Sophos 借助 OpenAI Daybreak 将威胁调查时间缩短 96%
Sophos 表示，OpenAI Daybreak 帮助其将平均威胁调查与响应时间缩短了 96%，从约 38 分钟降至 89 秒。这家网络安全提供商现称，人工智能已能够端到端解决其 52% 的托管检测与响应案例。
这一成果的意义不止于为分析师控制台增加一名 AI 助手。Sophos 已在其安全专家持续调整的边界内，让 AI 智能体对超过一半的案件量承担运营责任。
这种区别使该公司站在了熟悉的安全运营模式的另一侧。Sophos 不再要求分析师监督每一项常规调查，而是让智能体处理边界明确的案例，由人员专注于不确定或影响重大的决策。关键问题在于，随着自动化扩展，这种分工能否维持问责机制。
OpenAI Daybreak 从辅助工具迈向案件解决
核心变化并非更快地生成摘要。Sophos 正在允许智能体完成既定的调查和响应，而无需在每个案例中都要求人工介入。
根据 OpenAI 案例研究，Sophos 过去平均需要约 38 分钟来调查和响应一宗案例。由其新智能体处理的案例，如今平均响应时间约为 89 秒。
这一降幅约为 96%。Sophos 还表示，这些智能体可端到端解决其 52% 的托管检测与响应（MDR）案例。
MDR 是一种服务模式，由外部安全团队持续监控客户环境并响应检测到的威胁。它让组织无需自行建设完整的内部安全运营中心，也能获得安全运营能力。
所报告的改进适用于由智能体处理的案例。不应将其解读为 Sophos 所有调查现在都能在 89 秒内结案的证据。
这一范围很重要，因为安全案例差异极大。常见的恶意文件可以支持严格界定的响应，而可疑的身份活动可能需要遥测数据无法提供的业务背景。
Sophos 表示，其 Fusion 系统汇集了来自自家产品及 500 多项第三方集成的信号。这些来源覆盖的环境可包括终端、网络、云服务、电子邮件系统、防火墙和身份平台。
据 OpenAI 称，这些组合传感器每天生成数万亿事件。Sophos 会对这些活动进行筛选和关联，形成约 1,000 至 2,000 个案例，供九个安全运营中心调查。
一名调查智能体会收集相关的客户背景、检测结果、入侵指标和威胁情报。规划模型随后制定调查计划、执行各项步骤、审查结果，并准备建议采取的行动。
当客户授权和 Sophos 的运营边界允许时，其他智能体可以执行部分响应工作。这一工作流使模型成为编排者，而不仅仅是对话界面。
这一成果还建立在此前的自动化工作之上。2026 年 5 月，Sophos 公布了涵盖一年生产环境使用情况的 智能体 SOC 结果。
该公告同样提到 89 秒的自动化响应时间，以及 52% 的端到端结案率。因此，OpenAI 在 10 月发布的案例研究进一步说明了 Daybreak 的角色，而非首次引入这些指标。
这段历史使相关证据比实验室演示更具分量。不过，两份公开说明仍属于公司自行报告的指标，而非采用统一行业基准进行的独立对比。
89 秒响应为何改变 MDR 竞争格局
Sophos 正在迫使托管安全提供商围绕已完成的结果展开竞争，而非围绕其 AI 能够总结多少警报。
安全运营团队已在利用自动化来抑制噪声、关联警报并确定可疑活动的优先级。更困难的一步，是让软件判断证据足以支持某项响应，并随后执行它。
Sophos 表示，其 MDR 业务保护着超过 40,000 家客户。其更广泛的产品组合服务于超过 625,000 家组织，使公司拥有庞大的安全信号池和运营经验。
在这一规模下，即使每个案例只需少量人工工作，也会变得昂贵。案例量的增长速度也可能快于组织招募和培训资深分析师的速度。
Daybreak 的部署改变了规模化方程式。Sophos 可以增加模型推理和自动化能力，而无需针对常规调查的每一轮相应增长都额外招聘一名分析师。
这并不意味着分析师从运营模式中消失。它意味着他们的工作从收集常规背景信息，转向新型攻击、模糊证据、客户沟通、威胁狩猎和治理。
