Saryu Nayyar, CEO und Gründer von Gurucul – Interview-Serie

Saryu Nayyar ist ein international anerkannter Cyber-Sicherheitsexperte, Autor, Redner und Mitglied des Forbes Technology Council. Er hat mehr als 15 Jahre Erfahrung in den Bereichen Informationssicherheit, Identitäts- und Zugriffsmanagement, IT-Risiko- und Compliance-Management sowie Sicherheitsrisikomanagement.

Er wurde 2017 als EY Entrepreneurial Winning Women ausgezeichnet. Er hatte Führungspositionen in der Sicherheitsprodukt- und Dienstleistungsstrategie bei Oracle (ORCL ), Simeio, Sun Microsystems, Vaau (erworben von Sun) und Disney inne. Saryu verbrachte auch mehrere Jahre in leitenden Positionen in der Technologie-Sicherheits- und Risikomanagement-Praxis von Ernst & Young.

Gurucul ist ein Cyber-Sicherheitsunternehmen, das sich auf verhaltensbasierte Sicherheit und Risikoanalyse spezialisiert hat. Seine Plattform nutzt Machine Learning, künstliche Intelligenz und Big Data, um Insider-Bedrohungen, Konto-Kompromittierungen und fortschrittliche Angriffe in hybriden Umgebungen zu erkennen. Gurucul ist bekannt für seine Unified Security and Risk Analytics-Plattform, die SIEM, UEBA (User and Entity Behavior Analytics), XDR und Identitätsanalyse integriert, um Echtzeit-Bedrohungs-Erkennung und -Reaktion zu ermöglichen. Das Unternehmen dient Unternehmen, Regierungen und MSSPs und zielt darauf ab, falsche Positivergebnisse zu reduzieren und die Bedrohungsbehebung durch intelligente Automatisierung zu beschleunigen.

Was hat Sie dazu inspiriert, Gurucul 2010 zu gründen, und welches Problem wollten Sie im Cyber-Sicherheits-Landschaft lösen?

Gurucul wurde gegründet, um Sicherheits-Operations- und Insider-Risikomanagement-Teams Einblick in die kritischsten Cyber-Risiken zu geben, die ihr Geschäft beeinträchtigen. Seit 2010 haben wir einen verhaltensbasierten und prädiktiven Analyseansatz verfolgt, anstatt einen regelbasierten Ansatz, der über 4.000 Machine-Learning-Modelle generiert hat, die Benutzer- und Entitätsanomalien in verschiedenen Angriffs- und Risikoszenarien kontextualisieren. Wir haben uns auf diese Grundlage gestützt und sind von der Unterstützung großer Fortune-50-Unternehmen bei der Lösung von Insider-Risikoherausforderungen zu Unternehmen übergegangen, die radikale Klarheit in alle Cyber-Risiken gewinnen möchten. Dies ist das Versprechen von REVEAL, unserer einheitlichen und künstlich intelligente Daten- und Sicherheitsanalyseplattform. Jetzt bauen wir auf unserer künstlichen Intelligenz-Mission mit einer Vision auf, eine selbstfahrende Sicherheitsanalyseplattform zu liefern, die auf Machine Learning basiert, aber auch generative und agente künstliche Intelligenz-Fähigkeiten über den gesamten Bedrohungslebenszyklus hinweg schichtet. Das Ziel ist es, dass Analysten und Ingenieure weniger Zeit in der Komplexität verbringen und mehr Zeit auf sinnvolle Arbeit konzentrieren. Maschinen sollen die Definition ihrer täglichen Aktivitäten verstärken.

Welche Schlüsselerfahrungen haben Sie aus Ihren Führungspositionen bei Oracle, Sun Microsystems und Ernst & Young mit in die Gründung von Gurucul gebracht?

Meine Führungspositionen bei Oracle, Sun Microsystems und Ernst & Young haben meine Fähigkeit gestärkt, komplexe Sicherheitsherausforderungen zu lösen, und mir ein Verständnis für die Herausforderungen vermittelt, denen Fortune-100-CEOs und CISOs gegenüberstehen. Kollektiv ermöglichten sie mir, einen Front-Row-Sitz bei den technologischen und geschäftlichen Herausforderungen zu haben, denen die meisten Sicherheitsleiter gegenüberstehen, und inspirierten mich, Lösungen zu entwickeln, um diese Lücken zu schließen.

