SentinelOne 表示：AI 輔助威脅狩獵每日攔截客戶入侵達 28 次、年增 2,200%，並指前沿模型網安能力每 4 個月翻倍
OneCon 2026 會前座談會，拉斯維加斯，2026年10月20日
SentinelOne 在其 OneCon 客戶大會的開幕夜，透過數據公開其 AI 輔助威脅狩獵（threat hunting）計畫的成效，該計畫於去年的大會上正式推出。首席客戶官 Steven Stone 將這些數據定位為一場負責機制，回顧公司一年前在舞台上的承諾。主要的產品與策略發表會預定於 10月21日舉行，將由產品領導團隊與執行長 Tomer Weingarten 親自主持。今晚的座談會規模較小，揭露的內容偏向營運層面而非財務數據。即便如此，這仍為投資人提供了一個難得的量化視角，得以窺見 SentinelOne 最新 AI 功能在實際運行中的表現。
AI 輔助狩獵規模迅速擴大，儘管基期較低
核心數據顯示，於 2025年12月1日正式上線的 AI 輔助狩獵，如今每日向客戶發出 28 次入侵活動通知。Stone 指出，公司利用此方法發現惡意活動的能力，在第一季成長了 380%、半年內達 1,400%，全年則躍升 2,200%。他坦言，早期的數據分量有限。「任何打造過產品的人都知道，在第一個版本中，你是從零到有，」他表示，「這並不是一個真正有意義的數字。」他強調，每日 28 次的通知次數才是客戶真正關心的指標。
Stone 同時指出，SentinelOne 在過去一個會計年度中，為客戶識別出超過 1,400 萬次真正的正向偵測（true positive detections），年增 50%。他將此數據與每個組織大約 16% 的端點成長率做對比，並表示這與 SentinelOne 自身的安裝基礎相符。因此，偵測量的成長速度大約是受保護攻擊面的三倍。他將此歸功於公司的自主模型（autonomous models）。他指出，SentinelOne 於 2014 年申請的第一項專利涵蓋了自主惡意軟體偵測模型，並主張這段歷史讓公司在其他人艱難轉向 AI 時取得了領先優勢。由於公司未提供與這些功能相關的營收、毛利率或附加率（attach-rate）數據，這些技術進展將如何轉化為財務成果仍有待觀察。
React2Shell：發表後 48 小時內面臨壓力測試，坦承 Windows 存在漏洞
Stone 將 React2Shell 漏洞描述為新狩獵引擎的第一場真正考驗。該漏洞於 12月3日揭露，CVSS 評分高達 10.0，允許攻擊者透過單一精心製作的 HTTP 請求進行入侵，且無需任何驗證或使用者動作。SentinelOne 在漏洞揭露前兩天推出了 AI 輔助狩獵。Stone 表示，公司在 12月9日於某位客戶端觀察到首起 React2Shell 活動，而 AI 輔助狩獵正是第一個標記出該活動的機制。該狩獵引擎在設計之初，即具備識別網頁漏洞利用（web exploitation）通用形態的能力。
Stone 對於自身的弱點展現了罕見的坦率。「我們知道早期在 Linux 和 Mac 上擁有強大的涵蓋範圍，但在 Windows 上確實遇到了挑戰，」他補充說，公司存在「必須補強的弱點」。他也提出了一個權衡 AI 與人類辯論的投資人必須嚴肅看待的觀點。最初的警報看起來就像是例行的滲透測試（penetration testing），是一位擁有多年滲透測試經驗的人類狩獵人員判斷出情況不對勁。「我們很喜歡說我們有技術解答，一切都是通用的。這是機器驅動的。但我們剛起步時並不是這樣的，」他說。「我們有一位多年研究滲透測試的專家，這位專家能夠一眼看出：『我就是知道這不對勁。』」
