GenAI for cybersikkerhet - praktisk kurs for profiserte

Kurstraileren: Marco oppsummerer på under ett minutt hva det handler om – hundrevis av varsler, endeløse logger, rapporter uten ende og spørsmålet om hvordan du skal klare alt dette. Svaret: Du trenger ikke å klare det alene lenger. Logganalyser på sekunder, hendelsesrapporter med et tastetrykk, fungerende deteksjonsregler, i tillegg til mange leksjoner og over 50 forespørsmål som kan brukes umiddelbart.

Før du tar tak i noe verktøy, må du avklare det viktigste spørsmålet her: Hvor gir generativ KI reell nytte i sikkerhets-hverdagen – og hvor er det rett og slett det gale verktøyet? Marco setter logg-tolkning, oppsummeringer, dokumentasjon og skript-generering opp mot de harde grensene: ekte deteksjon i SIEM, automatiske hendelsesbeslutninger uten menneske, tilgang til interne systemer. På Windows-hendelse 4625 ser du live hvordan flere minutters Google-klikk blir til noen sekunder.

Her handler det om spørsmålet som sikkerhetsprofesjonelle bør stille først: Hvor havner egentlig dataene mine? Du får sammenligningen av ChatGPT, Claude, Gemini, lokale modeller via Ollama og Enterprise-varianter – hver med fokus på trening, lagringstid og samsvar. Marco klikker seg trinn for trinn gjennom ChatGPT-datakontroll og viser deg hvor du deaktiverer treningen med innholdet ditt.

80 % av resultatkvaliteten henger på prompten og ikke på modellen – og det er nettopp det denne leksjonen gir deg en smertefullt ærlig fremstilling av. Du starter med den klassiske nybegynner-prompten „Hjelp meg med et sikkerhetsproblem“ og ser hvorfor KI-en deretter bare spør tilbake. Deretter bygger du den om med fire elementer – Rolle, Kontekst, Oppgave, Format – til en presis instruksjon som faktisk gir nyttige svar.

Tusenum av hendelser per dag, og du skal finne det ene brute-force-forsøket – manuelt et håpløst foretak. Marco går gjennom hendelses-ID-ene som du burde kjenne i søvne (4624, 4625, 4688, 4720 og Co.), filtrerer på mislykkede pålogginger og eksporterer dem som CSV eller via PowerShell. Deretter overleverer han dataene til ChatGPT og får analysen tilbake på sekunder, som ellers ville tatt deg timer.

Hendelseslogger viser deg hva som skjer på endepunktet – brannmur- og proxylogger viser deg hvem den kommuniserer med. Du lærer de vanlige formatene å kjenne (Squid, Blue Coat, Palo Alto) og forstår hva man ser etter for å gjenkjenne C2-beaconing: regelmessige intervaller med jitter, alltid samme mål, lignende datamengder, gjerne om natten og i helgene. Deretter lar du ChatGPT oppdage dette mønsteret i ekte proxylogger.

300 varsler om morgenen, 500 innen middag, og halvparten er støy – men hvilken halvdel? Denne leksjonen omformer ChatGPT til en triage-assistent, inkludert en ferdig mal med rolle, miljø, arbeidstider og kritiske eiendeler. Med ekte varslingsformater fra Splunk, Microsoft Sentinel og Elastic får du True/False Positive, prioritet P1 til P4 og en forståelig begrunnelse.

Etter hendelsen kommer delen som alle gjerne vil hoppe over: dokumentere og dele. Du går gjennom IOC-kategoriene – nettverk, vert, atferd – og lærer hvilke artefakter som virkelig har angrepskarakter og hvilke som bare er støy. Fra anonymiserte loggfiler fra et ekte phishing-tilfelle ekstraherer du IOCs med ChatGPT og mapper dem til MITRE ATT&CK, slik at rapporten din blir forstått over hele verden.

Tirsdag morgen, 9:47: SIEM-en eksploderer, helpdesk-hotlinen ringer, på filserveren ligger en løsepenge-notis. Akkurat i dette øyeblikket skjer de fleste feilene, og akkurat her begynner leksjonen – bruk ChatGPT ikke som en erstatning for kunnskapen din, men som et andre hjerne som stiller spørsmålene du glemmer i stress. Du simulerer hele prosessen fra de første varslingene til beslutningene om inneslutning.

Playbooks har nesten hvert team – som regel utdaterte og støver bort i SharePoint. Du får først strukturen som et nyttig playbook trenger: metadata, triggere og omfang, triage, inneslutning, utryddelse, gjenoppretting, etter-hendelse og referanser. Deretter lar du ChatGPT fylle ut rammen og tilpasser den til ditt konkrete miljø på omtrent 30 minutter.

