Yariv Fishman, Chief Product Officer bei Deep Instinct – Interview-Serie

Yariv Fishman ist Chief Product Officer (CPO) bei Deep Instinct. Er ist ein erfahrener Produktmanagement-Executive mit mehr als 20 Jahren Führungserfahrung bei bekannten globalen B2B-Marken. Fishman hatte verschiedene herausragende Rollen inne, darunter Führungspositionen bei Microsoft (MSFT ), wo er das Cloud App Security-Produktportfolio leitete und das MSSP- und Sicherheitspartnerprogramm initiierte, und als Leiter des Produktmanagements für Cloud-Sicherheit und IoT-Sicherheit bei CheckPoint. Er hat einen B.Sc. in Informationssystem-Engineering von der Ben-Gurion-Universität und einen MBA von der Technion, Israel Institute of Technology.

Deep Instinct ist ein Cybersicherheitsunternehmen, das Deep Learning auf Cybersicherheit anwendet. Das Unternehmen setzt KI ein, um Malware zu verhindern und zu erkennen.

Erzählen Sie uns von Ihrem Weg in der Cybersicherheitsbranche und wie er Ihre Herangehensweise an Produktmanagement geprägt hat?

Während meiner 20-jährigen Karriere habe ich bei mehreren globalen B2B-Organisationen gearbeitet, darunter Check Point Software Technologies (CHKP ) und Microsoft, wo ich Produktmanagement und Strategie leitete und meine Erfahrung in der Cybersicherheit über öffentliche Cloud, Endgeräte, Netzwerk und SaaS-Anwendungssicherheit aufbaute.

Unterwegs habe ich verschiedene Best Practices gelernt – von der Teamführung bis zur Strategieentwicklung – die meine Führungsweise bei Deep Instinct geprägt haben. Die Arbeit für verschiedene Cybersicherheitsunternehmen unterschiedlicher Größe hat mir eine umfassende Sicht auf Managementstile und die Fähigkeit vermittelt, Prozesse zu erstellen, die schnell agierende Teams unterstützen. Ich habe auch gesehen, wie man Produkte veröffentlicht und die Produkt-Markt-Passung plant, was für den Geschäftserfolg entscheidend ist.

Was hat Sie dazu bewogen, Deep Instinct beizutreten, und wie hat sich Ihre Rolle seit Ihrem Eintritt als Chief Product Officer entwickelt?

Als Branchen-Veteran werde ich selten von neuer Technologie begeistert. Ich habe von Deep Instinct erfahren, als ich bei Microsoft arbeitete. Als ich mehr über die Möglichkeiten der prädiktiven Verhinderungstechnologie erfuhr, erkannte ich schnell, dass Deep Instinct das echte Angebot war und etwas Einzigartiges tat. Ich trat dem Unternehmen bei, um sein Deep-Learning-Framework zu produktisieren, Marktfit und Anwendungsfälle für diese erstmalige Zero-Day-Datensicherheitslösung zu schaffen.

Seit meinem Beitritt vor drei Jahren hat sich meine Rolle verändert und ist mit unserem Geschäft gewachsen. Anfangs konzentrierte ich mich auf den Aufbau unseres Produktmanagement-Teams und der relevanten Prozesse. Jetzt konzentrieren wir uns stark auf Strategie und darauf, wie wir unsere Zero-Day-Datensicherheitsfähigkeiten in einem sich schnell verändernden und immer gefährlicheren Markt vermarkten.

Deep Instinct verwendet ein einzigartiges Deep-Learning-Framework für seine Cybersicherheitslösungen. Erklären Sie die Vorteile von Deep Learning im Vergleich zu traditionellem Machine Learning bei der Bedrohungsverhinderung?