这一区别对采购方很重要。能够生成事件摘要的工具可以节省几分钟，但仍将决策和执行负担留在人工队列中。
而一个能够收集证据、检验假设、得出边界明确的结论并执行获批操作的智能体，会改变队列本身。常规案例不再需要等待分析师逐一触及每个步骤。
Sophos 在 Daybreak 之前已建立了大量筛选管道。此前对其 MDR 事件流程的说明，解释了遥测数据如何被清理、丰富、关联、排序和升级处理。
在发布时，该管道一个典型日内处理约 310 亿个事件和 3.58 亿项检测。它将这些活动缩减为 367 项调查、47 次升级处理和一项活跃威胁。
这些较早的数据描述的是不同报告期，不应与较新的每日估算直接合并。但它们仍说明了筛选为何是托管安全运营的核心。
智能体是在数据已通过多层筛选收窄之后才介入。它们并非独立地对每位客户生成的每个原始事件进行推理。
这种架构让 Sophos 相较于那些将通用模型直接应用于非结构化警报的公司，拥有可辩护的优势。智能体获得的是经过整理的案例、威胁情报、响应手册和客户背景。
竞争对手也在追逐相似领域。Microsoft Security Copilot 智能体可在 Microsoft 安全产品中协助进行事件分流、威胁情报、调查和修复指导。
Microsoft 的文档描述了能够分析事件、提取实体、关联信号并判断活动是否恶意的智能体。这证实了由智能体主导的安全运营正在成为一场行业竞争，而非单一公司的试验。
Sophos 的差异化之处在于，其声称能在托管服务中实现生产规模的端到端解决。竞争对手将面临披露可比结案率、响应时间、升级率和授权模式的压力。
Sophos AI 安全智能体如何分工
这一机制之所以有效，是因为 Sophos 按案例类型、客户偏好和潜在影响限制智能体的权限。
OpenAI 将 Daybreak 描述为一个受治理的网络安全技术栈，结合了专用模型、执行框架、安全工具、可信工作流和行业合作伙伴。其既定目标是在保留人类对访问和行动控制权的同时，支持防御性工作。
Sophos 为这些模型提供了周边的运营环境。这一环境包括通过多年安全运营积累的威胁情报、调查流程、客户遥测数据、检测逻辑和响应手册。
这种组合至关重要，因为单独的语言模型并不知道陌生进程对某个特定组织而言是否正常。它需要当前资产详情、身份信息、历史活动和经过验证的安全证据。
对于每个案例，调查智能体都会汇集这些背景信息。规划系统随后遵循计划、执行和审查循环，而非根据单一提示生成单一答案。
将工作拆分为多个阶段，使系统能够重新评估其证据。当案例需要升级时，也会生成供分析师审查的结构化记录。
Sophos 将客户响应权限划分为三种运营模式。在 Notify 模式下，Sophos 进行调查并建议操作，但由客户执行。
在 Collaborate 模式下，Sophos 与客户在采取行动前共同协作。在 Authorise 模式下，Sophos 可在约定边界内直接代表客户作出响应。
无论工作由人员还是智能体执行，这些规则都适用。智能体不会仅因能够迅速得出结论，就自动获得更广泛的权限。
可能具有破坏性的操作仍须接受适当监督。Sophos 首席技术官 John Peterson 告诉 OpenAI，超出公司舒适范围的案例将交由人类判断。
这形成了两种相互关联的运营模式。人在回路上（human-on-the-loop）自动化允许专家监督边界明确的工作，而无需逐项批准每个行动。
人在回路中（human-in-the-loop）运营则要求人员在敏感决策或响应继续前介入。Sophos 表示，对于新型模式、高风险决策和需要业务背景的案例，公司采用这一更严格的模式。
这种划分有助于解释 52% 自动化如何与人类问责并存。自动化占比代表 Sophos 认为符合既定边界的案例，而非获得不受限制的自主响应许可。
这也解释了剩余 48% 的重要性。难以自动化的案例，很可能包含需要更深专业知识的异常行为、不完整证据或业务后果。
单纯从生产力角度解读，会忽略这种重新分配。该系统的价值取决于它能否将分析师引向更具影响的工作，同时避免其常规调查技能逐渐退化。
