Carl Froggett, CIO της Deep Instinct – Συνέντευξη

O Carl Froggett είναι ο Chief Information Officer (CIO) της Deep Instinct, μια εταιρεία που ιδρύθηκε με ένα απλό σκεπτικό: ότι η βαθιά μάθηση, μια προηγμένη υποκατηγορία του AI, θα μπορούσε να εφαρμοστεί στην κυβερνοασφάλεια για να προληφθούν περισσότερες απειλές, πιο γρήγορα.

O κ. Froggett έχει ένα αποδεδειγμένο ιστορικό στην κατασκευή ομάδων, αρχιτεκτονικής συστημάτων, εφαρμογής λογισμικού σε μεγάλες επιχειρήσεις, καθώς και στην ευθυγράμμιση διαδικασιών και εργαλείων με τις επιχειρηματικές απαιτήσεις. Ο Froggett ήταν προηγουμένως Διευθυντής της Παγκόσμιας Άμυνας Υποδομής, CISO Υπηρεσιών Κυβερνοασφάλειας στην Citi.

Η προέλευσή σας είναι από τον χρηματοοικονομικό τομέα, θα μπορούσατε να μοιραστείτε την ιστορία σας για το πώς μεταπηδηθήκατε στην κυβερνοασφάλεια;

Άρχισα να εργάζομαι στην κυβερνοασφάλεια στα τέλη της δεκαετίας του ’90, όταν εργαζόμουν στην Citi, μεταπηδώντας από ένα ρόλο IT. Γρήγορα ανέλαβα μια ηγετική θέση, εφαρμόζοντας την εμπειρία μου στις IT λειτουργίες στον εξελισσόμενο και προκλητικό κόσμο της κυβερνοασφάλειας. Εργαζόμενος στην κυβερνοασφάλεια, είχα την ευκαιρία να επικεντρωθώ στην καινοτομία, εφαρμόζοντας και εκτελώντας τεχνολογία και λύσεις κυβερνοασφάλειας για διάφορες επιχειρηματικές ανάγκες. Κατά τη διάρκεια της θητείας μου στην Citi, οι ευθύνες μου περιελάμβαναν καινοτομία, μηχανική, παράδοση και λειτουργία παγκόσμιων πλατφορμών για τις επιχειρήσεις και τους πελάτες της Citi παγκοσμίως.

Ήσασταν μέρος της Citi για πάνω από 25 χρόνια και έχετε περάσει μεγάλο μέρος αυτού του χρόνου ως επικεφαλής ομάδων που είναι υπεύθυνες για στρατηγικές ασφαλείας και μηχανικής. Τι ήταν αυτό που σας έκανε να ενταχθείτε στην khởiνητική εταιρεία Deep Instinct;

Εντάχθηκα στη Deep Instinct γιατί ήθελα να αναλάβω μια νέα πρόκληση και να χρησιμοποιήσω την εμπειρία μου με διαφορετικό τρόπο. Για πάνω από 15 χρόνια, ήμουν πολύ вовлечμένος σε κυβερνοεκκινήσεις και εταιρείες FinTech, συμβουλεύοντας και μεγαλώνοντας ομάδες για να υποστηρίξω την ανάπτυξη επιχειρήσεων, οδηγώντας μερικές εταιρείες μέχρι το IPO. Ήμουν εξοικειωμένος με τη Deep Instinct και είδα τη μοναδική, επαναστατική τεχνολογία DL να παράγει αποτελέσματα που καμία άλλη εταιρεία δεν θα μπορούσε. Ήθελα να είμαι μέρος κάτι που θα οδηγούσε σε μια νέα εποχή προστασίας των εταιρειών από τις κακόβουλες απειλές που αντιμετωπίζουμε κάθε μέρα.

