunder.

Her handler det om spørgsmålet, som sikkerhedsprofessionelle først bør stille: Hvor lander mine data egentlig? Du får sammenligningen af ChatGPT, Claude, Gemini, lokale modeller via Ollama og enterprise-varianter – hver især med fokus på træning, opbevaringsperiode og overholdelse. Marco klikker sig trin for trin gennem ChatGPT-data kontrollen og viser dig, hvor du slår træningen med dit indhold fra.

80 % af resultatkvaliteten afhænger af prompten og ikke modellen – og netop dette viser denne lektion dig smertefuldt ærligt. Du starter med den klassiske nybegynder-prompt „Hjælp mig med et sikkerhedsproblem“ og ser, hvorfor AI'en derefter kun stiller spørgsmål tilbage. Derefter bygger du den om med fire byggesten – rolle, kontekst, opgave, format – til en præcis anvisning, der virkelig leverer brugbare svar.

Tusind af begivenheder om dagen, og du skal finde det ene brute-force-forsøg – manuelt en håbløs bestræbelse. Marco gennemgår begivenheds-ID'erne, som du burde kende i søvne (4624, 4625, 4688, 4720 osv.), filtrerer på mislykkede loginforsøg og eksporterer dem som CSV eller via PowerShell. Derefter overfører han dataene til ChatGPT og får analysen, som ellers ville tage dig timer, på sekunder.

Event Logs viser dig, hvad der sker på endpointet – firewall- og proxy-logs viser dig, hvem den taler med. Du lærer de gængse formater at kende (Squid, Blue Coat, Palo Alto) og forstår, hvordan man genkender C2-beaconing: regelmæssige intervaller med jitter, altid det samme mål, lignende datamængder, gerne om natten og i weekenden. Derefter lader du ChatGPT finde netop dette mønster i ægte proxy-logs.

300 Alarmer om morgenen, 500 indtil middag, og halvdelen er støj – men hvilken halvdel? Denne lektion opbygger ChatGPT til at være en triage-assistent for dig, inklusive en færdig skabelon med rolle, miljø, arbejdstider og kritiske aktiver. Med ægte alarmformater fra Splunk, Microsoft Sentinel og Elastic får du True/False Positive, prioritet P1 til P4 og en begrundelse, der kan efterprøves.

Efter hændelsen kommer den del, som alle gerne vil springe over: dokumentation og deling. Du gennemgår IOC-kategorierne - netværk, vært, adfærd - og lærer, hvilke artefakter der virkelig har karakter af angreb, og hvilke der kun er støj. Ud fra anonymiserede logfiler fra en ægte phishing-sag udtrækker du med ChatGPT IOCs og kortlægger dem til MITRE ATT&CK, så din rapport forstås verden over.

Tirsdag morgen, 9:47: SIEM'et eksploderer, helpdesk-hotlinen ringer, der ligger en løsepenge-besked på filserveren. Lige i dette øjeblik sker de fleste fejl, og lige her begynder lektionen – brug ChatGPT ikke som en erstatning for din viden, men som en Second Brain, der stiller de spørgsmål, du glemmer i stresset. Du simulerer hele forløbet fra de første alarmer til beslutninger om indespærring.

Playbooks har næsten hvert team – for det meste forældede og gemt et sted i SharePoint. Du får først strukturen, som et brugbart playbook har brug for: Metadanne, triggere og omfang, triage, containment, udryddelse, genopretning, post-incident og referencer. Derefter lader du ChatGPT udfylde rammen og tilpasser det til dit specifikke miljø på omkring 30 minutter.

Incidentet er overstået, alle trækker vejret lettet – og så kommer den del, som ingen kan lide. Efter 48 timers kontinuerlig drift er dine noter kaotiske, tidsstempler mangler, og alligevel ønsker forsikring, compliance og jura en rydelig rapport. Her laver du præcist dette notet kaos med ChatGPT til en struktureret tidslinje og en færdig incident-rapport – på minutter i stedet for timer.