Incidenten er over, alle puster ut – og så kommer delen som ingen liker. Etter 48 timer med kontinuerlig drift er notatene dine kaotiske, tidsstempler mangler, og likevel vil forsikring, compliance og juridisk avdeling ha en ryddig rapport. Her gjør du akkurat dette notatkaoset til en strukturert tidslinje og en ferdig incident-rapport med ChatGPT – på minutter i stedet for timer.

Malwareen er identifisert, men hvem står bak, hvordan jobber de – og hva kommer neste? Du lærer de viktigste OSINT-kildene å kjenne, fra Mandiant-, CrowdStrike- og Microsoft-rapporter til CISA og BSI, samt MITRE ATT&CK-grupper, Malpedia og Ransom-Wiki. Deretter aggregerer du materialet med ChatGPT til en trusselintelligensrapport og vet deretter hvor du målrettet kan forsterke dine deteksjoner.

„Er det kritisk? Må vi oppdatere i natt?“ – spørsmålet fra CISO som du ikke kan svare på med bare en CVSS-poengsum. Du går gjennom de viktigste spørsmålene: Hva er sårbarheten, hvor alvorlig er den egentlig (CVSS, EPSS, Temporal), finnes det utnyttelser i Exploit-DB, GitHub eller Metasploit, og er systemet tilgjengelig for dere? Med ChatGPT kommer du i løpet av minutter til en databasert oppdateringsbeslutning i stedet for å måtte stole på magefølelsen.

Tidligere betydde skripting: å saumfare Stack Overflow, lime sammen snippeter, feilsøke i timevis. I dag leverer ChatGPT første utkast på sekunder – men KI-kode er ikke automatisk sikker eller korrekt. Du får en mal for prompt med formål, input, output, miljø, feilhåndtering og sikkerhetskrav, og bygger dermed tre skripter for trusseljakt, hardening-sjekk og hendelsesrespons.

Du har trusselintelligens, IOCs og TTP-er – men merker du i det hele tatt når angrepet pågår? Denne leksjonen handler om Sigma som en plattformuavhengig regelspråk: skrive én gang, deretter konvertere til Splunk, Sentinel, Elastic, QRadar eller CrowdStrike. I det virkelige scenariet LSASS Credential Dumping vil du generere, teste og optimalisere regelen din med ChatGPT.

I loggfilene står brukernavn, e-postadresser, interne servernavn, noen ganger passord i klartekst – og akkurat det vil du sende til en ekstern tjeneste. Denne leksjonen setter grensen og viser deg per leverandør og plan, hvem som trener med dataene dine og hvor lenge de blir lagret. I tillegg får du konkrete regler, anonymiseringsteknikker og det sikre alternativet med lokale modeller.

Ubehagelig sannhet: Angripere bruker de samme verktøyene som deg, bare uten bruksbetingelser og uten etisk brems. Du ser hvordan KI hever phishing til et nytt nivå – slutt på skrivefeil og "Kjære kunde" – og hvordan utviklingen av malware, deepfakes og stemmekloning akselereres. Målet er ikke panikk, men forberedelse: Bare den som forstår offensiven, forsvarer effektivt.

Forestill deg at ChatGPT selvsikkert tilordner en IP-adresse til Lazarus Group, ledelsen er alarmert, eksterne etterforskere blir tilkalt - og så var alt oppdiktet. Nettopp dette er en hallusinasjon, og den kommer uten noen advarsel. Du lærer hvorfor LLM-er som tekstforutsigelsesmaskiner produserer noe slikt og hvordan du systematisk dobbeltsjekker IOCs, CVE-detaljer og trusselaktør-tilordninger før du handler.

Avslutningsvis handler det om det som gjerne blir glemt: Ansvar. Fire søyler veileder deg gjennom hverdagen – Åpenhet, Ansvarlighet, Aktsomhetsplikt og Proporsjonalitet – supplert med klare tilfeller hvor du bevisst ikke bruker KI, for eksempel ved juridiske spørsmål eller personalbeslutninger. Huskeregelen i leksjonen: KI-feil er dine feil hvis du ikke sjekker dem.

„Jeg har ChatGPT, jeg trenger ikke noe annet“ – denne setningen koster deg tid hver dag. Hver modell har sine egne styrker og svakheter: ChatGPT svikter ved sanntidsforskning, Gemini ved veldig lange dokumenter, Claude er sterk på tekst, men ikke laget for kontorprosesser, og nettopp der skinner Copilot. Denne leksjonen viser deg hvorfor en multi-modell-strategi ikke er en luksus og hvordan du kan kombinere flere LLM-er på en fornuftig måte.

