Alan LeFort, CEO & Co-Founder of StrongestLayer – Rozhovorová série

Alan Lefort je lídr v oblasti kybernetické bezpečnosti s více než 15 lety zkušeností s vývojem a škálováním bezpečnostních produktů používaných společnostmi z žebříčku Fortune 500. Předtím vedl produktové a obchodní jednotky ve společnostech Proofpoint, McAfee a Intel (INTC ) Security, kde se zaměřil na pokročilou ochranu proti hrozbám, rizika spojená s vnitřními útoky a behaviorální analýzu. V Intelu pomáhal řídit produktovou strategii na globálních trzích, vedl týmy v USA, Evropě a Izraeli. Nyní jako CEO společnosti StrongestLayer využívá Alan své hluboké zkušenosti z podnikového prostředí k tomu, aby zastavil útoky na phishing poháněné umělou inteligencí, ještě předtím, než tyto útoky dosáhnou uživatelů – a tím předefinuje bezpečnost e-mailů pro éru umělé inteligence.

StrongestLayer je platforma pro bezpečnost e-mailů, která je rodící se z umělé inteligence a je navržena tak, aby zastavila pokročilé útoky na phishing a útoky na business e-mailové kompromisy. Pomocí svého vlastního motoru TRACE aplikuje velké jazykové modely, behaviorální inferenci a kontextuální analýzu k identifikaci škodlivých e-mailů, které tradiční pravidlové systémy přehlédnou. Platforma se rychle integruje s Microsoft 365 a Google Workspace, přidává ochranu prohlížeče a poskytuje školení zaměstnanců poháněné umělou inteligencí, nabízející organizacím jak silnou obranu, tak i více bezpečnostně vědomou kulturu.

Co vás a vaše spoluzakladatele inspirovalo k založení StrongestLayer a jakou konkrétní mezeru v oblasti kybernetické bezpečnosti jste se snažili vyřešit na základě svých zkušeností ve společnostech jako Proofpoint, FireEye a Mandiant?

Společnost se vyvinula s každým z našich spoluzakladatelů. Začalo to s Rizem, naším technickým ředitelem, který uznal, že phishing se stal příliš sofistikovaným pro tradiční školení zaměstnanců. Jeho názor byl, že customizace poháněná umělou inteligencí mohla fundamentálně zlepšit bezpečnostní povědomí.

Když se k nám připojil Josh jako náš Chief Product Officer, přinesl chybějící část. Zatímco testoval náš raný produkt, objevil, že naše analýza AI detekovala komplexní útoky, které zavedené bezpečnostní dodavatelé úplně přehlédli. To bylo okamžik, kdy jsme si uvědomili, že nebudeme pouze zlepšovat školení – identifikovali jsme fundamentální mezeru v detekci hrozeb.

Připojil jsem se jako CEO na počátku roku 2025 po poradenské činnosti pro tým a jasně viděl strategickou příležitost: pokud pouze umělá inteligence může bránit proti útokům zbraněných umělou inteligencí, pak musíme přehodnotit nejen detekci, ale i to, jak budeme moci lidem v tomto novém realitě poskytnout větší moc. Rozhodnutí bylo jednoduché – jít naplno na detekci a prevenci založenou na umělých inteligencích.

Proč si myslíte, že e-mail zůstává tak kritickým útočným vektorem, zejména v éře generativní umělé inteligence?

E-mail zůstává primárním útočným vektorem, protože je to jediný kanál, kde kontext podnikání má největší význam, a generativní umělá inteligence učinila využívání tohoto kontextu triviálním.

Tradiční e-mailové útoky byly založeny na objemu a byli zjevní. Umělá inteligence úplně změní hru – útočníci mohou nyní generovat personalizované e-maily, které chápou organizační hierarchie, imitují styly komunikace a odkazují na skutečné podnikové procesy. Není to jen odesílání generických phishingových e-mailů; vytvářejí útoky, které se zdají autentické pro konkrétní organizace.

E-mail je také místem, kde se denně dělají rozhodnutí o důvěře. Zaměstnanci pravidelně dostávají žádosti od dodavatelů, partnerů a kolegů, které vyžadují soudy o legitimitě.

Základní výzva spočívá v tom, že bezpečnost e-mailů se vždy soustředila na detekci “špatných” technických vzorců, ale útoky poháněné umělou inteligencí vypadají technicky dobře, zatímco jsou zlověstně záměrně.