Malwaren er identificeret, men hvem står bag, hvordan arbejder de - og hvad kommer der næste? Du lærer de vigtigste OSINT-kilder at kende, fra Mandiant-, CrowdStrike- og Microsoft-rapporter til CISA og BSI samt MITRE ATT&CK-grupper, Malpedia og Ransom-Wiki. Derefter aggregerer du materialet med ChatGPT til en trusselsefterretningsrapport og ved derefter, hvor du målrettet forstærker dine detektioner.

„Er det kritisk? Skal vi patcher i nat?“ – spørgsmaalet fra CISO, som du ikke kan besvare med en CVSS-score alene. Du arbejder dig igennem kerne-spørgsmålene: Hvad er sårbarheden, hvor alvorlig er den virkelig (CVSS, EPSS, Temporal), findes der exploits i Exploit-DB, GitHub eller Metasploit, og er systemet overhovedet tilgængeligt for jer? Med ChatGPT når du på minutter frem til en datadrevet patch-beslutning i stedet for mavefornemmelser.

Tidligere betød scripting: At gennemgå Stack Overflow, kopiere snippets sammen, og debugge i timevis. I dag leverer ChatGPT det første udkast på sekunder – men AI-kode er jo ikke automatisk sikker eller korrekt. Du får en prompt-skabelon med formål, input, output, miljø, fejlhåndtering og sikkerhedsanbefalinger, og du bygger tre skripter til trusseljagt, hærdningskontrol og hændelsesrespons.

Du har Threat Intelligence, IOCs og TTP'er – men mærker du overhovedet, når angrebet kører? Denne lektion handler om Sigma som en platformuafhængig regelsprog: skriv en gang, så konverter til Splunk, Sentinel, Elastic, QRadar eller CrowdStrike. I det virkelige scenarie LSASS Credential Dumping genererer, tester og optimerer du din regel med ChatGPT.

I logfilen står brugernavne, mailadresser, interne servernavne, nogle gange adgangskoder i klartekst – og lige netop det vil du sende til en ekstern tjeneste. Denne lektion trækker grænsen og viser dig pr. udbyder og plan, hvem der træner med dine data og hvor længe de opbevares. Desuden får du konkrete regler, anonymiseringsteknikker og det sikre alternativ via lokale modeller.

Ubehagelig sandhed: Angriberne bruger de samme værktøjer som dig, blot uden brugsbetingelser og uden etisk bremse. Du ser, hvordan AI tager phishing til et nyt niveau – slut med stavefejl og „Kære kunde“ – og hvordan malware-udvikling, deepfakes og stemmekloning accelereres. Målene er ikke panik, men forberedelse: Kun den, der forstår offensiven, forsvarer effektivt.

Forestil dig, at ChatGPT selvbevidst tilskriver en IP-adresse til Lazarus Group, ledelsen er alarmeret, eksterne efterforskere er tilkaldt – og så var alt sammen opdigtet. Dette er præcis en hallucination, og den kommer uden nogen advarsel. Du lærer, hvorfor LLM'er som tekstforudsigelsesmaskiner producerer sådanne ting, og hvordan du systematisk kan verificere IOCs, CVE-detaljer og trusselaktør-tilskrivninger, inden du handler.

Til sidst handler det om det, der ofte overses: Ansvar. Fire søjler guider dig gennem hverdagen - Åbenhed, Ansvarlighed, Pligt til omhu og Forholdsmæssighed - suppleret med klare tilfælde, hvor du bevidst ikke anvender AI, f.eks. ved juridiske spørgsmål eller personalebeslutninger. Huskesætningen for lektionen: AI's fejl er dine fejl, hvis du ikke kontrollerer dem.

„Jeg har ChatGPT, jeg har ikke brug for noget andet“ – denne sætning koster dig dagligt tid. Hver model har sine egne styrker og svagheder: ChatGPT halter ved realtidsforskning, Gemini ved meget lange dokumenter, Claude er stærk i tekst, men ikke lavet til kontorprocesser, og lige dér brillerer Copilot. Denne lektion viser dig, hvorfor en multi-model-strategi ikke er en luksus, og hvordan du fornuftigt kombinerer flere LLM'er.

