SentinelOne 用 OpenAI Daybreak 把恶意软件分析从数周压缩到 8 小时

逆向工程一个复杂的恶意软件，顶尖安全研究员可能需要四到六周。这是一项艰苦的工作，研究人员需要拆解软件以理解其行为，并常常在发现新信息时回溯之前的步骤。SentinelOne 首席 AI 官 Gregor Stewart 表示，OpenAI Daybreak 现在可以在大约八小时内产出人类水平的逆向工程结果。

通过缩短深度分析所需的时间，OpenAI 让 SentinelOne 的研究人员有余力调查更多恶意软件，并跨样本关联发现。这种更广阔的视角往往能揭示孤立调查可能遗漏的关联。Stewart 将这一机会描述为“一种我们以前从来无法负担的情报能力”。

Daybreak 让防御方能够使用 OpenAI 模型开展网络安全工作。SentinelOne 利用这些能力对恶意软件进行逆向工程，检查软件以理解其行为。更快的分析让其研究人员有更多余力调查更多样本。

Stewart 强调，他的团队仍然对结果负责。“唯一无法自动化的是问责，”他说。“比如决定更改架构。这种事你仍然希望有人来把关，而针对性的修复或不会从根本上改变软件工作方式的事情，可能更适合自动化，”他补充道。

过去，SentinelOne 的研究团队不得不把深度调查留给所发现的最有趣或最重要的威胁。“我们只能逆向非常少量的软件，”Stewart 说。可供比较的样本更少，他们发现威胁之间关联的机会也就更少。

借助 Daybreak 加快分析速度，研究人员有更多机会比较恶意软件样本并寻找共享组件。例如，在两个看似无关的样本中发现的同一组件，可以为研究人员在客户调查过程中提供一条可追查的线索。

在更多样本之间比较发现结果，也能揭示威胁之间更广泛的关系。Stewart 表示，看到这些关系，“能帮助你在更外围进行防御，并在防御上更加主动。”

在 SentinelOne 内部，Stewart 表示，使用 OpenAI 的网络能力让更多人能够承担安全工作的责任。“现在几乎每个人都能获得那种直到几个月前还极为稀缺的专业能力，”他说。更多团队成员可以自行调查问题，而不必依赖一小群专家。

Stewart 希望将 OpenAI 的网络能力引入代码创建过程，这样 SentinelOne 的开发者就能在构建的同时解决安全问题。