SentinelOne 將惡意軟件分析時間從數星期縮短至數小時

即使是頂尖的安全研究人員，要對一個複雜的惡意軟件進行逆向工程，也可能需要四至六星期。這項工作極為繁複，需要研究人員拆解軟件，以了解其運作方式；發現新資訊時，往往還要回頭重新檢視先前的步驟。SentinelOne 首席人工智能官 Gregor Stewart 表示，OpenAI Daybreak 現在能在約八小時內，產出媲美人類水平的逆向工程成果。

OpenAI 縮短了深入分析所需的時間，讓 SentinelOne 的研究人員有餘力調查更多惡意軟件，並找出不同樣本分析結果之間的關聯。這種更全面的視野，往往能揭示單獨調查時可能忽略的關聯。Stewart 形容，這個機會讓團隊獲得「以往從未有足夠資源取得的情報」。

Daybreak 讓防守方能運用 OpenAI 模型，處理網絡安全工作。SentinelOne 運用這些能力對惡意軟件進行逆向工程，透過檢視軟件來了解其運作方式。分析速度加快，讓研究人員有更多餘力調查其他樣本。

Stewart 強調，他的團隊仍須對結果負責。他說：「唯一不能自動化的，就是承擔責任。」「以更改架構的決定為例，這類決定仍然需要人手審視。相比之下，局部修正或不會從根本上改變軟件運作方式的工作，可能更適合交由自動化處理。」他補充道。

以往，SentinelOne 的研究團隊只能集中資源，深入調查所發現的威脅中最值得研究或最重要的一部分。Stewart 說：「我們當時只能對極少量軟件進行逆向工程。」可供比較的樣本較少，意味著他們較少有機會發現威脅之間的關聯。

Daybreak 加快了分析速度，讓研究人員有更多機會比較惡意軟件樣本，尋找共用元件。例如，在兩個看似無關的樣本中發現相同元件，便可能為研究人員調查客戶個案提供值得追查的線索。

比較更多樣本的分析結果，也能揭示各種威脅之間更廣泛的關聯。Stewart 表示，看清這些關聯，「有助你將防線向外延伸，更主動地做好防禦。」

Stewart 表示，在 SentinelOne 內部，OpenAI 的網絡安全能力正讓更多人能夠承擔安全工作的責任。他說：「這類專業知識可能在短短幾個月前仍非常稀缺，如今幾乎人人都能運用。」更多團隊成員能夠自行調查問題，而不必依賴一小群專家。

Stewart 希望將 OpenAI 的網絡安全能力融入程式碼編寫流程，讓 SentinelOne 的開發人員在開發過程中就能處理安全問題。