Der Begriff “KI” wird oft als Allheilmittel verwendet, um Organisationen im Kampf gegen Zero-Day-Bedrohungen auszustatten. Allerdings verwenden viele Cyber-Sicherheitsanbieter tatsächlich Machine Learning (ML) – eine weniger fortschrittliche Form der KI – in ihren Produkten. ML ist für diese Aufgabe nicht geeignet. ML-Lösungen werden auf begrenzten Teilmengen der verfügbaren Daten (in der Regel 2-5%) trainiert, bieten nur 50-70% Genauigkeit bei unbekannten Bedrohungen und führen zu Fehlalarmen. Sie erfordern auch menschliche Eingriffe, da sie auf kleineren Datensätzen trainiert werden, was die Chancen menschlicher Vorurteile und Fehler erhöht.

Nicht alle KI sind gleich. Deep Learning (DL), die fortschrittlichste Form der KI, ist die einzige Technologie, die in der Lage ist, bekannte und unbekannte Zero-Day-Bedrohungen zu verhindern und zu erklären. Der Unterschied zwischen ML- und DL-basierten Lösungen wird deutlich, wenn man ihre Fähigkeit betrachtet, bekannte und unbekannte Bedrohungen zu identifizieren und zu verhindern. Im Gegensatz zu ML basiert DL auf neuronalen Netzen, die es ermöglichen, selbst zu lernen und auf Rohdaten zu trainieren. Diese Autonomie ermöglicht es DL, komplexe Bedrohungen zu identifizieren, zu erkennen und zu verhindern. Mit seinem Verständnis der grundlegenden Komponenten von Schadsoftware ermöglicht DL es Teams, schnell eine robuste Datensicherheitsposition zu etablieren und aufrechtzuerhalten, um die nächste Bedrohung zu verhindern, bevor sie überhaupt entsteht.

Deep Instinct hat kürzlich DIANNA, den ersten generativen KI-gesteuerten Cybersicherheitsassistenten, veröffentlicht. Erklären Sie die Inspiration hinter DIANNA und seine wichtigsten Funktionalitäten?

Deep Instinct ist der einzige Anbieter auf dem Markt, der Zero-Day-Angriffe vorhersagen und verhindern kann. Die Anzahl der Zero-Day-Schwachstellen in Unternehmen steigt. Wir sahen einen Anstieg von 64% bei Zero-Day-Angriffen im Jahr 2023 im Vergleich zu 2022 und veröffentlichten Deep Instincts Artificial Neural Network Assistant (DIANNA), um dieser wachsenden Tendenz entgegenzuwirken. DIANNA ist der erste und einzige generative KI-gesteuerte Cybersicherheitsassistent, der Experten-Level-Malware-Analyse und Erklärbarkeit für Zero-Day-Angriffe und unbekannte Bedrohungen bietet.

Was DIANNA von traditionellen KI-Tools unterscheidet, die LLMs nutzen, ist seine Fähigkeit, Einblicke in die Gründe zu geben, warum unbekannte Angriffe schädlich sind. Heute muss man, wenn man einen Zero-Day-Angriff erklären möchte, ihn durch eine Sandbox laufen lassen, was Tage dauern kann und am Ende keine detaillierte oder fokussierte Erklärung liefert. Dieser Ansatz bietet nur retrospektive Analyse mit begrenztem Kontext. DIANNA analysiert nicht nur den Code, sondern versteht auch die Absicht, die möglichen Aktionen und erklärt, was der Code tun soll: warum er schädlich ist und wie er Systeme beeinträchtigen könnte. Dieser Prozess ermöglicht es SOC-Teams, sich auf Warnungen und Bedrohungen zu konzentrieren, die wirklich wichtig sind.

Wie unterscheidet sich DIANNAs Fähigkeit, Experten-Level-Malware-Analyse zu liefern, von traditionellen KI-Tools auf dem Cybersicherheitsmarkt?

DIANNA ist wie ein virtuelles Team von Malware-Analysten und Incident-Response-Experten, das tiefere Analysen von bekannten und unbekannten Angriffen liefert und die Techniken von Angreifern und das Verhalten von schädlichen Dateien erklärt.

