SentinelOne: Zararlı yazılım analizi haftalardan saatlere
SentinelOne, OpenAI Daybreak ile haftalar süren zararlı yazılım analizini saatlere indirerek daha fazla tehdidi incelemeye kapasite ayırabiliyor.
8
Zararlı yazılıma tersine mühendislik uygulama süresi: 4–6 haftadan bu kadar saate indi
Gelişmiş bir zararlı yazılıma tersine mühendislik uygulamak, üst düzey bir güvenlik araştırmacısının dört ila altı haftasını alabiliyor. Bu titiz çalışma sırasında araştırmacılar, yazılımın nasıl davrandığını anlamak için onu bileşenlerine ayırıyor ve yeni bilgiler ortaya çıktıkça çoğu zaman önceki adımlara dönüyor. SentinelOne’ın Yapay Zekâdan Sorumlu Üst Düzey Yöneticisi Gregor Stewart, OpenAI Daybreak’in artık yaklaşık sekiz saatte insan düzeyinde tersine mühendislik sonuçları üretebildiğini söylüyor.
OpenAI, derinlemesine analiz için gereken süreyi kısaltarak SentinelOne araştırmacılarına daha fazla zararlı yazılımı inceleme ve farklı örneklerden elde edilen bulgular arasında bağlantı kurma imkânı tanıyor. Bu daha geniş bakış açısı, tekil incelemelerde gözden kaçabilecek ilişkileri sıklıkla ortaya çıkarıyor. Stewart bu imkânı, “Daha önce elde etmeye kaynaklarımızın hiç yetmediği türden bir istihbarat” olarak tanımlıyor.
“Üst düzey bir araştırmacının dört ya da altı haftada yapabileceği bir işi, yapay zekâ artık yaklaşık sekiz saatte, insanın ürettiğiyle aynı düzeyde sonuç vererek yapıyor.”
Daybreak, savunma ekiplerinin siber güvenlik çalışmalarında OpenAI modellerinden yararlanmasını sağlıyor. SentinelOne, bu yetenekleri zararlı yazılımlara tersine mühendislik uygulamak ve nasıl davrandıklarını anlamak üzere incelemek için kullanıyor. Analizin hızlanması, araştırmacıların daha fazla örnek inceleyebilmesini sağlıyor.
Stewart, sonucun sorumluluğunun hâlâ ekibinde olduğunu vurguluyor. “Otomatikleştirilemeyecek tek şey hesap verme sorumluluğudur” diyor. “Örneğin mimariyi değiştirme kararını ele alalım. Böyle bir kararda hâlâ insan denetimi istersiniz. Buna karşılık, noktasal düzeltmeler veya yazılımın işleyişini temelden değiştirmeyen işlemler otomasyona daha uygun olabilir” diye ekliyor.
Geçmişte SentinelOne’daki araştırma ekipleri, derinlemesine incelemeyi yalnızca tespit ettikleri en ilginç veya önemli tehditlerle sınırlamak zorundaydı. Stewart, “Yalnızca çok az sayıda yazılıma tersine mühendislik uygulayabiliyorduk” diyor. Karşılaştırabilecekleri örnek sayısı az olduğundan, tehditler arasındaki bağlantıları fark etme imkânları da daha kısıtlıydı.
“Tersine mühendisliğin hızlanması, zararlı yazılım dünyasının çok daha büyük bir bölümünün haritasını çıkarmamızı ve değişimine ayak uydurmamızı sağlıyor. Böylece araştırmacılarımız, tehditlerin birbiriyle nasıl bağlantılı olduğunu ve bu ilişkilerin nasıl geliştiğini daha net görebiliyor.”
Daybreak ile analizin hızlanması, araştırmacılara zararlı yazılım örneklerini karşılaştırmak ve ortak bileşenleri aramak için daha fazla imkân sunuyor. Örneğin, görünüşte birbiriyle ilgisiz iki örnekte bulunan ortak bir bileşen, araştırmacılara bir müşteri için yürüttükleri incelemede takip edebilecekleri bir ipucu verebilir.
Daha fazla örnekten elde edilen bulguları karşılaştırmak, tehditler arasındaki daha geniş kapsamlı ilişkileri de ortaya çıkarıyor. Stewart’a göre bu ilişkileri görmek, “Tehditleri daha erken aşamada karşılamanıza ve savunmada daha proaktif olmanıza yardımcı olur.”
Stewart, OpenAI’ın siber güvenlik yeteneklerine erişimin SentinelOne’da daha fazla kişinin güvenlik çalışmalarında sorumluluk almasını sağladığını söylüyor. “Belki daha birkaç ay öncesine kadar çok sınırlı olan bir uzmanlığa artık neredeyse herkes erişebiliyor” diyor. Daha fazla ekip üyesi, küçük bir uzman grubuna bağımlı kalmak yerine sorunları kendi başına inceleyebiliyor.
Stewart, SentinelOne geliştiricilerinin güvenlik sorunlarını daha geliştirme aşamasında ele alabilmesi için OpenAI’ın siber güvenlik yeteneklerini kod yazma sürecine dahil etmek istiyor.
“OpenAI, geliştirme ekibindeki herkese uzman düzeyinde siber güvenlik yetenekleri sunarak avantajı savunma tarafına geçiriyor.”