Allrounderen i detalje: ChatGPT som assistent, der skriver tekster, leverer ideer, bygger koncepter og producerer kode. Marco gennemgår styrkerne ved den aktuelle version – betydeligt bedre kontekstbehandling, meget naturlig skrivestil, enormt grundviden – og guider dig gennem overfladen og hovedfunktionerne. Derefter ved du, hvad du bruger ChatGPT til i Security-hverdagen, og hvor en anden model er det bedre valg.

200 sider dokument, og du har brug for en præcis opsummering på sekunder – det er Claudes hjemmebane. Modellen fra Anthropic er designet til lange kontekster, langt over 100.000 tokens, og skiller sig ud ved betydeligt færre hallucinationer. Til lange logs, omfangsrige rapporter og dokumentationer er det præcis den kombination, du har brug for.

Skrive mails, lave præsentationer, samle Excel-regneark – og det tager en evighed. Copilot sidder lige i Word, Excel, PowerPoint, Outlook og Teams og tager netop det hårde arbejde fra dig, inklusive mødet-konceptnotater, som du direkte kan trække sammenfatninger fra. Vigtigt at vide: Det hele er afhængigt af Microsoft 365, de selvstændige Office-pakker er udelukket.

Klik på tyve hjemmesider for et enkelt klart svar - det behøver ikke at være sådan. Perplexity er en AI-søgemaskine, der giver dig svaret og leverer kilden samtidig, hvilket er guld værd, især ved CVE-research og hårde fakta. Du ser den gratis version, dens grænser, og hvad der gør det værd at skifte.

Grok er Elons Musks xAI og er direkte integreret i X, det tidligere Twitter. Fordelen ligger i realtidstilgangen til indlæg, nyheder og trends – praktisk, når en ny trussel netop er begyndt at cirkulere og endnu ikke er nævnt i nogen rapport. Marco guide dig gennem overfladen på xAI-siden og viser, hvor Grok virkelig giver mening i hverdagen.

Én login, mange modeller: Poe fra Quora samler ChatGPT, Claude, Gemini og flere i én enkelt flade. Det sparer dig for at jonglere med mange konti og gør det nemt at sammenligne direkte – ideelt, hvis du vil finde ud af, hvilken model der bedst løser din opgave. Desuden får du overblik over pointsystemet og prismodellerne fra den gratis plan til det store abonnement.

KI-modeller som GPT-varianter eller Llama direkte på din egen computer, uden abonnement og uden sky – det er, hvad LM Studio tilbyder. Desktop-appen til Windows, Mac og Linux downloader lokale sprogmodeller og gør dem brugbare med få klik. For alle, der skal analysere følsomme data, er det den rene løsning: Hvad der forbliver på din computer, havner heller ikke i andres træningsdata.

Hvis du vil have fuld kontrol, lader du modellen køre lokalt. Ollama er open source, gratis og kører på Mac, Windows og Linux – med modeller som Llama, Mistral eller Phi direkte på din computer, uden internet og uden abonnement. For fortrolige analyser betyder det: ingen data forlader din pc, ingen diskussion om træningsdata, ingen skjulte omkostninger.

Efter alle værktøjerne kommer spørgsmålet, der virkelig tæller i hverdagen: Hvilken model skal jeg tage til denne opgave? Du får en begyndervirksomhed, der allerede dækker omkring 90 % - ChatGPT til tekster, Claude til lange indhold, Gemini til research, Copilot til kontoropgaver, Perplexity til fakta med kilde. Herefter følger professionel reglen for alle, der regelmæssigt producerer eller automatiserer.

De fleste åbner ChatGPT, skriver en prompt og håber - men det egentlige spring ligger et andet sted. Du bruger modellerne som et team: en forsker, en skriver, en tjekker, en automatiserer. Konkrekt bygger du en fire-modellers arbejdsgang ud fra Perplexity, Claude, ChatGPT og Gemini, som gør, at du som enkeltperson arbejder som en hel redaktion.

Modulets afslutningslektion vender tingene på hovedet: Du har ikke brug for en enkelt model, du har brug for et system. Dit setup bygges op i tre niveauer, så hver model præcist overtager det, den er lavet til - i stedet for at indtaste noget tilfældigt et eller andet sted. Resultatet er en personlig AI-værktøjskasse, som gør, at du arbejder hurtigere og mere struktureret hver dag.