Die Reverse Engineering einer komplexen Malware kann einen erfahrenen Sicherheitsforscher vier bis sechs Wochen kosten. Es ist mühsame Arbeit, bei der Forscher Software auseinandernehmen, um zu verstehen, wie sie sich verhält, und dabei oft ihre Schritte zurückverfolgen, wenn sie neue Informationen aufdecken. Gregor Stewart, Chief AI Officer bei SentinelOne, sagt, OpenAI Daybreak könne nun Reverse-Engineering-Ergebnisse auf menschlichem Niveau in etwa acht Stunden liefern.
Durch die Reduzierung der Zeit, die für tiefe Analysen benötigt wird, gibt OpenAI SentinelOnes Forschern Raum, um mehr Malware zu untersuchen und Erkenntnisse über verschiedene Samples hinweg zu verknüpfen. Dieser weitere Blick offenbart oft Zusammenhänge, die isolierte Untersuchungen möglicherweise übersehen würden. Stewart beschreibt die Gelegenheit als „eine Art von Intelligenz, die wir uns zuvor nie leisten konnten“.
„Etwas, das einen erstklassigen Forscher vier oder sechs Wochen gekostet hätte, erledigt die KI nun mit Ergebnissen auf menschlichem Niveau in etwa acht Stunden.“—Gregor Stewart, Chief AI Officer, SentinelOne
Mehr Malware in weniger Zeit untersuchen
Daybreak gibt Verteidigern Zugang zu OpenAI-Modellen für Cybersicherheitsarbeit. SentinelOne nutzt diese Fähigkeiten, um Malware per Reverse Engineering zu untersuchen und Software zu analysieren, um zu verstehen, wie sie sich verhält. Schnellere Analysen geben seinen Forschern mehr Kapazität, um zusätzliche Samples zu untersuchen.
Stewart betont, dass sein Team weiterhin für das Ergebnis verantwortlich ist. „Das Einzige, was nicht automatisiert werden kann, ist Verantwortung“, sagt er. „Wenn man eine Entscheidung trifft, die Architektur zu ändern, möchte man dafür noch menschliche Augen darauf haben, während Punktlösungen oder Dinge, die die Funktionsweise der Software nicht grundlegend ändern, besser für Automatisierung geeignet sein könnten“, fügt er hinzu.
Zusammenhänge über Bedrohungen hinweg erkennen
Historisch gesehen mussten die Forschungsteams bei SentinelOne tiefe Untersuchungen den interessantesten oder wichtigsten Bedrohungen vorbehalten, die sie aufdeckten. „Wir konnten nur sehr kleine Mengen von Software reverse engineering“, sagt Stewart. Mit weniger Samples zum Vergleichen hatten sie weniger Gelegenheiten, Verbindungen zwischen Bedrohungen zu erkennen.
„Schnelleres Reverse Engineering ermöglicht es uns, einen viel größeren Teil der Malware-Landschaft abzubilden und mit ihrer Veränderung Schritt zu halten. Das gibt unseren Forschern ein klareres Bild davon, wie Bedrohungen miteinander verbunden sind und wie sich diese Beziehungen entwickeln.“—Gregor Stewart, Chief AI Officer, SentinelOne
Schnellere Analysen mit Daybreak geben den Forschern mehr Gelegenheiten, Malware-Samples zu vergleichen und nach gemeinsamen Komponenten zu suchen. Beispielsweise könnte eine Komponente, die in zwei scheinbar nicht zusammenhängenden Samples gefunden wird, den Forschern eine Spur liefern, der sie bei einer Kundenuntersuchung nachgehen können.
Der Vergleich von Erkenntnissen über mehr Samples hinweg deckt auch breitere Beziehungen zwischen Bedrohungen auf. Diese Beziehungen zu erkennen, sagt Stewart, „würde helfen, weiter vorne zu verteidigen und bei der Verteidigung proaktiver zu sein.“
Mehr Teams befähigen, Sicherheitsarbeit zu übernehmen
Innerhalb von SentinelOne, sagt Stewart, ermöglicht der Zugang zu OpenAIs Cyber-Fähigkeiten mehr Menschen, Verantwortung für Sicherheitsarbeit zu übernehmen. „Fast jeder hat heute Zugang zu der Art von Fachwissen, das bis vor vielleicht sogar wenigen Monaten extrem knapp war“, sagt er. Mehr Teammitglieder können Probleme selbst untersuchen, anstatt sich auf eine kleine Gruppe von Spezialisten zu verlassen.
Stewart möchte OpenAIs Cyber-Fähigkeiten in die Code-Erstellung integrieren, damit SentinelOne-Entwickler Sicherheitsprobleme bereits beim Bauen beheben können.
„OpenAI verlagert den Vorteil zu den Verteidigern, indem es jedem im Entwicklungsteam Cybersicherheitskompetenz auf Expertenniveau bereitstellt.“—Gregor Stewart, Chief AI Officer, SentinelOne