Wie unterscheidet sich Guruculs REVEAL-Plattform von herkömmlichen SIEM-Lösungen (Security Information and Event Management)?

Herkömmliche SIEM-Lösungen basieren auf statischen, regelbasierten Ansätzen, die zu übermäßigen Falschpositivergebnissen, erhöhten Kosten und verzögerten Erkennung und Reaktion führen. Unsere REVEAL-Plattform ist vollständig cloud-nativ und künstlich intelligent, nutzt fortschrittliches Machine Learning, Verhaltensanalyse und dynamische Risikobewertung, um Bedrohungen in Echtzeit zu erkennen und zu reagieren. Im Gegensatz zu herkömmlichen Plattformen passt REVEAL sich kontinuierlich an sich entwickelnde Bedrohungen an und integriert sich über On-Premises-, Cloud- und Hybridumgebungen für umfassenden Sicherheitsschutz. Als “Most Visionary” SIEM-Lösung in Gartners Magic Quadrant für drei aufeinanderfolgende Jahre definiert REVEAL künstlich intelligente SIEM mit unübertroffener Präzision, Geschwindigkeit und Sichtbarkeit. Darüber hinaus kämpfen SIEMs mit einem Datenüberlastungsproblem. Sie sind zu teuer, um alles erforderliche für eine vollständige Sichtbarkeit zu importieren, und selbst wenn sie es tun, fügt es nur zum Falschpositiv-Problem hinzu. Gurucul versteht dieses Problem, und deshalb haben wir eine native und künstlich intelligente Daten-Pipeline-Management-Lösung, die nicht kritische Daten in kostengünstige Speicher filtert, Geld spart und gleichzeitig die Fähigkeit behält, eine föderale Suche über alle Daten durchzuführen. Analyse-Systeme sind eine “Müll rein, Müll raus”-Situation. Wenn die einkommenden Daten aufgebläht, unnötig oder unvollständig sind, wird die Ausgabe nicht genau, handhabbar oder letztendlich vertrauenswürdig sein.

Können Sie erklären, wie Machine Learning und Verhaltensanalyse verwendet werden, um Bedrohungen in Echtzeit zu erkennen?

Unsere Plattform nutzt über 4.000 Machine-Learning-Modelle, um kontinuierlich alle relevanten Datensätze zu analysieren und Anomalien und verdächtige Verhaltensweisen in Echtzeit zu erkennen. Im Gegensatz zu herkömmlichen Sicherheitssystemen, die auf statischen Regeln basieren, deckt REVEAL Bedrohungen auf, sobald sie auftauchen. Die Plattform nutzt auch User- und Entity-Verhaltensanalyse (UEBA), um Baselines für normales Benutzer- und Entitätsverhalten zu erstellen, Abweichungen zu erkennen, die Insider-Bedrohungen, Konto-Kompromittierungen oder schädliche Aktivitäten anzeigen könnten. Dieses Verhalten wird weiter kontextualisiert durch eine Big-Data-Engine, die Sicherheits-, Netzwerk-, IT-, IoT-, Cloud-, Identitäts- und Geschäftsanwendungsdaten sowie interne und externe Bedrohungs-Intelligence korreliert, anreichert und verknüpft. Dies informiert eine dynamische Risikobewertung, die Echtzeit-Risikowerte zuweist, um Reaktionen auf kritische Bedrohungen zu priorisieren. Zusammen bieten diese Fähigkeiten einen umfassenden, künstlich intelligenten Ansatz für Echtzeit-Bedrohungs-Erkennung und -Reaktion, der REVEAL von herkömmlichen Sicherheitslösungen unterscheidet.

Wie hilft Guruculs künstlich intelligenter Ansatz dabei, Falschpositivergebnisse im Vergleich zu herkömmlichen Cyber-Sicherheits-Systemen zu reduzieren?