Jak se architektura StrongestLayer liší od tradičních řešení e-mailové bezpečnosti?

Vyvinuli jsme první architekturu LLM-as-master, která je fundamentálně odlišná od dodavatelů, kteří přidávají funkce LLM na stávající systémy založené na vzorcích. Rozdíl je architektonický – LLM řídí celý proces analýzy, nikoli pouze jako modul.

Tradiční řešení fungují jako systém státního zástupce – mohou pouze lovit vinu bez mechanismu prokazujícího nevinnost. To vytváří klasické falešné pozitivní/falešné negativní napětí, které nelze vyřešit v rámci architektury státního zástupce.

Naše průlomové řešení spočívá v dvojí sběru důkazů. Zcela rozbitím paradigmatu státního zástupce máme u každého e-mailu jeho den v “soudu”. Naše systém funguje jako obhájce a žalobce, zatímco nestranný LLM soudce váží důkazy a vynáší verdikt.

Architektura vyžadovala zcela novou infrastrukturu: koordinaci LLM-as-master, algoritmy pro syntézu dvojí evidence, architekturu mixture of experts pro specializovanou analýzu a architekturu s nulovou pamětí pro podnikovou ochranu dat. Dodáváme analytickou sílu tisíců elitních analytiků s pamětí zlaté rybky – maximální analytická kapacita, nulová data persistence.

Můžete vysvětlit, jak funguje váš systém TRACE (Threat Reasoning AI Correlation Engine) a co z něj činí jedinečně efektivní proti útokům na phishing poháněným umělou inteligencí?

TRACE funguje prostřednictvím dvojího sběru důkazů, který fundamentálně mění ekonomiku e-mailové bezpečnosti.

Pro každý e-mail současně provádíme dvě paralelní vyšetřování: sběr důkazů obhájce pro normální indikátory a sběr důkazů žalobce pro signály hrozeb. Nestranný LLM soudce váží všechny důkazy a vynáší důvěryhodné automatické rozhodnutí.

Vezměme si platbu ve výši 50 milionů dolarů od finančního ředitele během čtvrtletního uzavření. Systémy založené na vzorcích vidí urgenci, velké částky, časové razítko po pracovní době – každý vzorec křičí hrozbu. E-mail je karanténován, podnikání je narušeno.

Naše architektura dvojí evidence provádí paralelní vyšetřování: důkazy obhájce zahrnují komunikační vzorce finančního ředitele, zavedený vztah s dodavatelem, platbu v rámci limitů prodeje, dodržování dokumentovaných pracovních postupů. Důkazy žalobce zahrnují externí inteligenci o hrozbách, analýzu komunikační intence, pokusy o obcházení autority, vzorce manipulace s urgencí.

LLM soudce váží všechny důkazy. Silné indikátory legitimity převažují nad malými signály hrozeb. E-mail je automaticky schválen s vysokou důvěrou, podnikání pokračuje, analytici se soustředí na skutečné hrozby.

Co z něj činí jedinečně efektivní proti útokům poháněným umělou inteligencí, je to, že se soustředíme na stabilní indikátory, které přetrvávají bez ohledu na novinku útoku – vzorce podnikatelské legitimity a vzorce zlověstné intence zůstávají konzistentní, i když metody útoku jsou zcela nové.

Jak vaše platforma zůstává před těmito se vyvíjejícími hrozbami, zejména když umělá inteligence umožňuje útočníkům generovat personalizované e-maily ve velkém?

Klíčovým poznatkem je, že zatímco umělá inteligence činí generování útoků prakticky neomezeným, nevyřeší problém logiky podnikání pro útočníky.

Umělá inteligence může vytvořit dokonalou gramatiku, imitovat styly komunikace a odkazovat na veřejně dostupné informace o organizacích. Ale nemůže dokonale pochopit interní podnikové procesy, schvalovací pracovní postupy, cykly smluv a dynamiku vztahů napříč všemi organizacemi současně.

Naše platforma zůstává před útoky, zaměřuje se na podnikatelskou rozumnost spíše než na technické vzorce. Jak útoky poháněné umělou inteligencí se stávají sofistikovanějšími ve svém technickém projevu, často se stávají více zoufalými ve své podnikatelské logice – vytvářejí urgenci, kde by neměla existovat, obcházejí normální postupy nebo požadují akce, které nejsou v souladu se zavedenými vztahy.

