SentinelOne zkracuje analýzu malwaru z týdnů na hodiny

Reverzní inženýrství sofistikovaného malwaru může špičkovému bezpečnostnímu výzkumníkovi zabrat čtyři až šest týdnů. Jde o mravenčí práci: výzkumníci rozebírají software, aby pochopili jeho chování, a s každým novým zjištěním se často musí vracet k předchozím krokům. Gregor Stewart, ředitel pro AI ve společnosti SentinelOne, říká, že OpenAI Daybreak dnes dokáže při reverzním inženýrství dosáhnout výsledků na úrovni lidské práce přibližně za osm hodin.

Zkrácením času potřebného k hloubkové analýze dává OpenAI výzkumníkům ze SentinelOne prostor zkoumat více malwaru a propojovat poznatky z různých vzorků. Tento širší pohled často odhaluje souvislosti, které by při odděleném zkoumání mohly uniknout. Stewart tuto příležitost popisuje jako možnost získávat „poznatky, které jsme si nikdy dříve nemohli dovolit získávat“.

Daybreak zpřístupňuje obráncům modely OpenAI pro práci v oblasti kybernetické bezpečnosti. SentinelOne tyto schopnosti využívá k reverznímu inženýrství malwaru: zkoumá software, aby pochopil, jak se chová. Rychlejší analýza dává výzkumníkům společnosti větší kapacitu pro zkoumání dalších vzorků.

Stewart zdůrazňuje, že odpovědnost za výsledek nadále nese jeho tým. „Jediné, co se nedá automatizovat, je odpovědnost,“ říká. „Vezměme si třeba rozhodnutí změnit architekturu. Na to by měl stále dohlížet člověk. Naproti tomu dílčí opravy nebo úpravy, které zásadně nemění fungování softwaru, se k automatizaci mohou hodit lépe,“ dodává.

Dříve musely výzkumné týmy v SentinelOne vyhrazovat hloubkové zkoumání jen těm nejzajímavějším nebo nejdůležitějším hrozbám, které objevily. „Reverzní inženýrství jsme zvládali provádět jen u velmi malého počtu programů,“ říká Stewart. S menším počtem vzorků k porovnání měli méně příležitostí odhalit souvislosti mezi hrozbami.

Rychlejší analýza s Daybreakem dává výzkumníkům více příležitostí porovnávat vzorky malwaru a hledat společné komponenty. Například komponenta nalezená ve dvou zdánlivě nesouvisejících vzorcích může výzkumníky při šetření u zákazníka přivést na stopu, kterou stojí za to sledovat.

Porovnávání poznatků z většího počtu vzorků také odhaluje širší souvislosti mezi hrozbami. Pochopení těchto souvislostí podle Stewarta „pomáhá bránit se hrozbám s větším předstihem a přistupovat k obraně proaktivněji“.

Podle Stewarta umožňuje přístup ke schopnostem OpenAI v oblasti kybernetické bezpečnosti většímu počtu lidí v SentinelOne převzít odpovědnost za práci na zabezpečení. „Téměř každý má dnes přístup k odborným znalostem, kterých byl ještě možná před pár měsíci velký nedostatek,“ říká. Více členů týmu může problémy zkoumat samostatně, místo aby se spoléhali na malou skupinu specialistů.

Stewart chce schopnosti OpenAI v oblasti kybernetické bezpečnosti začlenit do tvorby kódu, aby vývojáři SentinelOne mohli řešit bezpečnostní problémy už během vývoje.