SentinelOne用OpenAI将恶意软件逆向耗时从数周缩至8小时

对复杂恶意软件进行逆向工程分析，过去往往需要顶尖安全研究员耗费 4 到 6 周的时间。研究人员必须一点点拆解代码、观察其真实运行行为，并随着新线索的出现不断推倒重来。网络安全公司 SentinelOne 首席 AI 官 Gregor Stewart 表示，借助 OpenAI 的网络安全能力，系统如今仅需约 8 小时就能交付媲美资深专家的逆向分析成果。

分析周期的大幅缩短，让研究人员有余力应对更密集的样本，并在不同威胁之间建立全局关联。过去由于时间有限，孤立调查极易遗漏此类跨样本线索。Stewart 将这种突破描述为“一种过去难以企及的情报感知力”。

提速逆向分析：从孤立排查到全面铺网

SentinelOne 借助 OpenAI 的网络安全项目 Daybreak 辅助逆向工程，深入剖析软件底层行为。分析效率的大幅提升，直接放大了研究团队的样本吞吐量。

Stewart 强调，即便 AI 能力大幅增强，团队依然对最终决策承担全权责任：“唯一无法被自动化的就是责任归属。”他指出，像架构调整这类事关重大的决策，依然需要资深专家把关；而针对局部的漏洞修补或不影响软件核心运行逻辑的琐碎工作，则更适合交给自动化系统处理。

串联威胁脉络，实现主动防御

在此之前，SentinelOne 只能把深度的逆向工程资源倾斜到极少数最关键、最恶意的样本上，难以覆盖大规模威胁图谱。缺乏横向对比的样本库，导致研究人员很难及时捕捉到黑客团伙之间的隐蔽联系。

借助 Daybreak 带来的高吞吐能力，分析人员可以交叉比对大量样本，迅速揪出底层共享的恶意组件。例如，在两个表面无关的攻击样本中发现同源模块，就能在客户事件调查中提供突破性的线索。这种广泛的比对不仅勾勒出威胁格局的演变路线，也帮助防御团队建立起更具前瞻性的主动防御机制。

安全能力平民化，防线前移至研发端

OpenAI 提供的安全辅助能力，也让 SentinelOne 内部更多研发人员开始分担安全职责。在过去，顶尖安全专家的经验始终属于稀缺资源；而现在，普通开发人员也能借助模型快速自查安全隐患，无需万事依赖少数核心专家。

SentinelOne 还计划将这一能力深度整合进日常代码编写流程，让开发人员在敲下代码的同时就化解潜在威胁，将攻防博弈的天平真正倾斜至防御一方。