SentinelOne: kártevőelemzés hetek helyett órák alatt
Az OpenAI Daybreakkel a SentinelOne hetekről órákra rövidíti a kártevőelemzést, így több fenyegetés vizsgálatára jut kapacitása.
8
óra a kártevők visszafejtésére a korábbi 4–6 hét helyett
Egy kifinomult kártevő visszafejtése még egy kiváló biztonsági kutatónak is négy–hat hétbe telhet. Ez aprólékos munka: a kutatók részeire bontják a szoftvert, hogy megértsék a viselkedését, és az új információk birtokában gyakran visszatérnek a korábbi lépésekhez. Gregor Stewart, a SentinelOne MI-igazgatója szerint az OpenAI Daybreak ma már nagyjából nyolc óra alatt képes az emberi munkával azonos színvonalú visszafejtést végezni.
A mélyreható elemzés idejének lerövidítésével az OpenAI lehetővé teszi, hogy a SentinelOne kutatói több kártevőt vizsgáljanak meg, és összefüggéseket találjanak a különböző minták elemzési eredményei között. Ez a tágabb rálátás gyakran olyan kapcsolatokat is feltár, amelyek az elkülönült vizsgálatok során rejtve maradnának. Stewart úgy jellemzi ezt a lehetőséget, mint „olyan szintű információszerzést, amelyet korábban sosem engedhettünk meg magunknak”.
„Ami egy kiváló kutatónak négy–hat hétbe telt volna, azt az MI ma már nagyjából nyolc óra alatt végzi el, az emberi munkával azonos színvonalon.”
A Daybreak hozzáférést biztosít a védekezést végző szakembereknek az OpenAI modelljeihez a kiberbiztonsági munkájukhoz. A SentinelOne ezeket a képességeket a kártevők visszafejtésére használja: a szoftverek vizsgálatával igyekszik megérteni azok viselkedését. A gyorsabb elemzésnek köszönhetően kutatóinak több kapacitása marad további minták vizsgálatára.
Stewart hangsúlyozza, hogy az eredményért továbbra is a csapata felel. „Az egyetlen dolog, ami nem automatizálható, a felelősségvállalás” – mondja. „Vegyük például az architektúra módosításáról szóló döntést. Ezt továbbra is érdemes emberre bízni, míg a célzott javítások vagy a szoftver működését alapjaiban nem érintő változtatások alkalmasabbak lehetnek az automatizálásra” – teszi hozzá.
Korábban a SentinelOne kutatócsapatai csak az általuk feltárt legérdekesebb vagy legfontosabb fenyegetéseket tudták mélyrehatóan megvizsgálni. „Csak nagyon kevés szoftvert tudtunk visszafejteni” – mondja Stewart. Mivel kevesebb mintát tudtak összehasonlítani, kevesebb lehetőségük volt felismerni a fenyegetések közötti kapcsolatokat.
„A gyorsabb visszafejtés révén a kártevők világának jóval nagyobb részét térképezhetjük fel, és lépést tarthatunk a változásaival. Így kutatóink tisztábban látják, hogyan kapcsolódnak egymáshoz a fenyegetések, és hogyan alakulnak ezek a kapcsolatok.”
A Daybreakkel felgyorsított elemzés több lehetőséget ad a kutatóknak a kártevőminták összehasonlítására és a közös összetevők keresésére. Például két látszólag független mintában talált azonos összetevő olyan nyomot adhat a kutatóknak, amelyet követhetnek egy ügyfélnél folytatott vizsgálat során.
Több minta elemzési eredményeinek összevetése a fenyegetések közötti tágabb összefüggéseket is feltárja. E kapcsolatok felismerése Stewart szerint „segítene korábban fellépni a fenyegetések ellen, és proaktívabbá tenni a védekezést”.
Stewart szerint az OpenAI kiberbiztonsági képességeihez való hozzáférés lehetővé teszi, hogy a SentinelOne-nál többen vállaljanak felelősséget a biztonsági feladatokért. „Ma már szinte mindenki hozzáfér ahhoz a szaktudáshoz, amelyből talán még néhány hónappal ezelőtt is súlyos hiány volt” – mondja. A csapat több tagja tudja önállóan kivizsgálni a problémákat ahelyett, hogy szakértők egy szűk csoportjára támaszkodna.
Stewart a kódírásba is be szeretné építeni az OpenAI kiberbiztonsági képességeit, hogy a SentinelOne fejlesztői már a fejlesztés során kezelhessék a biztonsági problémákat.
„Az OpenAI a védekezőket juttatja előnyhöz azzal, hogy a fejlesztőcsapat minden tagjának szakértői szintű kiberbiztonsági képességeket biztosít.”