Také těžíme z učení napříč zákazníky bez odhalení individuálních dat zákazníků. Vzorce zneužívání podnikatelské logiky jsou často konzistentní napříč organizacemi, i když technická implementace se liší.

Jaké typy organizací jsou v současné době nejvíce ohroženy útoky na phishing zesílenými umělou inteligencí a jak vaše platforma řeší jejich jedinečné výzvy?

Organizace se složitými vztahy s dodavateli a schvalovacími postupy jsou nejvíce ohroženy – zejména finanční služby, zdravotnictví a právní firmy. Tyto sektory mají cenná data, zavedené podnikové procesy, které útočníci mohou prozkoumat, a zaměstnance, kteří pravidelně zpracovávají citlivé žádosti.

Společnosti ze středního trhu čelí specifické výzvě: mají podnikatelské povinnosti a složitost, ale nemají bezpečnostní personál nebo rozpočty, aby tomu odpovídaly. Jsou dostatečně sofistikované, aby byly atraktivními cíli, ale dostatečně omezené zdroji, aby se jim dařilo pokročilým útokům.

Naše platforma řeší tuto výzvu automatizací analýzy podnikatelského kontextu, která by normálně vyžadovala dedikované bezpečnostní analytiky. Místo toho, aby vyžadovaly, aby týmy manuálně prošetřovaly každou podezřelou žádost, TRACE poskytuje úsudek, který pomáhá organizacím učinit informovaná rozhodnutí rychle.

Také se soustředíme na uživatelský zážitek, protože tyto organizace nemohou si dovolit řešení, která vytvářejí provozní tření nebo vyžadují rozsáhlé školení.

Jak funguje váš prediktivní systém detekce kampaní a jak identifikuje a neutralizuje falešné webové stránky firem tak rychle?

Náš přístup kombinuje monitorování registrací domén v reálném čase s analýzou podnikatelského kontextu.

Monitorujeme globální registrace domén nepřetržitě, hledáme vzorce, které naznačují kampaně na padělání – podobné pravopisné chyby jako u legitimních domén, klastry registrací a infrastruktura odpovídající přípravě útoku.

Ale klíčovým rozlišovacím prvkem je korelace této technické inteligence s podnikatelským kontextem. Když vidíme domény registrované, které by mohly napodobovat dodavatele nebo partnery zákazníků, můžeme předpovídat cíle kampaní a načasování na základě podnikatelských vztahů a cyklů.

“Neutralizace” se děje prostřednictvím raného varování – upozorňujeme zákazníky na potenciální kampaně na padělání týdny předtím, než jsou e-maily odeslány, což jim umožňuje připravit se na obranu a upozornit zaměstnance na konkrétní hrozby, na které by se měli zaměřit.

Toto předkampaňové odhalení je možné pouze proto, že rozumíme jak technické útočné infrastruktuře, tak podnikatelskému kontextu, který útočníci pravděpodobně zneužijí.

Jaké byly některé z nejobtížnějších technických problémů, se kterými jste se setkali při budování skutečně nativního řešení kybernetické bezpečnosti založeného na LLM?

Nejobtížnějším problémem bylo vybudování systému, který by mohl uvažovat o podnikatelském kontextu bez odhalení citlivých organizací, a prokázat, že funguje proti novým útokům, které systémy založené na vzorcích přehlédnou.

Nedávno jsme získali validaci, když náš systém TRACE detekoval útok na Microsoft 365 Direct Send, který přehlédly jak Microsoft (MSFT ), tak lídr trhu. Útok byl publikován a ověřen Dark Reading. Útok využíval legitimní funkce Microsoftu, používal obfuskaci založenou na obrazech a dynamicky personalizoval stránky phishingu – zcela nové techniky bez historických vzorců.

Technické výzvy byly významné: vybudování koordinace LLM-as-master, která by mohla provádět sofistikovanou analýzu, zatímco udržovala citlivá data lokální, vyhýbání se pastem na falešné pozitivy při přechodu z párování vzorců na uvažování a optimalizaci výkonu pro poskytování rozhodnutí v reálném čase v rámci latence e-mailového toku.