Allrounderen i detalj: ChatGPT som assistent, som skriver tekster, leverer ideer, bygger konsepter og produserer kode. Marco går gjennom styrkene til den nåværende versjonen – betydelig bedre kontekstbehandling, veldig naturlig skrivestil, enormt grunnlag av kunnskap – og leder deg gjennom overflaten og hovedfunksjonene. Etterpå vet du hva du kan bruke ChatGPT til i sikkerhetshverdagen din og hvor en annen modell er det bedre valget.

200 siders dokument, og du trenger på sekunder et presist sammendrag – det er Claudes hjemmebane. Modellen fra Anthropic er designet for lange kontekster, langt over 100.000 token, og skiller seg ut med betydelig færre hallusinasjoner. For lange logger, omfattende rapporter og dokumentasjoner er det akkurat den kombinasjonen du trenger.

Skrive e-poster, lage presentasjoner, sette sammen Excel-regneark – og det tar evigheter. Copilot sitter rett i Word, Excel, PowerPoint, Outlook og Teams og tar seg av akkurat dette arbeidsomhet, inkludert møtereferater, hvorfra du direkte kan lage oppsummeringer. Viktig å vite: Alt dette er knyttet til Microsoft 365, de fristående Office-pakkene er unntatt.

Tre håndterer tjue nettsteder for ett klart svar – det trenger ikke å være sånn. Perplexity er en KI-søkemotor som gir deg svaret og kilden samtidig, noe som er gull verdt når det gjelder CVE-forskning og harde fakta. Du ser den gratis versjonen, dens begrensninger og hva det er verdt å oppgradere til.

Grok er KIden til Elon Musk's xAI og er direkte integrert i X, tidligere Twitter. Fordelen ligger i sanntidstilgang til innlegg, nyheter og trender – praktisk når en ny trussel nettopp begynner å sirkulere og ikke er nevnt i noen rapport ennå. Marco guider deg gjennom overflaten på xAI-siden og viser hvor Grok virkelig gir mening i hverdagen.

En innlogging, mange modeller: Poe fra Quora samler ChatGPT, Claude, Gemini og flere i et enkelt grensesnitt. Dette sparer deg for å jonglere med mange kontoer og gjør direkte sammenligning enkelt – ideelt hvis du vil finne ut hvilket modell som løser oppgaven din best. I tillegg får du oversikt over poengsystemet og prismodellene fra gratisplanen til det store abonnementet.

KI-modeller som GPT-varianter eller Llama direkte på din egen datamaskin, uten abonnement og uten sky – det er derfor LM Studio finnes. Desktop-appen for Windows, Mac og Linux laster ned lokale språkmodeller og gjør dem tilgjengelige med noen få klikk. For alle som må analysere sensitive data, er dette den rene løsningen: Hva som forblir på din datamaskin, havner ikke i andres treningsdata.

Hvis du vil ha full kontroll, lar du modellen kjøre på din egen maskin. Ollama er åpen kildekode, gratis og kjører på Mac, Windows og Linux – med modeller som Llama, Mistral eller Phi direkte på datamaskinen din, uten internett og uten abonnement. For konfidensielle analyser betyr dette: ingen data forlater PC-en din, ingen diskusjoner om treningsdata, ingen skjulte kostnader.

Etter alle verktøyene kommer spørsmålet som virkelig teller i hverdagen: Hvilken modell skal jeg bruke for denne oppgaven? Du får en nybegynnerregel som allerede dekker rundt 90 % – ChatGPT for tekster, Claude for lange innhold, Gemini for researching, Copilot for kontoroppgaver, Perplexity for fakta med kilde. Deretter følger profesjonellregelen for alle som regelmessig produserer eller automatiserer.

De fleste åpner ChatGPT, skriver en prompt og håper – mens det egentlige spranget ligger et annet sted. Du bruker modellene som et team: en forsker, en skriver, en sjekker, en automatiserer. Konkret bygger du en fire-modellers arbeidsflyt med Perplexity, Claude, ChatGPT og Gemini, der du som enkeltperson arbeider som en hel redaksjon.

Avslutningsleksjonen i modulen snur situasjonen: Du trenger ikke en enkelt modell, du trenger et system. Oppsettet ditt bygges opp i tre nivåer, slik at hver modell tar seg av akkurat det den er laget for – i stedet for å tilfeldigvis skrive noe inn et sted. Resultatet blir en personlig KI-verktøykasse som gjør at du jobber raskere og mer strukturert hver dag.