Die REVEAL-Plattform reduziert Falschpositivergebnisse, indem sie künstlich intelligente kontextuelle Analyse, Verhaltens-Einblicke und Machine Learning nutzt, um legitime Benutzeraktivitäten von tatsächlichen Bedrohungen zu unterscheiden. Im Gegensatz zu herkömmlichen Lösungen verfeinert REVEAL seine Erkennungsfähigkeiten im Laufe der Zeit, verbessert die Genauigkeit und minimiert gleichzeitig den Lärm. Seine UEBA erkennt Abweichungen von Baseline-Aktivitäten mit hoher Genauigkeit, ermöglicht es Sicherheitsteams, sich auf legitime Sicherheitsrisiken zu konzentrieren, anstatt von Falschalarmen überwältigt zu werden. Während Machine Learning ein grundlegender Aspekt ist, spielen generative und agente künstliche Intelligenz eine wichtige Rolle bei der weiteren Kontextualisierung in natürlicher Sprache, um Analysten zu helfen, genau zu verstehen, was um einen Alarm herum passiert, und sogar die Reaktion auf diese Alarme zu automatisieren.

Welche Rolle spielt adversative künstliche Intelligenz in modernen Cyber-Bedrohungen, und wie bekämpft Gurucul diese sich entwickelnden Risiken?

Zunächst sehen wir bereits, dass adversative künstliche Intelligenz auf die niedrigsten Früchte angewendet wird, den menschlichen Vektor und identitätsbasierte Bedrohungen. Deshalb sind Verhaltens- und Identitätsanalyse kritisch, um anomales Verhalten zu erkennen, es zu kontextualisieren und schädliches Verhalten vorherzusagen, bevor es weiter verbreitet wird. Darüber hinaus ist adversative künstliche Intelligenz der Nagel im Sarg für signaturebasierte Erkennungsmethoden. Angreifer verwenden künstliche Intelligenz, um diese TTP-definierten Erkennungsregeln zu umgehen, aber wiederum können sie den verhaltensbasierten Erkennungen nicht auf die gleiche Weise entgehen. SOC-Teams sind nicht ausreichend ausgestattet, um weiterhin Regeln zu schreiben, um mit den Erkennungen Schritt zu halten, und werden einen modernen Ansatz für Bedrohungs-Erkennung, -Untersuchung und -Reaktion benötigen. Verhalten und Kontext sind die Schlüsselzutaten. Schließlich basiert die REVEAL-Plattform auf einem kontinuierlichen Feedback-Loop, und wir wenden kontinuierlich künstliche Intelligenz an, um unsere Erkennungsmodelle zu verfeinern, neue Modelle zu empfehlen und neue Bedrohungs-Intelligence zu informieren, die unser gesamtes Kunden-Ökosystem nutzen kann.

Wie verbessert Guruculs Risikobewertungssystem die Fähigkeit von Sicherheitsteams, Bedrohungen zu priorisieren?

Unsere Plattform weist dynamische Risikowerte zu, die in Echtzeit Benutzern, Entitäten und Aktionen basierend auf beobachtetem Verhalten und kontextuellen Einblicken zuweisen. Dies ermöglicht es Sicherheitsteams, kritische Bedrohungen zu priorisieren, Reaktionszeiten zu reduzieren und Ressourcen zu optimieren. Indem REVEAL Risiken auf einer Skala von 0-100 quantifiziert, stellt es sicher, dass Organisationen sich auf die dringendsten Vorfälle konzentrieren, anstatt von niedrigprioritären Alarmen überwältigt zu werden. Mit einem einheitlichen Risikowert, der alle Unternehmensdatenquellen umfasst, gewinnen Sicherheitsteams größere Sichtbarkeit und Kontrolle, was zu schnelleren, informierteren Entscheidungen führt.

In einer Zeit zunehmender Datenlecks, wie können künstlich intelligente Sicherheitslösungen Organisationen helfen, Insider-Bedrohungen zu verhindern?

