Chaim Mazal, Chief AI & Security Officer of Gigamon – Rozhovorová série

Chaim Mazal je Chief AI a Security Officer ve společnosti Gigamon, kde je zodpovědný za globální bezpečnost, informační technologie, síťové operace, řízení, rizika, dodržování předpisů, interní obchodní systémy a bezpečnost produktů. Chaim také vede strategický AI program společnosti, který řídí governance, cross-funkční přijetí a bezpečné, zodpovědné použití AI. Je uznávaný časopisem Security Magazine jako jeden z nejvlivnějších lidí v oblasti bezpečnosti 2025 a je celoživotním členem nadace OWASP a působí v poradních radách včetně Cloudflare, GitLab (GTLB ) a Rapid7. Předtím zastával seniorní vedení ve několika průmyslových lídrech, naposledy jako SVP of Technology a CISO ve společnosti Kandji.

Gigamon je společnost pro kybernetickou bezpečnost a technologii pozorovatelnosti, která se zaměřuje na poskytování hluboké viditelnosti do síťového provozu napříč hybridními a multi-cloudovými prostředími. Jejich platforma zachycuje a analyzuje data v pohybu, včetně paketů, toků a metadata aplikací, aby poskytla akční informace bezpečnostním, cloudovým a IT nástrojům pro monitorování. To umožňuje organizacím detekovat skryté hrozby, zlepšit výkon, udržet soulad a snížit složitost eliminací slepých míst v stále více distribuovaných a šifrovaných systémech. Společnost Gigamon je důvěryhodná velkými podniky a vládními organizacemi, které pomáhají zabezpečit a spravovat moderní digitální infrastrukturu v měřítku.

Měli jste jedinečnou cestu od strávení času v hackingových fórech jako teenager až po to, že jste se stal Chief AI a Security Officer ve společnosti Gigamon. Jak tyto rané zkušenosti ovlivnily váš pohled na moderní AI-poháněné kybernetické hrozby?

Získal jsem svůj první počítač ve věku osmi let a učil se experimentováním, konkrétně učením se o systému DOS, čtením manuálů a nakonec sám učil Visual Basic. Jakmile jsem se dostal hlouběji do internetových komunit, fascinovala mě možnost, jak software mohl být manipulován a kde systémy byly zranitelné. Ta zvědavost se vyvinula v testování penetrační bezpečnosti webových aplikací a zabezpečení životního cyklu vývoje SaaS.

Co je zajímavé u moderních hrozeb, je to, že AI nevytváří nové slabosti, ale škáluje objevování a využívání stávajících. Díky tomu ranému pohledu se snažím o přístup k AI bezpečnostním opatřením s předpokladem adversářského použití od samého začátku, což mi pomáhá zpětně inženýrsky navrhnout obrany pro naše zákazníky ve společnosti Gigamon.

Pozorovali jste, že AI-generované phishingové, ransomware a malware kampaně snižují čas na dopad z týdnů na hodiny. Jaké konkrétní změny vidíte v tom, jak jsou tyto útoky navrhovány a nasazovány?

AI fundamentálně snížila bariéru pro vstup do kybernetické kriminality. Psaní malwaru, vytváření přesvědčivých phishingových kampaní a identifikace zranitelností dříve vyžadovalo hluboké technické znalosti. Nyní tyto útoky mohou být urychleny a dokonce plně automatizovány pomocí AI nástrojů. Hackeři již nepotřebují silný technický background, aby spustili sofistikované kampaně, protože AI může generovat kód, vylepšovat sociální inženýrství a pomoci operátorům při řešení problémů v reálném čase.

Jako výsledek tohoto zvýšeného přístupu se celý hrozivý krajina posunula. Bez rámců governance, požadavků na dodržování předpisů nebo etických omezení, které by je zpomalily, útočníci mohou experimentovat, přizpůsobovat se a nasazovat rychlostí a při minimálních nákladech. Jako výsledek, čas na dopad se dramaticky zkrátil, a co dříve trvalo týdny, může se nyní stát během hodin. Mezitím mnoho organizací je stále ve fázi raného přijímání AI pro defenzivní účely, což znamená, že některé z nejúčinnějších AI použití jsou目前 poháněna útočníky.

Co fundamentálně odděluje AI-poháněný kybernetický útok od tradičních automatizovaných hrozeb, a můžete sdílet příklad, který tento rozdíl činí jasným?

Co fundamentálně odděluje AI-poháněný kybernetický útok od tradičních automatizovaných hrozeb, je autonomie a vytrvalost. V minulosti běželi hackeři skript a zastavili se, když selhal. “Čas na život” byl omezen na dobu, po kterou běžel automatizace. S AI jsou agenti dáním cílem a pokud selžou, nezastaví se. Pokračují v iteracích, hledají alternativní cesty k dosažení stejného cíle. Čas na život je efektivní nekonečný.