Stone 解釋了為什麼這種偵測類型是以「狩獵」而非「生產環境偵測」的形式部署。用他的話來說，一個能夠識別網頁漏洞利用廣泛形態的工具，會在端點上「引爆」並「將我們的客戶淹沒在警報海中」。狩獵發現的結果經過提煉後，才會轉化為生產環境等級的偵測，這反過來又能釋放狩獵層去追蹤新的活動。在最初的 30 天內，SentinelOne 在其客戶中識別出 8 起受害未遂事件，活動範圍包含網域偵察（domain reconnaissance）——Stone 指出其設計目的顯然是為了導向更深層的入侵——以及加密貨幣挖礦。SentinelOne 自身的研究所識別出在第一周利用該漏洞的重要威脅集團至少有 7 個。Stone 引述 AWS 的報告指出，某個中國背景的集團在約 12 小時內就被鎖定；他也指出，CISA 將該漏洞納入「已知遭利用漏洞」（Known Exploited Vulnerabilities）清單的時間，則是在首次遭受攻擊後的 36 小時。
SectopRAT 展現較不光鮮的應用案例
第三個例子刻意選擇了較為日常的案例。SectopRAT 是一個瀏覽器工作階段與加密錢包竊取程式，SentinelOne 已追蹤它長達 7 年，該程式每隔幾個月就會更換一次新的散裝包裝（delivery wrapper）。最近期的包裝偽裝成假的 Claude Desktop 安裝程式。Stone 表示，AI 輔助狩獵並非此處的核心偵測方法，而是充當品質控制層，檢查靜態規則、行為偵測以及大約 50 個已知的命令與控制（C&C）指標是否仍在攔截變種威脅。該公司還建立了一個 DLL 側載（DLL side-loading）狩獵套件，針對行為而非特定的惡意軟體進行攔截。這顯示該技術的近期價值，在於維持防禦涵蓋範圍，其重要性不亞於發現新型威脅。
威脅背景：攻擊性 AI 能力三倍成長，攻擊者以機器速度推進
Stone 引述英國政府大約三個月前發布的一項評估報告，指出前沿模型（frontier models）的攻擊性網協能力每 4 個月就會翻倍。根據他的計算，自上一屆 OneCon 以來，這項能力已經增加了兩倍。他表示，攻擊者對 AI 的使用已不再是預測。「那不是明年的事，那是去年的事，」他指出，個人、小型團體與政府都已開始使用。
他反駁了「以 AI 驅動的漏洞發現是主要問題」的觀點。「發現漏洞從來都不是攻擊者的瓶頸，」他估計，防守方在 20 年前落後「多個」漏洞與攻擊、兩年前落後 100 個，而現在則落後 1,000 個。在他看來，更重大的轉變是「我們首次真正看到攻擊者以機器速度在移動」。他提出了一個相對樂觀的正面看法：AI 驅動的攻擊可能更容易偵測，因為代理程式（agents）在規避追蹤時紀律較差，且提示詞（prompts）迫使攻擊者「必須字面寫出他們想做的事」。
防禦方優勢的主張及其對平台的意涵
Stone 冒險提出這點：「這是第一項我認為實際上對防禦方的助益大於對攻擊方助益的技術」，同時他也強調，若沒有專家，單靠工具是不夠的。這個論述支撐了 SentinelOne 關於其重新推出的威脅服務、Wayfinder 產品、Purple AI 以及代理式調查（agentic investigations）的市場宣傳。Stone 表示，代理程式可以像員工一樣被指派任務，全天候運行並將分析師從例行工作中解放出來。這項說法合乎情理，也符合公司的各項指標，但它終究是銷售該解決方案的廠商高階主管的觀點。值得注意的是，本次座談會並未提供獨立基準測試、狩獵引擎的誤報率，也沒有客戶層級的經濟效益數據。投資人將從明天的產品藍圖與 Weingarten 的談話中，尋找這些營運增長能夠推動平台業務持續成長的證據。