采用类似系统的组织，将需要为响应手册、过往事件和运营例外建立持久的文档记录。可搜索的工程知识库可以帮助团队保留这些背景信息，尽管它无法替代经过验证的安全控制措施。
因此，这一机制包含两个关键组成部分。模型提供速度和推理能力，而治理决定哪些结论可以触发行动。
人类监督是控制系统，而非口号
尚未解决的问题是，Sophos 能否像衡量智能体速度一样严格地衡量智能体错误。
96% 的缩短幅度和 52% 的结案率描述的是吞吐量。它们并未披露误报率、漏报率、重新开启的案例、客户撤销决定，或分析师修正的频率。
这些缺失并不会使结果失效。它们限制了外部观察者能够就可靠性得出的结论。
当代理正确隔离受感染设备时，快速响应至关重要。但如果它误判了合法的管理活动并禁用了关键系统，同样的速度就会带来危险。
网络安全代理同样运行在对抗性环境中。攻击者可以刻意制作文件、消息、命令和网页内容，以干扰自动化分析。
当证据不完整时，模型可能生成看似合理却不正确的解读。它们也可能对微弱信号赋予过高置信度，或遗漏资深分析师能够识别的上下文。
这并非 Sophos 独有的理论局限。Anthropic 曾报告称，在一场有组织的网络间谍活动中参与工作的 AI 系统，在自主运行时有时会夸大调查发现并捏造数据。
在其活动分析中，该模型据称宣称获取了实际未能使用的凭据，并将公开信息错误标记为重要发现。
该案例涉及攻击性滥用，而非 Sophos 的防御系统。但它仍说明，在采取重大行动前，必须对模型生成的证据和结论进行验证。
Microsoft 也对其自身的安全代理提出了类似警示。其负责任 AI 指南指出，生成的响应可能不准确、不完整或已经过时。
Microsoft 建议客户实施适当的人工监督、验证关键输出、采用最小权限，并避免过度依赖。这些原则同样适用于任何能够开展调查或作出响应的代理。
Sophos 的三种授权模式提供了一个可信的控制框架。然而，该框架的强度取决于边界如何被定义、测试、监控和修订。
该公司表示，分析师会持续校准相关限制。若能披露更多信息，将有助于客户了解这一流程在实践中意味着什么。
有价值的指标包括：后续被重新开启的自动化案件比例、客户人工推翻的比例，以及被安全策略阻止的行动数量。Sophos 还可以按案件类别报告表现。
汇总结果可能掩盖重要差异。恶意软件遏制、钓鱼分析、身份泄露、云配置错误和内部人员活动，面对的证据和后果各不相同。
客户同样需要明确数据处理方式。一项调查可能涉及设备详情、用户身份、电子邮件元数据、威胁情报，以及来自第三方安全产品的信息。
相关问题包括：数据在哪里处理、保留多久、哪些模型组件可以访问数据，以及行动如何记录。除模型性能外，合同控制同样重要。
人工监督本身也有失效模式。当自动化通常是正确的，分析师可能变得不够专注，这种模式常被称为自动化偏见。
审查人员还需要充分了解代理的证据和推理过程，才能质疑其结论。缺乏可追溯支撑的建议，会让人们因习惯而予以批准。
因此，检验标准并非工作流程中是否仍有某个环节保留人工。关键在于，该人员是否拥有阻止错误行动所需的权限、时间、背景信息和可用证据。
真正的竞争是受限自主性与 Copilot 辅助之间的较量
Sophos 正在押注：受治理的自主性，能够比等待分析师下一条提示的 AI 助手带来更高的运营价值。
早期一代安全 Copilot 的重点是提供对话式访问。分析师可以请求事件摘要、生成查询、解释可疑脚本，以及起草修复说明。
这些功能能够减少认知和行政工作，但未必能将案件从调查队列中移除。
Sophos 的方法瞄准的是特定案件的整个生命周期。该代理收集上下文、规划调查、执行步骤、审查结果、建议响应，有时还会直接执行响应。
这种差异构成了本文的核心张力。Copilot 辅助让人员参与每一个运营闭环，而受限自主性则针对可重复案件取消了这一要求。
两种路径都并非在所有场景下更优。当数据质量存在差异、流程仍不够正式，或错误后果严重时，Copilot 辅助更容易引入。
当组织拥有可靠遥测、成熟操作手册、明确权限，以及足以支撑大量验证工作的案件量时，受限自主性会更具吸引力。
