A generatív mesterséges intelligencia használata a kibertudatosítási képzésekben, 1. rész

doi: 10.32567/hm.2025.2.8

Copyright (c) 2026 Szabó Gergő

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Absztrakt

A tanulmány célja annak vizsgálata, hogy miként alkalmazható a generatív mesterséges intelligencia (GenMI) a kibertudatossági képzésekben, különös tekintettel az oktatás személyreszabhatóságára, hatékonyságára és elfogadottságára. A kutatás elméleti része az ADDIE-modell mentén tárgyalja a GenMI szerepét az oktatástervezésben, bemutatva annak lehetőségeit a tananyagfejlesztés, a személyre szabás és a visszacsatolás területén. Részletesen ismerteti a RAG-technológia szerepét is, különösen a tartalmi pontosság és az adatbiztonság aspektusaira fókuszálva. Az empirikus kutatás egy 109 fő részvételével végzett kérdőíves vizsgálatra épül, amelyet a Technology Acceptance Model (TAM) keretrendszere szerint szerkesztettem. A kérdőív többek között phishing szimulációkat, egy generált szcenáriót, valamint attitűdkérdéseket tartalmazott.

Kulcsszavak:

mesterséges intelligencia kibertér kibertámadás

Hogyan kell idézni

Szabó, G. (2026). A generatív mesterséges intelligencia használata a kibertudatosítási képzésekben, 1. rész. Hadmérnök, 20(2), 129–142. https://doi.org/10.32567/hm.2025.2.8

Hivatkozások

AI-Generated Phishing Simulations Are a Game Changer for MSPs. ConnectWise Marketplace, 2023. július 11. Online: https://marketplace.connectwise.com/blogs/ai-generated-phishing-simulations-are-a-game-changer-for-msps/

Breacher.ai (2025): Deepfake Archives. Online: https://breacher.ai/solutions/deepfake-simulation/

BRITO, Fernando et al. (2025): Enhancing Cybersecurity Education With Artificial Intelligence Content. In Proceedings of the 56th ACM Technical Symposium on Computer Science Education 1. New York: Association for Computing Machinery, 158–164. Online: https://doi.org/10.1145/3641554.3701958

CVE [é. n.]: Frequently Asked Questions (FAQs). Online: https://www.cve.org/ResourcesSupport/FAQs

EU Artificial Intelligence Act. Online: https://artificialintelligenceact.eu/ai-act-explorer/

European Union Agency for Cybersecurity (2024): ENISA Threat Landscape 2024: July 2023 to June 2024. Online: https://data.europa.eu/doi/10.2824/0710888

JAKKAL, Vasu (2023): Introducing Microsoft Security Copilot: Empowering Defenders at the Speed of AI. Official Microsoft Blog, 2023. március 28. Online: https://blogs.microsoft.com/blog/2023/03/28/introducing-microsoft-security-copilot-empowering-defenders-at-the-speed-of-ai/

MERRITT, Marian et al. (2024): Building a Cybersecurity and Privacy Learning Program. NIST SP 800-50r1. Gaithersburg: National Institute of Standards and Technology. Online: https://doi.org/10.6028/NIST.SP.800-50r1

MOUTON, Francios et al. (2014): Social Engineering Attack Framework. In 2014 Information Security for South Africa. 1–9. Online: https://doi.org/10.1109/ISSA.2014.6950510

NELSON, Connor – DOUPÉ, Adam – SHOSHITAISHVILI, Yan (2025). SENSAI: Large Language Models as Applied Cybersecurity Tutors. In Proceedings of the 56th ACM Technical Symposium on Computer Science Education 1. New York: Association for Computing Machinery, 833–839. Online: https://doi.org/10.1145/3641554.3701801

New Jersey Cybersecurity & Communications Integration Cell [é. n.]: ChatGPT and Its Impact on Cybersecurity. Online: https://www.cyber.nj.gov/guidance-and-best-practices/artificial-intelligence/chatgpt-and-its-impact-on-cybersecurity

Introducing ChatGPT Enterprise. OpenAI, 2023. augusztus 28. Online: https://openai.com/index/introducing-chatgpt-enterprise/

PETKAUSKAS, Vilius (2023): Lessons Learned From ChatGPT’s Samsung Leak. Cybernews, 2023. május 8. Online: https://cybernews.com/security/chatgpt-samsung-leak-explained-lessons/

Proofpoint (2023): 2023 Security Awareness Study. How Effective Are Your Awareness Programs – and Do Your Employees Agree? Information Security Media Group. Online: https://www.proofpoint.com/us/resources/analyst-reports/ismg-security-awareness-training-perception-study

SHAW, R. S. et al. (2009): The Impact of Information Richness on Information Security Awareness Training Effectiveness. Computers & Education, 52(1), 92–100. Online: https://doi.org/10.1016/j.compedu.2008.06.011

SlashNext (2023): State of Phishing. Online: https://www.prnewswire.com/news-releases/slashnexts-2023-state-of-phishing-report-reveals-a-1-265-increase-in-phishing-emails-since-the-launch-of-chatgpt-in-november-2022--signaling-a-new-era-of-cybercrime-fueled-by-generative-ai-301971557.html

Solving the Security Challenges of Retrieval-Augmented Generation (RAG). Polymer, 2025. január 31. Online: https://www.polymerhq.io/blog/ai/solving-the-security-challenges-of-retrieval-augmented-generation-rag/

Verizon (2024): 2023 Data Breach Investigations Report: Frequency and Cost of Social Engineering Attacks Skyrocket. Online: https://www.verizon.com/business/resources/reports/2023-data-breach-investigations-report-dbir.pdf

YOGARAJAH, Jesudhas – HOSSAIN, Gahangir (2025). The Concept of Cognitive CyTutor Utilizing Federated Learning for Cybersecurity Education. In 2025 IEEE 15th Annual Computing and Communication Workshop and Conference (CCWC). 681–690. Online: https://doi.org/10.1109/CCWC62904.2025.10903809