SentinelOne: modelos da OpenAI fazem em 8 horas uma engenharia reversa que leva de 4 a 6 semanas

Gregor Stewart, da SentinelOne, afirmou que as capacidades de cibersegurança dos modelos da OpenAI chegam ao nível humano em engenharia reversa: o trabalho que um pesquisador de ponta leva de quatro a seis semanas para concluir, a IA faz em cerca de oito horas. Considerando o tempo de trabalho em uma semana de 40 horas, são 160–240 horas contra oito, ou seja, uma aceleração de aproximadamente 20 a 30 vezes. A fonte é ao mesmo tempo fornecedora e parceira: o vídeo foi publicado no canal da OpenAI.

O que exatamente fica mais rápido

O assunto é engenharia reversa, isto é, a análise de código malicioso: a partir de um arquivo compilado, o analista reconstitui o que ele faz, como se esconde e com quem se comunica. É uma das tarefas que mais consomem tempo em segurança. Poucos especialistas conseguem executá-la, e cada hora de trabalho deles custa caro. Por isso, as equipes são obrigadas a escolher quais amostras merecem uma análise profunda, e as demais ficam na fila ou nem chegam a ser estudadas.

Stewart formula a questão em termos econômicos: "Esse é o tipo de inteligência que antes simplesmente não podíamos pagar". O ponto importante aqui não é a velocidade em si. Quando a análise profunda fica dezenas de vezes mais barata, o critério de "vale a pena gastar tempo com esta amostra" muda, e entra no trabalho o que antes era descartado.

O que isso traz para a equipe de segurança

A SentinelOne cita três efeitos:

• mais amostras de malware analisadas com as mesmas pessoas;
• possibilidade de relacionar ameaças parentes: código em comum, infraestrutura, técnicas de diferentes famílias;
• uma visão mais clara de como os ataques evoluem ao longo do tempo.

O terceiro ponto decorre dos dois primeiros. Quanto mais amostras são analisadas até o nível da lógica, mais fácil é perceber que três ferramentas "diferentes" foram escritas pela mesma equipe ou partem da mesma base de código. Antes, essas conexões muitas vezes escapavam simplesmente porque ninguém chegava a até metade das amostras.

O que não está no material

A fonte é escassa: uma breve descrição do vídeo e um link para o estudo de caso no site da OpenAI. Várias perguntas continuam sem resposta:

• qual modelo ou sistema foi usado;
• em quais amostras e por qual critério se definiu a "qualidade humana" do resultado;
• se as oito horas são só tempo de máquina ou incluem a revisão do analista;
• qual é a taxa de erros e quanta supervisão humana é necessária depois da IA.

O último ponto é fundamental. Em engenharia reversa, uma conclusão errada sobre uma amostra é pior do que nenhuma conclusão: ela pode desviar a investigação ou criar a falsa sensação de que uma ameaça foi encerrada. A comparação "8 horas contra 4 a 6 semanas" só é válida se os resultados forem comparáveis em profundidade e precisão, e isso não dá para verificar a partir do material publicado.

Na prática, para as equipes

Se você lidera threat research ou um SOC, vale não transpor esse número para o seu trabalho, e sim testá-lo com seus próprios dados. Pegue algumas amostras que seus analistas já analisaram e passe por um assistente de IA. Compare o resultado com o gabarito: completude, erros, tempo gasto em verificação.

Avalie também o que se acumulou na fila de amostras não analisadas. É ali que a IA pode render mais, porque não havia tempo humano para esse trabalho. E inclua no processo uma checagem humana obrigatória: uma aceleração de 20 a 30 vezes só é útil enquanto as conclusões puderem ser confirmadas rapidamente.

Para o mercado, o sinal é este: os fornecedores de segurança começam a falar de IA em termos de custo da expertise, e não de conveniência de interface. Ainda não há medições independentes, e até que existam, o número da SentinelOne deve ser lido como uma alegação, não como um resultado medido.