Sophos 具备其中若干条件。其托管服务在数千名客户之间集中化流程，并反复遇到可识别的攻击模式。
典型的企业安全团队未必拥有相同优势。其日志可能不完整，不同业务部门的响应流程可能不同，责任归属也可能不清晰。
这种差异限制了 Sophos 与内部安全运营中心之间的直接比较。托管服务提供商能够比许多单个客户更积极地标准化基础设施和策略。
这也意味着，Daybreak 的成果部分是一个运营故事。该模型嵌入的系统本身已经能够筛选事件、丰富检测结果、组织案件并界定响应权限。
OpenAI 更广泛的Daybreak 项目将网络安全描述为一个持续循环，涵盖资产盘点、发现、验证、分配、修复和证明。这一愿景远远超出了基于聊天的辅助。
如果这一模式得到普及，买方将需要更好的词汇来评估自动化。“AI 驱动”这一标签几乎无法说明产品实际能做什么。
一个有价值的评估应当询问：什么会触发代理、它可以检索哪些证据、它能够操作哪些工具，以及它可以采取哪些行动。买方还应了解何时必须升级处理。
完成率是另一个重要指标。能够自主关闭定义明确案件的代理，与仅为分析师节省几分钟时间的代理，产生的是不同结果。
然而，供应商不应不惜一切代价追求最大化自主关闭率。较低的关闭率可能反映出更严格的安全阈值，或客户群体更为复杂。
真正有意义的目标，是针对既定风险水平实现适当的自动化率。这要求同时报告速度、准确性、升级质量和运营影响。
Sophos 通过公布响应时间和端到端关闭率，使讨论更接近这一标准。下一步是将这些数据与透明的可靠性指标结合起来。
OpenAI Daybreak 推出后值得关注的事项
下一阶段将决定 Sophos 是建立了可持续的安全运营模式，还是仅展示了来自有利工作负载的一次亮眼快照。
第一个信号是自动化案件随时间推移的质量。客户应关注有关重新开启调查、错误响应、漏报威胁和分析师推翻决定的披露。
稳定的表现将加强 Sophos 的论点，即 52% 的关闭率代表可靠的自动化。不断上升的修正率则表明，更高自主性是在转移工作，而非消除工作。
第二个信号是向更困难的响应行动扩展。Sophos 表示，计划扩大代理的应用场景，并使其响应能力更加成熟。
这种扩展将检验治理框架。收集证据和遏制已知恶意端点，与更改身份权限或中断生产基础设施相比，风险截然不同。
因此，成功应以受控范围来衡量，而不只是更高的自动化百分比。公司必须证明，额外权限的增加伴随着适当的评估和回滚机制。
第三个信号是竞争对手的报告方式。Microsoft 和其他安全供应商已经为分流、调查、威胁情报和修复工作流提供代理。
如果竞争对手开始公布端到端解决率和可比的时间数据，买方将获得更清晰的市场基准。如果它们回避这些指标，Sophos 的生产环境披露仍将是一个显著差异化因素。
客户仍应审查比较是否采用相同的起点。“响应时间”可以从告警生成、案件创建、模型激活或分析师验证开始计算。
他们还应将自动化遏制与完整修复区分开来。隔离设备可能阻止即时活动，但恢复系统并封堵攻击者的访问路径，可能仍需要额外工作。
对于安全负责人而言，实际的应对方式并非要求无限制的自主性，而是识别那些高频、证据可靠、行动可逆且升级规则成熟的案件。
随后，他们可以评估代理是否在不削弱检测质量或问责性的前提下，减少分析师的总工作量。这项评估应包括对抗性测试，以及对自动关闭案件的例行抽样审查。
Sophos 报告的结果使这种评估更难继续推迟。即便存在当前的验证限制，将例行托管调查的响应时间从 38 分钟缩短至 89 秒，仍会改变人们的预期。
OpenAI Daybreak 也表明，企业代理在哪些方面正变得最具影响力。它们的价值不在于生成流畅的解释，而在于完成与真实工具相连、受到治理的工作流。
买方最终面对的是一个具体问题：供应商能否说明其代理关闭了哪些案件、这些决定有多常被修正，以及自动化失效时谁仍应承担责任？
这些答案将比最大的标题百分比更重要。安全团队应在授予任何代理更广泛权限之前提出这些问题，并在部署后持续衡量。