Ale největší průlom spočíval v prokázání, že naše architektura dvojí evidence funguje ve skutečném světě proti útokům, které zavedené dodavatelé přehlédli. Tato validace nám dala důvěru, že architektura může zvládnout cokoliv, co útočníci v budoucnu vymyslí.

Jak vidíte vývoj hrozeb v letech 2026–2027 a jak se vaše platforma připravuje na budoucnost?

Do roku 2026-2027 očekávám, že sofistikované útoky zesílené umělou inteligencí se stanou mainstreamem spíše než trvalou hrozbou. Nástroje a techniky se stanou komoditami, dramaticky rozšíří pool hrozeb.

Budeme také svědky expanze útoků za hranice e-mailu do všech kanálů podnikové komunikace – Teams, Slack, mobilní zasílání zpráv. Útočníci budou orchestrovat kampaně napříč několika kanály, což renderuje detekci v jednom bodě nedostatečnou.

Připravujeme se tím, že budujeme TRACE jako analytický motor, který lze aplikovat na jakýkoli kanál podnikové komunikace. Jádrové technologie – pochopení podnikatelského kontextu a intence – nejsou specifické pro e-mail. Investujeme také značně do schopností korelace napříč kanály.

Další významná změna bude spočívat v útocích, které zneužívají přijetí umělé inteligence uvnitř organizací. Jak společnosti nasazují nástroje umělé inteligence pro podnikové procesy, útočníci budou cílit na tyto integrace a datové toky.

Jaké jsou některé z lekcí, které jste se naučili z nasazení ve skutečném světě, a jak tyto lekce formovaly váš produktový roadmap?

Největší lekcí je, že nové útoky validují náš architektonický přístup způsoby, které jsme nemohli předpovědět. Když náš systém TRACE detekoval útok na Microsoft 365 Direct Send, který přehlédly Microsoft i lídr trhu, prokázal to naši tezi, že uvažování poráží párování vzorců proti skutečně novým technikám.

Naučili jsme se, že uživatelský zážitek má větší význam, než jsme původně předpokládali, ale ne tím způsobem, jak jsme očekávali. Týmy bezpečnostních specialistů nechtějí pouze přesnou detekci – chtějí pochopit, proč systém učinil rozhodnutí. Naše architektura dvojí evidence pomáhá, protože analytici mohou vidět jak důkazy obhájce, tak důkazy žalobce, které vedly k verdiktu LLM soudce.

Také jsme objevili, že detekce nových útoků vytváří konkurenční výhody, které jsme neočekávali. Když jsme publikovali analýzu Direct Send, kterou ověřil Dark Reading, založili jsme technickou důvěryhodnost způsoby, které marketingové nároky nemohly. Potenciální zákazníci si uvědomili, že ne pouze tvrdíme, že detekujeme neznámé hrozby – prokazujeme to dokumentovanými případy, ve kterých zavedení dodavatelé selhali.

Tyto lekce formovaly naši strategii kolem transparentnosti a technické validace. Naším roadmapem je nyní zdůrazňovat nejen detekční schopnosti, ale i schopnost vysvětlovat uvažování a sdílet inteligenci o hrozbách s širší bezpečnostní komunitou.

Kam vidíte StrongestLayer za dva až tři roky a co je dlouhodobá vize pro společnost?

Za dva roky vidím StrongestLayer jako analytický motor, který chrání veškerou podnikovou komunikaci – ne pouze e-mail, ale i Teams, Slack, mobilní zasílání zpráv a další kanály.

Technická základna, kterou jsme vybudovali s TRACE – pochopení podnikatelského kontextu a intence – se vztahuje za hranice bezpečnostních řešení e-mailů. Jak organizace přijímají více komunikačních kanálů a nástrojů umělé inteligence, potřebují konzistentní ochranu, která chápe podnikatelskou logiku napříč všemi platformami.

Dlouhodobá vize je být inteligenční vrstvou, která pomáhá organizacím komunikovat s důvěrou v světě poháněném umělou inteligencí. Místo toho, aby bezpečnost byla bariérou pro komunikaci, chceme být systémem, který umožňuje podnikům přijímat nové komunikační technologie bezpečně.

Cílem je dosáhnout bodu, kdy organizace nebudou muset uvažovat o bezpečnosti e-mailů jako o samostatném problému – bude to prostě součástí toho, jak funguje podniková komunikace, chránící je automaticky a umožňující produktivitu.

Děkuji za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit StrongestLayer.