Weeks to Hours: SentinelOne on Cybersecurity Research with OpenAI

**TL;DR：SentinelOne 研究员指出，AI 已在逆向工程等领域达到人类水平，将过去需要 4 到 6 周的分析工作压缩到约 8 小时，使防御者获得过去无力负担的恶意软件关联情报能力。** ## 恶意软件测绘的现实困境 网络安全研究中一个根本性的难题是：**究竟能够测绘出多少恶意软件的世界？** 目前，安全团队只能对极少数软件进行逆向分析。绝大多数恶意软件样本停留在"被发现但未被深入理解"的状态，无法被纳入完整的威胁情报图谱。样本数量与分析能力之间的巨大落差，限制了整个行业对威胁全貌的认知。 ## AI 在逆向工程上的能力突破 在逆向工程等领域，AI 现在已经能够达到**人类水平**的能力。 这种能力直接体现为分析速度的数量级提升。过去，一位顶尖研究员需要花费 **4 周甚至 6 周**才能完成的工作，如今 AI 大约 **8 小时**就能达到同等水平的输出。 这意味着原本只能挑选极少数高价值样本进行深挖的团队，如今有能力大幅扩大分析覆盖面，把更多恶意软件真正"测绘"进威胁情报地图中。 ## 跨恶意软件关联的情报价值 分析深度提升后，真正的回报体现在关联能力上。 如果你在某个软件中发现了一个曾在其他地方见过的特征元素，并且你已经确认了它的构建者，那么你就可以据此判断：**这两个此前看似毫无关联的恶意软件之间存在某种关联。** 这种跨样本、跨组织的关联推理，是威胁情报的核心价值所在——它能把孤立的事件拼接成对攻击者身份、手法与基础设施的完整画像。而这是一种过去根本无力负担的情报能力：当分析一个样本尚且需要顶尖研究员数周时间时，跨多个样本寻找共同特征根本无从谈起。 ## OpenAI 将优势转移到防御者一边 正是在这一背景下，OpenAI 正在通过向所有人提供专家级的网络安全能力，**将优势转移到防御者这一边**。 当防御方可以近乎无成本地获得过去只有极少数顶尖研究员才具备的分析能力时，攻击方"利用规模差和信息差"的不对称优势就被削弱了。恶意软件不再能因为"没人有精力分析"而隐身，跨组织的威胁关联也不再是少数大厂的专利。 Source: [Weeks to Hours: SentinelOne on Cybersecurity Research with OpenAI](https://www.youtube.com/watch?v=BOTAeAU5ExQ)