Záverečné práce Radoslava Chudovského (https://is.muni.cz/th/hpykg/), Kristiána Tkáčika (https://is.muni.cz/th/cxvr2/) a Lýdie Hemalovej (https://is.muni.cz/th/mdf07/) vytvorili sadu nástrojov (skriptov v Pythone), ktoré majú na vstupe dáta z bezpečnostného tréningu (príkazy, ktoré zadali študenti do linuxového príkazového riadka) a rôznym spôsobom ich spracúvajú. Obmedzením jednotlivých nástrojov ale je, že pri analýzach nezohľadňujú rôzne lexikálne aspekty parsovania a tokenizácie vstupných dát, ako napríklad:
* Poradie niektorých parametrov môže byť nepodstatné, napr. "nmap 1.2.3.4 -sV" je ekvivalentné "nmap -sV 1.2.3.4". Naopak, v iných prípadoch záleží na poradí parametrov, napr. "nmap 1.2.3.4 -p 20" nie je to isté, ako "nmap 1.2.3.4 20 -p".
* Prepínače programu môžu byť vyjadrené v kompaktnom tvare, napr. "ls -la -sp", čo je ekvivalentné "ls -a -l -p -s" alebo "ls -spal". Podobne môžu prepínače používať dlhý tvar, ak existuje, t.j. "ls -a" je ekvivalentné "ls --all".
V teoretickej časti práce popíšte tieto prípady a typy “tried ekvivalencie” príkazov. Naštudujte prístupy k lexikálnej analýze príkazov a existujúce nástroje. Následne implementujte parser (pričom vhodne využite existujúce nástroje), spracujte existujúce dáta, a popíšte štatistiky vybraných vzorov, ktoré sa v dátach vyskytujú (napr.: príkazy X, Y a Z sú ekvivalentné, ale formát X sa vyskytuje výrazne častejšie; alebo: výskyt príkazov X a Y spolu často koreluje).