Μπορείτε να συζητήσετε γιατί η εφαρμογή της Deep Instinct της βαθιάς μάθησης στην κυβερνοασφάλεια είναι τόσο επαναστατική;

Όταν η Deep Instinct αρχικά ιδρύθηκε, η εταιρεία έθεσε ένα φιλόδοξο στόχο να επαναφέρει την βιομηχανία της κυβερνοασφάλειας, εισάγοντας μια φιλοσοφία προληψης-πρώτα αντί να είναι πίσω με μια προσέγγιση “ανίχνευση, απόκριση, περιέγκλειση”. Με την αύξηση των κυβερνοεπιθέσεων, όπως ransomware, zero-day εκμεταλλεύσεις και άλλες απειλές που δεν έχουν कभ881 visto, το status quo αντιδραστικό μοντέλο ασφαλείας δεν λειτουργεί. Τώρα, καθώς συνεχίζουμε να βλέπουμε τις απειλές να αυξάνονται σε όγκο και ταχύτητα λόγω της Γενικής AI, και καθώς οι επιτιθέμενοι ανακαινίζουν, καινοτομούν και ξεφεύγουν από τις υπάρχουσες ελέγχους, οι οργανισμοί χρειάζονται μια προβλεπτική, προληπτική ικανότητα για να παραμείνουν ένα βήμα μπροστά από τους κακόβουλους ηθοποιούς.

Η ανταγωνιστική AI είναι σε άνοδο με κακόβουλους ηθοποιούς που χρησιμοποιούν WormGPT, FraudGPT, μεταλλάσσοντας malware και άλλα. Έχουμε μπει σε μια κρίσιμη εποχή, μια που απαιτεί από τις οργανώσεις να πολεμήσουν την AI με AI. Αλλά δεν όλες οι AI δημιουργούνται ίσες. Η άμυνα ενάντια στην ανταγωνιστική AI απαιτεί λύσεις που είναι ενεργοποιημένες από μια πιο εξελιγμένη μορφή AI, δηλαδή τη βαθιά μάθηση (DL). Τα περισσότερα εργαλεία κυβερνοασφάλειας χρησιμοποιούν μοντέλα ML που παρουσιάζουν πολλές ελαττώματα στις ομάδες ασφαλείας όταν πρόκειται για την πρόληψη απειλών. Για παράδειγμα, αυτές οι προσφέρσεις εκπαιδεύονται σε περιορισμένα υποσύνολα των διαθέσιμων δεδομένων (συνήθως 2-5%), προσφέρουν μόνο 50-70% ακρίβεια με άγνωστες απειλές και εισάγουν πολλά ψευδώς θετικά. Οι λύσεις ML απαιτούν επίσης πολλή ανθρώπινη παρέμβαση και εκπαιδεύονται σε μικρά σύνολα δεδομένων, εκθέτοντας τους σε ανθρώπινη προκατάληψη και σφάλμα. Είναι αργές και ανταποκρίνουν ακόμη και στο endpoint, αφήνοντας τις απειλές να παραμείνουν μέχρι να εκτελεστούν, αντί να τις αντιμετωπίζουν ενώ είναι νεκρές. Αυτό που κάνει τη DL αποτελεσματική είναι η ικανότητά της να αυτο-μαθαίνει καθώς καταναλώνει δεδομένα και να λειτουργεί αυτόνομα για να αναγνωρίσει, να ανιχνεύσει και να προληφθούν σύνθετες απειλές.

Η DL επιτρέπει στους ηγέτες να μετατοπίσουν από μια παραδοσιακή “υποθέτουμε παραβίαση” νοοτροπία σε μια προβλεπτική προληπτική προσέγγιση για να πολεμήσουν αποτελεσματικά το malware που παράγεται από την AI. Αυτή η προσέγγιση βοηθά στην αναγνώριση και μείωση των απειλών πριν συμβούν. Παρέχει μια εξαιρετικά υψηλή αποτελεσματικότητα έναντι γνωστών και άγνωστων malware, και εξαιρετικά χαμηλά ποσοστά ψευδώς θετικών σε σύγκριση με τις λύσεις ML. Η πυρήνας DL απαιτεί μόνο μια ενημέρωση jednou ή δύο φορές το χρόνο για να διατηρήσει αυτή την αποτελεσματικότητα και, καθώς λειτουργεί ανεξάρτητα, δεν απαιτεί συνεχείς αναζητήσεις cloud ή intel sharing. Αυτό την κάνει εξαιρετικά γρήγορη και φιλική προς την ιδιωτικότητα.