Insider-Bedrohungen sind ein besonders herausforderndes Sicherheitsrisiko aufgrund ihrer subtilen Natur und des Zugriffs, den Mitarbeiter haben. REVEALs UEBA erkennt Abweichungen von etablierten Verhaltensbaselines, identifiziert riskantes Verhalten wie nicht autorisierten Datenzugriff, ungewöhnliche Anmeldezeiten und Missbrauch von Privilegien. Dynamische Risikobewertung bewertet auch kontinuierlich Verhaltensweisen in Echtzeit und weist Risikostufen zu, um die dringendsten Insider-Risiken zu priorisieren. Diese künstlich intelligenten Fähigkeiten ermöglichen es Sicherheitsteams, Insider-Bedrohungen proaktiv zu erkennen und zu mildern, bevor sie zu Datenlecks eskalieren. Angesichts der prädiktiven Natur von Verhaltensanalyse ist Insider-Risikomanagement ein Wettlauf gegen die Zeit. Insider-Risikomanagement-Teams müssen schnell reagieren und zusammenarbeiten, wobei Datenschutz an erster Stelle steht. Kontext ist hier kritisch, und die Anreichung von Verhaltensabweichungen mit Kontext aus Identitätssystemen, HR-Anwendungen und allen anderen relevanten Datenquellen gibt diesen Teams die Munition, um schnell Beweise zu sammeln und den Fall zu verteidigen, damit das Unternehmen reagieren und Abhilfe schaffen kann, bevor Datenexfiltration auftritt.

Wie verbessert Guruculs Identitätsanalyse-Lösung die Sicherheit im Vergleich zu herkömmlichen IAM-Tools (Identity and Access Management)?

Herkömmliche IAM-Lösungen konzentrieren sich auf Zugriffskontrolle und Authentifizierung, aber verfügen nicht über die Intelligenz und Sichtbarkeit, um Konto-Kompromittierungen oder Privilegienmissbrauch in Echtzeit zu erkennen. REVEAL geht über diese Grenzen hinaus, indem es künstlich intelligente Verhaltensanalyse nutzt, um Benutzerrisiken kontinuierlich zu bewerten, Risikowerte dynamisch anzupassen und adaptive Zugriffsberechtigungen durchzusetzen, um Missbrauch und illegitime Privilegien zu minimieren. Durch die Integration in bestehende IAM-Rahmenbedingungen und die Durchsetzung von Least-Privilege-Zugriff verbessert unsere Lösung die Identitätssicherheit und reduziert die Angriffsfläche. Das Problem mit IAM-Governance ist Identitätssystem-Sprawl und der Mangel an Interconnectedness zwischen verschiedenen Identitätssystemen. Gurucul gibt Teams eine 360-Grad-Sicht auf ihre Identitätsrisiken über alle Identitätsinfrastruktur hinweg. Jetzt können sie den Zugriff nicht mehr einfach absegnen, sondern einen risikoorientierten Ansatz für Zugriffsrichtlinien verfolgen. Darüber hinaus können sie die Compliance-Aspekte von IAM beschleunigen und eine kontinuierliche Überwachung und eine umfassende Herangehensweise an Zugriffskontrollen über das gesamte Unternehmen hinweg demonstrieren.

Welche Schlüssel-Cyber-Bedrohungen sehen Sie in den nächsten fünf Jahren voraus, und wie kann künstliche Intelligenz dabei helfen, diese zu mildern?

Identitätsbasierte Bedrohungen werden weiterhin zunehmen, da sie erfolgreich waren. Angreifer werden sich auf den Erwerb von Zugriff konzentrieren, entweder durch die Kompromittierung von Insidern oder den Angriff auf Identitätsinfrastruktur. Natürlich werden Insider-Bedrohungen weiterhin ein wichtiger Risikovektor für viele Unternehmen sein, insbesondere wenn Schatten-IT weiterhin zunimmt. Ob böswillig oder fahrlässig, Unternehmen werden zunehmend Sichtbarkeit in Insider-Risiken benötigen. Darüber hinaus wird künstliche Intelligenz die Variationen herkömmlicher TTPs beschleunigen, da Angreifer wissen, dass dies der Weg ist, um Erkennungen zu umgehen, und es für sie kostengünstig sein wird, adaptive Taktiken, Techniken und Protokolle zu entwickeln. Daher ist es wiederum wichtig, sich auf Verhalten im Kontext zu konzentrieren und Erkennungssysteme zu haben, die genauso schnell anpassen können. Dies wird für die absehbare Zukunft von entscheidender Bedeutung sein.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten Gurucul besuchen.