Andere KI-Tools können nur bekannte Bedrohungen und bestehende Angriffvektoren identifizieren. DIANNA geht über traditionelle KI-Tools hinaus und bietet Organisationen ein unvergleichliches Maß an Fachwissen und Einblicken in unbekannte Skripte, Dokumente und Rohbinaries, um sich auf Zero-Day-Angriffe vorzubereiten. Darüber hinaus bietet DIANNA eine verbesserte Sichtbarkeit in den Entscheidungsprozess der Verhinderungsmodelle von Deep Instinct, was es Organisationen ermöglicht, ihre Sicherheitsposition für maximale Effektivität zu feinjustieren.

Welche sind die Hauptprobleme, die DIANNA im aktuellen Cybersicherheitsumfeld, insbesondere bei unbekannten Bedrohungen, löst?

Das Problem mit Zero-Day-Angriffen heute ist der Mangel an Informationen darüber, warum ein Vorfall gestoppt und als schädlich eingestuft wurde. Bedrohungsanalysten müssen viel Zeit aufwenden, um zu bestimmen, ob es sich um einen schädlichen Angriff oder einen Fehlalarm handelte. Im Gegensatz zu anderen Cybersicherheitslösungen blockierte Deep Instinct regelmäßig Zero-Day-Angriffe mit unserer einzigartigen DL-Lösung. Kunden fragten jedoch nach detaillierten Erklärungen, um die Natur dieser Angriffe besser zu verstehen. Wir entwickelten DIANNA, um die Deep-Learning-Fähigkeiten von Deep Instinct zu erweitern, die Belastung von überarbeiteten SecOps-Teams zu reduzieren und Echtzeit-Erklärbarkeit für unbekannte, komplexe Bedrohungen zu bieten. Unsere Fähigkeit, die GenAI-Modelle auf bestimmte Artefakte zu konzentrieren, ermöglicht es uns, eine umfassende, aber fokussierte Antwort zu liefern, um die Marktlücke zu schließen.

DIANNA ist ein bedeutender Fortschritt für die Branche und ein greifbares Beispiel für die Fähigkeit von KI, reale Probleme zu lösen. Es nutzt ausschließlich statische Analyse, um das Verhalten und die Absicht verschiedener Dateiformate, einschließlich Binaries, Skripten, Dokumenten, Verknüpfungsdateien und anderer Bedrohungsdateitypen, zu identifizieren. DIANNA ist mehr als nur eine technologische Weiterentwicklung; es ist ein strategischer Schritt in Richtung eines intuitiveren, effizienteren und effektiveren Cybersicherheitsumfelds.

Erklären Sie, wie DIANNA Binärcode und Skripte in natürliche Sprachberichte übersetzt und welche Vorteile dies für Sicherheitsteams bringt?

Dieser Prozess ist Teil unseres geheimen Rezepts. Auf hohem Niveau können wir Malware erkennen, die das Deep-Learning-Framework innerhalb eines Angriffs markiert, und dann als Metadaten in das LLM-Modell einfügen. Durch die Extraktion von Metadaten ohne sensible Informationen preisgeben zu müssen, bietet DIANNA die Zero-Day-Erklärbarkeit und fokussierte Antworten, die Kunden suchen.

Wie sehen Sie die Evolution von KI, um diese Bedrohungen effektiver zu bekämpfen, angesichts des Anstiegs von KI-generierten Angriffen?

Da KI-basierte Bedrohungen zunehmen, erfordert es, vor immer raffinierteren Angreifern zu bleiben, das Hinausgehen über traditionelle KI-Tools und die Innovation mit besserer KI, insbesondere Deep Learning. Deep Instinct ist das erste und einzige Cybersicherheitsunternehmen, das Deep Learning in seiner Datensicherheitstechnologie verwendet, um Bedrohungen zu verhindern, bevor sie zu einem Verstoß führen, und zukünftige Bedrohungen vorherzusagen. Die Zero-Day-Datensicherheitslösung von Deep Instinct kann bekannte, unbekannte und Zero-Day-Bedrohungen in <20 Millisekunden vorhersagen und verhindern, 750-mal schneller als der schnellste Ransomware verschlüsseln kann – was es zu einem unverzichtbaren Teil jedes Sicherheitsstacks macht, um umfassenden, mehrschichtigen Schutz gegen Bedrohungen in hybriden Umgebungen zu bieten.

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