Πώς είναι δυνατόν η βαθιά μάθηση να προληφθεί προβλεπτικά άγνωστο malware που δεν έχει συναντηθεί ποτέ πριν;

Το άγνωστο malware δημιουργείται με διάφορους τρόπους. Một κοινή μέθοδος είναι η αλλαγή του hash στο αρχείο, που μπορεί να είναι τόσο μικρή όσο η προσθήκη ενός byte. Λύσεις ασφαλείας endpoint που βασίζονται σε μαύρες λίστες hash είναι ευάλωτες σε τέτοιες “μεταλλάξεις” επειδή οι υπάρχουσες υπογραφές hash δεν θα ταιριάζουν με τα νέα hashes. Η συσκευασία είναι μια άλλη τεχνική με την οποία τα δυαδικά αρχεία συσκευάζονται με ένα packer που παρέχει ένα γενικό στρώμα στο αρχικό αρχείο — σκεφτείτε το ως μια μάσκα. Νέα παραλλαγές δημιουργούνται επίσης με την τροποποίηση του αρχικού malware binary. Αυτό γίνεται στα χαρακτηριστικά που οι προμηθευτές ασφαλείας μπορεί να υπογράψουν, ξεκινώντας από hardcoded strings, IP/ονόματα τομέα των C&C servers, κλειδιά μητρώου, διαδρομές αρχείων, μεταδεδομένα ή ακόμη και mutexes, πιστοποιητικά, offsets, καθώς και επεκτάσεις αρχείων που συσχετίζονται με τα κρυπτογραφημένα αρχεία από ransomware. Ο κώδικας ή τμήματα του κώδικα μπορούν επίσης να αλλάξουν ή να προστεθούν, που ξεφεύγουν από τις παραδοσιακές τεχνικές ανίχνευσης.

Η DL είναι χτισμένη σε ένα νευρωνικό δίκτυο και χρησιμοποιεί το “εγκέφαλο” της για να εκπαιδεύσει συνεχώς τον εαυτό της σε сыρα δεδομένα. Ένα σημαντικό σημείο εδώ είναι ότι η εκπαίδευση DL καταναλώνει όλα τα διαθέσιμα δεδομένα, χωρίς ανθρώπινη παρέμβαση στην εκπαίδευση — ένας κρίσιμος λόγος για τον οποίο είναι τόσο ακριβής. Αυτό οδηγεί σε μια πολύ υψηλή αποτελεσματικότητα και μια πολύ χαμηλή ποσοστό ψευδώς θετικών, καθιστώντας την υπερ-ανθεκτική σε άγνωστες απειλές. Με το πλαίσιο DL μας, δεν βασίζουμε την εαυτού μας στις υπογραφές ή τα πρότυπα, οπότε η πλατφόρμα μας είναι ασφαλής από αλλαγές hash. Επίσης, ταξινομούμε με επιτυχία συσκευασμένα αρχεία — είτε χρησιμοποιώντας απλές και γνωστές, είτε ακόμη και FUDs.

Κατά τη διάρκεια της φάσης εκπαίδευσης, προσθέτουμε “θόρυβο”, που αλλάζει τα сыρα δεδομένα από τα αρχεία που ταΐζουμε στο αλγόριθμο μας, για να自動ικά γεννήσουμε μικρές “μεταλλάξεις”, που ταΐζονται σε κάθε κύκλο εκπαίδευσης κατά τη διάρκεια της φάσης εκπαίδευσής μας. Αυτή η προσέγγιση κάνει την πλατφόρμα μας ανθεκτική στις αλλαγές που εφαρμόζονται στις διάφορες άγνωστες παραλλαγές malware, όπως strings ή ακόμη και πολυμορφισμός.