Příklad: s produkční závislostí na buildu mohou útočníci vložit něco tak malého, jako dvě řádky skriptu, zatímco velikost souboru zůstává nezměněna, což znamená, že bajty vypadají identicky. Když je soubor zkompilován a spuštěn, spustí se terminálová instance, která instaluje autonomního agenta do firemního prostředí, který pak provede řadu škodlivých úkonů, které mohou pokračovat donekonečna. V minulosti byly binární soubory považovány za vektor hrozby po nasazení. Nyní jsou manipulovány neustále, včetně během procesu buildu, aby provedly AI-poháněné akce uvnitř firemních prostředí.

Mnohé organizace stále spoléhají na legacy bezpečnostní kontroly a etablované playbooks. Proč tyto přístupy selhávají proti AI-poháněným útokům, a kde vidíte nejnebezpečnější slepá místa?

Dosáhli jsme bodu, kdy pokud neinovujete a nepojímáte AI do svých bezpečnostních řešení a operací, jste již pozadu, a to platí pro velké společnosti i startupy. Organizace, které selhávají v integraci AI do své bezpečnostní strategie, riskují, že budou předstiženy útočníky, kteří se pohybují rychleji a operují ve větším měřítku.

Rčení, že obrana proti AI-poháněným hrozbám nevyžaduje kompletní reinvenci technického stacku. Mnohé z nástrojů, které podniky potřebují, jsou již na místě. Skutečný posun je v tom, jak efektivní jsou tyto nástroje používány. Je to o posílení základů, aplikaci stávajících technologií inteligentněji a adaptaci obrany, aby zohledňovala neškolené, ale AI-poháněné útočníky.

Útočníci využívají AI kreativně a strategicky. Pokud podniky nebudou postupovat obdobně strategicky, riskují vytvoření masivních slepých míst. Lídři musí uvažovat jinak o tom, jak nasazují nástroje, které již mají, integrují AI do svých operací a evoluční playbooks, aby se bránili proti rychlosti a měřítku dnešních útoků.

AI se zdá snižovat bariéru pro vstup do kybernetické kriminality. Jak se tato změna promítla do profilu dnešních útočníků, a jaké riziko to vytváří pro podniky?

AI ermögnila téměř komukoli stát se hackrem. S AI nástroji k dispozici mohou i nezkušení aktéři, dokonce i teenager, spustit sofistikované phishingové kampaně, nasadit rootkity a provést ransomware útoky, které dříve vyžadovaly značné technické znalosti.

Tato změna přidává novou úroveň nepředvídatelnosti do hrozivého krajiny. Místo toho, aby čelily menšímu počtu vysoce sofistikovaných skupin, podniky nyní čelí širšímu spektru aktérů, kteří experimentují rychle, učí se v reálném čase a spolupracují napříč online komunitami.

Pro organizace to znamená nejen více útoků, ale také větší variabilitu v jejich provedení. Podniky musí být připraveny na hrozivou krajinu, ve které schopnost není přímo vázána na zkušenosti, a kde kdokoli může provést kampaně, které rivality těch historicky pokročilých skupin.

Za základě toho, co vidíte v útočnících komunitách, jaké AI-poháněné nástroje získávají trakci, a jak rychle se jejich schopnosti zlepšují?

Není to tak, že by jeden AI nástroj pomáhal hackeřům, ale spíše sdílení zdrojů. Místo toho, aby běžely lineární procesy, útočníci používají decentralizované agenty, které křížově referencují data a sdílejí informace kolektivně napříč různými nástroji. Výsledek funguje více jako útočná síť, nebo roj, než jako jednorázová schopnost.

Co je nejvíce pozoruhodné, je rychlost zlepšování. Tyto schopnosti se mění denně, a mnoho nástrojů, které jsou využívány, byly teprve nedávno proof-of-concept. Tempo inovace a iterace uvnitř útočnících komunit se zrychluje rapidně, s novými technikami a nástroji, které vznikají téměř v reálném čase.

Z pohledu obránců, jaké signály naznačují, že organizace čelí AI-poháněné kampani spíše než konvenčnímu útoku?

Z pohledu obránců je jedním z hlavních signálů, že průzkum již nevypadá sekvenčně nebo kompartmentalizovaně. Historicky útočníci následovali jasná kroky – shromažďovali informace ve fázích, rozestupovali činnost a cítili jeden povrch najednou. Nyní všechny tyto aktivity probíhají současně. Brány e-mailů, externě dostupné služby, účetní aktivita, detekční a vyhýbací techniky jsou všechny cvičeny najednou, spíše než sekvenčně.

