정교한 악성코드를 리버스 엔지니어링하는 데는 최고 수준의 보안 연구원도 4~6주가 걸릴 수 있습니다. 연구원들이 소프트웨어를 분해하여 작동 방식을 이해하는 고된 작업으로, 새로운 정보를 발견할 때마다 종종 같은 과정을 반복해야 합니다. SentinelOne의 최고 AI 책임자(Chief AI Officer)인 Gregor Stewart는 OpenAI Daybreak가 이제 약 8시간 만에 사람 수준의 리버스 엔지니어링 결과물을 만들어낼 수 있다고 말합니다.
심층 분석에 필요한 시간을 줄임으로써 OpenAI는 SentinelOne의 연구원들에게 더 많은 악성코드를 조사하고 샘플 간 발견 결과를 연결할 여유를 제공합니다. 이러한 폭넓은 시야는 개별 조사에서는 놓칠 수 있는 관계를 드러내는 경우가 많습니다. Stewart는 이 기회를 “이전에는 결코 감당할 수 없었던 종류의 인텔리전스”라고 표현합니다.
“최고 수준의 연구원이 4주 또는 6주에 걸쳐 수행했던 작업을 AI가 이제 약 8시간 만에 사람 수준의 결과물로 수행하고 있습니다.”—Gregor Stewart, 최고 AI 책임자, SentinelOne
더 적은 시간에 더 많은 악성코드 조사
Daybreak는 방어자에게 사이버보안 업무를 위한 OpenAI 모델에 대한 접근을 제공합니다. SentinelOne은 이러한 역량을 활용해 악성코드를 리버스 엔지니어링하고, 소프트웨어를 검토하여 작동 방식을 파악합니다. 더 빠른 분석은 연구원들에게 더 많은 샘플을 조사할 수 있는 역량을 제공합니다.
Stewart는 그의 팀이 결과에 대한 책임을 여전히 지고 있음을 강조합니다. “자동화될 수 없는 유일한 것은 책임(accountability)입니다.” 그는 말합니다. “아키텍처를 변경하기로 결정하는 경우, 이는 여전히 사람의 검토가 필요한 부분입니다. 반면 부분적인 수정이나 소프트웨어 작동 방식을 근본적으로 바꾸지 않는 사항은 자동화에 더 적합할 수 있습니다.” 그가 덧붙입니다.
위협 간의 관계 파악
과거 SentinelOne의 연구팀은 발견한 위협 중 가장 흥미롭거나 중요한 것들에만 심층 조사 역량을 배정해야 했습니다. “우리는 아주 소수의 소프트웨어만 리버스 엔지니어링할 수 있었습니다.” Stewart가 말합니다. 비교할 샘플이 적을수록 위협 간 연관성을 발견할 기회도 줄어들었습니다.
“더 빠른 리버스 엔지니어링을 통해 악성코드 환경의 훨씬 더 많은 부분을 파악하고 그 변화에 발맞춰 나갈 수 있습니다. 이는 연구원들에게 위협이 어떻게 연결되어 있고 그 관계가 어떻게 진화하는지에 대한 더 명확한 그림을 제공합니다.”—Gregor Stewart, 최고 AI 책임자, SentinelOne
Daybreak를 통한 더 빠른 분석은 연구원들에게 더 많은 악성코드 샘플을 비교하고 공유 구성 요소를 찾을 기회를 제공합니다. 예를 들어, 겉보기에 관련이 없는 두 샘플에서 발견된 구성 요소는 고객 조사 과정에서 추적할 단서가 될 수 있습니다.
더 많은 샘플에 걸쳐 발견 결과를 비교하면 위협 간의 더 광범위한 관계도 드러납니다. Stewart는 이러한 관계를 파악하는 것이 “더 앞선 지점에서 방어하고 방어에 더 능동적으로 대처하는 데 도움이 될 것”이라고 말합니다.
더 많은 팀이 보안 업무를 수행할 수 있도록 지원
SentinelOne 내부에서 Stewart는 OpenAI의 사이버 역량에 대한 접근이 더 많은 사람들이 보안 업무에 대한 책임을 맡을 수 있게 하고 있다고 말합니다. “이제 거의 모든 사람이 불과 몇 달 전까지만 해도 매우 부족했던 종류의 전문 지식에 접근할 수 있습니다.” 그가 말합니다. 더 많은 팀 구성원이 소수의 전문가 그룹에 의존하지 않고 스스로 문제를 조사할 수 있습니다.
Stewart는 OpenAI의 사이버 역량을 코드 작성 과정에 통합하여 SentinelOne 개발자들이 개발 중에 보안 문제를 해결할 수 있기를 바랍니다.
“OpenAI는 개발 팀의 모든 구성원에게 전문가 수준의 사이버 역량을 제공함으로써 방어자에게 우위를 가져다주고 있습니다.”—Gregor Stewart, 최고 AI 책임자, SentinelOne