Μια νοοτροπία προληψης-πρώτα είναι συχνά το κλειδί για την κυβερνοασφάλεια, πώς εστιάζει η Deep Instinct στην πρόληψη κυβερνοεπιθέσεων;

Τα δεδομένα είναι η ζωή κάθε οργανισμού και η προστασία τους πρέπει να είναι προτεραιότητα. Όσο χρειάζεται είναι ένα μόνο κακόβουλο αρχείο για να παραβιαστεί. Για χρόνια, “υποθέτουμε παραβίαση” έχει sido η de facto νοοτροπία ασφαλείας, αποδεχόμενοι την αναπόφευκτη ότι τα δεδομένα θα έχουν πρόσβαση από θυγατρικές. Ωστόσο, αυτή η νοοτροπία, και τα εργαλεία που βασίζονται σε αυτή τη νοοτροπία, δεν έχουν παρέχει επαρκή ασφάλεια δεδομένων, και οι επιτιθέμενοι λαμβάνουν πλήρη ωφέλεια από αυτή τη παθητική προσέγγιση. Η πρόσφατη έρευνά μας βρήκε ότι υπήρχαν περισσότερες περιπτώσεις ransomware στο πρώτο μισό του 2023 από ό,τι όλο το 2022. Η αποτελεσματική αντιμετώπιση αυτής της μεταβαλλόμενης εικόνας απειλών δεν απαιτεί μόνο μια μετατόπιση μακριά από τη νοοτροπία “υποθέτουμε παραβίαση”: σημαίνει ότι οι εταιρείες χρειάζονται μια εντελώς νέα προσέγγιση και ένα οπλοστάσιο προληπτικών μέτρων. Η απειλή είναι νέα και άγνωστη, και είναι γρήγορη, που είναι γιατί βλέπουμε αυτά τα αποτελέσματα στις περιπτώσεις ransomware. Όπως οι υπογραφές δεν μπορούσαν να跟πουν με την αλλαγή της εικόνας απειλών, ούτε και οποιαδήποτε υπάρχουσα λύση που βασίζεται σε ML.

Στη Deep Instinct, εκμεταλλευόμαστε τη δύναμη της DL για να παρέχουμε μια προσέγγιση προληψης-πρώτα για την ασφάλεια δεδομένων. Η Deep Instinct Predictive Prevention Platform είναι η πρώτη και μοναδική λύση που βασίζεται στο μοναδικό μας πλαίσιο DL που σχεδιάστηκε ειδικά για την κυβερνοασφάλεια. Είναι η πιο αποτελεσματική, αποτελεσματική και αξιόπιστη λύση κυβερνοασφάλειας στην αγορά, προλαμβάνοντας >99% των zero-day, ransomware και άλλων άγνωστων απειλών σε <20 milliseconds με το χαμηλότερο (<0.1%) ποσοστό ψευδώς θετικών. Έχουμε ήδη εφαρμόσει το μοναδικό μας πλαίσιο DL για την ασφάλεια εφαρμογών και endpoint, και πιο πρόσφατα επεκτείναμε τις ικανότητες μας στην προστασία αποθήκευσης με την έναρξη της Deep Instinct Prevention for Storage.

Μια μετατόπιση προς την προβλεπτική πρόληψη για την ασφάλεια δεδομένων απαιτείται για να παραμείνει μπροστά από τις ευπάθειες, να περιορίσει τα ψευδώς θετικά και να ανακουφίσει την πίεση των ομάδων ασφαλείας. Βρισκόμαστε στην πρώτη γραμμή αυτής της αποστολής και αρχίζει να κερδίζει έδαφος καθώς περισσότεροι παραδοσιακοί προμηθευτές τώρα διακηρύττουν ικανότητες προληψης-πρώτα.