Dalším signálem je unifikace a koordinace aktivity. Co bývalo rozděleno, je nyní kondenzováno a sdíleno kolektivně napříč nástroji, fungující více jako roj než jako jednorázová snaha. Tyto agenty neustále iterují, přizpůsobují a urychlují rozhodování kolem hrozeb, a nejsou ochotni přijmout “ne” za odpověď. Taková úroveň simultánní aktivity, koordinace a vytrvalosti silně naznačuje AI-poháněnou kampaň spíše než konvenční útok.

Vy jste argumentoval, že mnoho současných AI bezpečnostních nástrojů úplně postrádá tyto hrozby. Co dělají špatně, a které schopnosti jsou nejnaléhavěji potřebné?

Mnohé současné AI bezpečnostní nástroje jsou stále postaveny na chybném předpokladu, že prevence je primárním cílem. Dodavatelé pokračují v позиování AI jako lepší způsob, jak blokovat hrozby na perimetru, ale útočníci jsou rychlejší, adaptnější a stále více trpěliví, využívající AI, deepfakes a pokročilý malware, který může obcházet kontroly a zůstat nerozpoznaný po měsíce.

Co je nejnaléhavěji potřeba, je komplexní, reálná viditelnost a silnější detekční a reakční schopnosti. Organizace musí implementovat nepřetržitou rizikovou evaluaci, udržet viditelnost do šifrovaného provozu, kde mnoho hrozeb se skrývá, a využít síťově odvozenou telemetrii a API, aby pochopily, co běží napříč jejich systémy a jak se data pohybují. Odolnost dnes není o tom, držet všechny hrozby ven, ale o vidění, zastavování a učení se z hrozeb, než eskalují.

Jak AI urychluje obě strany rovnice, věříte, že defenzivní AI může realisticky držet krok, nebo vstupujeme do období, kde útočníci budou mít strukturální výhodu?

AI urychluje obě strany rovnice, ale v blízké budoucnosti si myslím, že útočníci mají výhodu. Nečelí žádným regulačním omezením, žádným požadavkům na dodržování předpisů nebo etickým zábranám. To znamená, že mohou experimentovat volně a iterovat ve zvýšeném tempu. Na druhé straně podniky musí vyvažovat inovace s governance, ochranou soukromí a operačním rizikem, což přirozeně zpomaluje přijetí a implementaci AI.

To však neznamená, že defenzivní AI nemůže vyjít na vrchol. Úspěšné bezpečnostní taktiky nebudou pocházet z používání AI čistě pro prevenci. Bude vyžadovat integraci AI do detekčních, vyšetřovacích a reakčních workflow, které jsou podporovány reálnou viditelností. Výhoda není trvale na straně útočníka, ale zůstane tam, dokud organizace nepřestanou spoléhat se na prevenci. Skutečná škoda nastává, když útočník pronikne do sítě, často žije z prostředků a čeká na exfiltraci dat. Lídři musí posunout svůj pohled z “můžeme-li zabránit prolomení” na “jak rychle můžeme detekovat a odstranit vetřelce?”

Pohledem na dalších šest až dvanáct měsíců, které AI-poháněné útočné techniky očekáváte, že se stanou široce rozšířenými, a co by měly bezpečnostní týmy dělat nyní, aby se připravily?

Šest až dvanáct měsíců je obrovské množství času v tomto prostředí. Věci se reálně mění každých šest až dvanáct týdnů. Rychlý pokrok AI činí obtížným předpovědět konkrétní techniky, které útočníci budou používat v budoucnu, takže se zaměřte méně na hádání, co je další, a více na to, jak se připravit.

Obránci potřebují využívat stejné AI-poháněné technologie, které útočníci používají, se silným zaměřením na defenzivní hloubku. To znamená použití AI pro křížovou referenci konstantních proudů dat napříč koncovými body v reálném čase, spoléhání se na neměnnou síťovou telemetrii, aby identifikovali transakční chování napříč privátními cloudy, veřejnými cloudy a on-premises prostředími, a krmení této telemetrie do příslušných nástrojů, aby bezpečnostní týmy byli aktivně vědomi, kdy je jejich organizace zkoumána.

Zároveň je třeba vyřadit ze služby defenzivní myšlení “perimetr-first”. Není otázkou, zda se AI-poháněný prolomení stane, ale kdy. Prioritou je nyní brzká identifikace, snížení dopadu a včasná náprava. To zahrnuje mít solidní plán reakce na incidenty, aplikovat principy nulového důvěryhodnosti, vynucovat segmentaci sítě, udržovat správu přístupu s nepřetržitými hodnoceními a dělat dynamické úpravy podle potřeby, aby chránily zákaznická data a omezily dopad.

Děkuji za vhledný rozhovor, čtenáři, kteří se zajímají o hlubokou pozorovatelnost a AI-poháněnou síťovou bezpečnost, mohou navštívit Gigamon.