SentinelOne analyse les malwares en heures plutôt qu’en semaines

La rétro-ingénierie d’un logiciel malveillant sophistiqué peut demander quatre à six semaines à un chercheur en sécurité de haut niveau. C’est un travail minutieux : les chercheurs décortiquent le logiciel pour comprendre son comportement, revenant souvent sur leurs pas à mesure qu’ils découvrent de nouvelles informations. Gregor Stewart, directeur de l’IA chez SentinelOne, affirme qu’OpenAI Daybreak peut désormais produire des résultats de rétro-ingénierie de qualité humaine en huit heures environ.

En réduisant le temps nécessaire aux analyses approfondies, OpenAI permet aux chercheurs de SentinelOne d’étudier davantage de logiciels malveillants et de croiser leurs découvertes entre les échantillons. Cette vision élargie révèle souvent des liens qui pourraient échapper à des investigations isolées. Stewart y voit « un type de renseignement que nous n’avions jamais pu nous offrir auparavant ».

Daybreak donne aux défenseurs accès aux modèles d’OpenAI pour leurs missions de cybersécurité. SentinelOne utilise ces capacités pour procéder à la rétro-ingénierie de logiciels malveillants, en les examinant pour comprendre leur comportement. Des analyses plus rapides permettent à ses chercheurs d’étudier davantage d’échantillons.

Stewart souligne que son équipe reste responsable du résultat. « La seule chose qui ne peut pas être automatisée, c’est la responsabilité », explique-t-il. « Prenons la décision de modifier l’architecture. C’est une décision que l’on souhaite toujours soumettre à un regard humain, tandis que les correctifs ponctuels ou les changements qui ne modifient pas fondamentalement le fonctionnement du logiciel se prêtent peut-être mieux à l’automatisation », ajoute-t-il.

Auparavant, les équipes de recherche de SentinelOne devaient réserver les investigations approfondies aux menaces les plus intéressantes ou les plus importantes qu’elles découvraient. « Nous ne pouvions faire de rétro-ingénierie que sur un très petit nombre de logiciels », explique Stewart. Avec moins d’échantillons à comparer, elles avaient moins d’occasions de repérer des liens entre les menaces.

En accélérant l’analyse, Daybreak offre aux chercheurs davantage d’occasions de comparer les échantillons de logiciels malveillants et de rechercher des composants communs. Par exemple, un composant présent dans deux échantillons apparemment sans rapport pourrait donner aux chercheurs une piste à explorer lors d’une investigation pour un client.

Croiser les résultats d’un plus grand nombre d’échantillons révèle aussi des liens plus larges entre les menaces. Selon Stewart, repérer ces liens « vous aiderait à vous défendre plus en amont et à adopter une défense plus proactive ».

Au sein de SentinelOne, Stewart affirme que l’accès aux capacités d’OpenAI en cybersécurité permet à davantage de personnes de prendre en charge des missions de sécurité. « Presque tout le monde a désormais accès à une expertise qui était encore très rare il y a peut-être quelques mois à peine », explique-t-il. Davantage de membres de l’équipe peuvent examiner les problèmes eux-mêmes, plutôt que de dépendre d’un petit groupe de spécialistes.

Stewart souhaite intégrer les capacités d’OpenAI en cybersécurité à la création de code, afin que les développeurs de SentinelOne puissent résoudre les problèmes de sécurité au fil du développement.