Μπορείτε να συζητήσετε ποιο είδος εκπαιδευτικών δεδομένων χρησιμοποιείται για την εκπαίδευση των μοντέλων σας;

Όπως και άλλα μοντέλα AI και ML, το μοντέλο μας εκπαιδεύεται σε δεδομένα. Αυτό που κάνει το μοντέλο μας μοναδικό είναι ότι δεν χρειάζεται δεδομένα ή αρχεία από πελάτες για να μάθει και να μεγαλώσει. Αυτή η μοναδική πτυχή ιδιωτικότητας δίνει στους πελάτες μας μια πρόσθετη αίσθηση ασφάλειας όταν αναπτύσσουν τις λύσεις μας. Υπογράφουμε σε περισσότερες από 50 ροές που κατεβάζουμε αρχεία για να εκπαιδεύσουμε το μοντέλο μας. Από εκεί, επικυρώνουμε και ταξινομούμε δεδομένα με αλγορίθμους που αναπτύξαμε εσωτερικά.

Λόγω αυτού του μοντέλου εκπαίδευσης, χρειάζεται μόνο να δημιουργήσουμε 2-3 νέα “εγκέφαλα” το χρόνο. Αυτά τα νέα εγκέφαλα推 out ανεξάρτητα, μειώνοντας σημαντικά οποιαδήποτε λειτουργική επίδραση στους πελάτες μας. Επίσης, δεν απαιτείται συνεχής ενημέρωση για να跟πουν την εξελισσόμενη εικόνα απειλών. Αυτό είναι το πλεονέκτημα της πλατφόρμας που είναι ενεργοποιημένη από DL και μας επιτρέπει να παρέχουμε μια προβλεπτική, προληπτική προσέγγιση, ενώ άλλες λύσεις που χρησιμοποιούν AI και ML παρέχουν αντιδραστικές ικανότητες.

Όταν το repository είναι έτοιμο, χτίζουμε σύνολα δεδομένων χρησιμοποιώντας όλα τα είδη αρχείων με κακόβουλη και ευνοϊκή ταξινόμηση μαζί με άλλα μεταδεδομένα. Από εκεί, εκπαιδεύουμε περαιτέρω ένα εγκέφαλο σε όλα τα διαθέσιμα δεδομένα — δεν απορρίπτουμε κανένα δεδομένο κατά τη διάρκεια της εκπαίδευσης, που συνεισφέρει σε χαμηλά ψευδώς θετικά και υψηλή αποτελεσματικότητα. Αυτά τα δεδομένα συνεχίζουν να μαθαίνουν με τον εαυτό τους χωρίς την επέμβασή μας. Ρυθμίζουμε τα αποτελέσματα για να διδάξουμε το εγκέφαλο και μετά συνεχίζει να μαθαίνει. Είναι πολύ παρόμοιο με τον τρόπο που λειτουργεί ο ανθρώπινος εγκέφαλος και πώς μαθαίνουμε — όσο περισσότερα διδάσκεται, τόσο πιο ακριβής και έξυπνοι γινόμαστε. Ωστόσο, είμαστε εξαιρετικά προσεκτικοί για να αποφύγουμε την υπερ-προσαρμογή, για να διατηρήσουμε το εγκέφαλο DL μας από το να θυμάται τα δεδομένα αντί να τα μαθαίνει και να τα καταλαβαίνει.

Όταν έχουμε ένα εξαιρετικά υψηλό επίπεδο αποτελεσματικότητας, δημιουργούμε ένα μοντέλο inference που αναπτύσσεται στους πελάτες. Όταν το μοντέλο αναπτύσσεται σε αυτό το στάδιο, δεν μπορεί να μάθει νέα πράγματα. Ωστόσο, έχει την ικανότητα να αλληλεπιδρά με νέα δεδομένα και άγνωστες απειλές και να καθορίσει εάν είναι κακόβουλη φύση. Ουσιαστικά, λαμβάνει μια “zero day” απόφαση για όλα όσα βλέπει.

