SentinelOne 將惡意軟體分析時間從數週縮短至數小時

對複雜的惡意軟體進行逆向工程，即使是頂尖資安研究人員，也可能需要四到六週。這項工作繁瑣而細緻，研究人員必須拆解軟體，了解其行為，並經常在發現新資訊後，回頭重新檢視先前的分析。SentinelOne 人工智慧長 Gregor Stewart 表示，OpenAI Daybreak 現在只需約八小時，就能產出與人類水準相當的逆向工程分析成果。

OpenAI 縮短了深入分析所需的時間，讓 SentinelOne 的研究人員有餘裕調查更多惡意軟體，並串聯不同樣本的分析結果。這種更全面的視野，往往能揭露個別調查可能忽略的關聯。Stewart 形容，這個機會讓他們取得「過去從未有能力投入資源取得的情報」。

Daybreak 讓防禦方能使用 OpenAI 模型來執行資安工作。SentinelOne 運用這些能力對惡意軟體進行逆向工程，透過檢視軟體來了解其行為。加快分析速度，讓研究人員有更多餘裕調查其他樣本。

Stewart 強調，他的團隊仍須對結果負責。他表示：「唯一無法自動化的，就是責任的承擔。」「以決定變更架構為例。這類決策仍然需要人工把關；至於局部修正，或是不會從根本改變軟體運作方式的調整，可能就更適合自動化處理。」他補充道。

過去，SentinelOne 的研究團隊只能針對發現的威脅中最值得關注或最重要的部分進行深入調查。Stewart 表示：「我們當時只能對極少數軟體進行逆向工程。」可供比對的樣本較少，發現威脅之間關聯的機會也就更少。

Daybreak 加快了分析速度，讓研究人員有更多機會比對惡意軟體樣本，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，就可能成為研究人員為客戶調查時可追查的線索。

比對更多樣本的分析結果，也能揭露威脅之間更廣泛的關聯。Stewart 表示，看見這些關聯「能幫助你將防線向外延伸，更主動地採取防禦措施」。

Stewart 表示，在 SentinelOne 內部，OpenAI 的資安能力正讓更多人得以承擔資安工作。他表示：「直到幾個月前可能都還十分稀缺的專業能力，如今幾乎人人都能取得。」更多團隊成員能自行調查問題，不必再依賴少數專家。

Stewart 希望將 OpenAI 的資安能力融入程式碼撰寫流程，讓 SentinelOne 的開發人員能在開發過程中處理資安問題。