Η Deep Instinct εκτελείται σε ένα περιβάλλον container του πελάτη, γιατί αυτό είναι σημαντικό;

Μια από τις λύσεις της πλατφόρμας μας, η Deep Instinct Prevention for Applications (DPA), προσφέρει την khảότητα να εκμεταλλευτεί τις ικανότητες DL μας μέσω eines API / iCAP interface. Αυτή η ευελιξία επιτρέπει στους οργανισμούς να ενσωματώσουν τις επαναστατικές μας ικανότητες μέσα στις εφαρμογές και την υποδομή, που σημαίνει ότι μπορούμε να επεκτείνουμε την εμβέλεια μας για να προληφθούν απειλές χρησιμοποιώντας μια αμυντική-βαθιά στρατηγική κυβερνοασφάλειας. Αυτή η προσέγγιση είναι ένα μοναδικό διαφοροποιητικό. Η DPA εκτελείται σε ένα container (που παρέχουμε), και ευθυγραμμίζεται με τις σύγχρονες στρατηγικές ψηφιοποίησης που εφαρμόζουν οι πελάτες μας, όπως η μετεγκατάσταση σε περιβάλλοντα container σε προμηθευτή ή cloud για τις εφαρμογές και τις υπηρεσίες τους. Γενικά, αυτοί οι πελάτες υιοθετούν επίσης μια “shift left” με DevOps. Το μοντέλο υπηρεσιών API μας συμπληρώνει αυτό, επιτρέποντας την ανάπτυξη Agile και υπηρεσιών για να προληφθούν απειλές.

Με αυτήν την προσέγγιση, η Deep Instinct ενσωματώνεται άρτια στην τεχνολογική στρατηγική του οργανισμού, αξιοποιώντας τις υπάρχουσες υπηρεσίες με κανένα νέο hardware ή логιστική ανησυχία και κανένα νέο λειτουργικό κόστος, που οδηγεί σε πολύ χαμηλό TCO. Εκμεταλλευόμαστε όλα τα πλεονεκτήματα που προσφέρουν τα containers, συμπεριλαμβανομένης της αυτόματης κλιμάκωσης, ανθεκτικότητας, χαμηλής καθυστέρησης και εύκολης αναβάθμισης. Αυτό επιτρέπει μια στρατηγική προληψης-πρώτα για την κυβερνοασφάλεια, ενσωματώνοντας την πρόληψη απειλών στις εφαρμογές και την υποδομή σε μεγάλη κλίμακα, με αποδοτικότητα που οι λύσεις legacy δεν μπορούν να επιτύχουν. Λόγω των χαρακτηριστικών DL, έχουμε το πλεονέκτημα της χαμηλής καθυστέρησης, υψηλής αποτελεσματικότητας / χαμηλών ψευδώς θετικών, σε συνδυασμό με την ευαισθησία στην ιδιωτικότητα — κανένα αρχείο ή δεδομένο δεν αφήνει ποτέ το container, που είναι πάντα υπό τον έλεγχο του πελάτη. Το προϊόν μας δεν χρειάζεται να μοιράζεται με το cloud, να κάνει ανάλυση ή να μοιράζεται τα αρχεία/δεδομένα, που το κάνει μοναδικό σε σύγκριση με οποιοδήποτε υπάρχον προϊόν.

Η Generative AI προσφέρει το δυναμικό να κλιμακωθούν οι κυβερνοεπιθέσεις, πώς η Deep Instinct διατηρεί την ταχύτητα που χρειάζεται για να αποκρούσει αυτές τις επιθέσεις;

Το πλαίσιο DL μας είναι χτισμένο σε νευρωνικά δίκτυα, οπότε ο “εγκέφαλος” του συνεχίζει να μαθαίνει και να εκπαιδεύεται σε сыρα δεδομένα. Η ταχύτητα και ακρίβεια με την οποία λειτουργεί το πλαίσιο μας είναι το αποτέλεσμα του εγκεφάλου που εκπαιδεύεται σε εκατοντάδες εκατομμύρια δείγματα. Όσο αυτά τα σύνολα δεδομένων μεγαλώνουν, το νευρωνικό δίκτυο συνεχίζει να γίνεται πιο έξυπνο, επιτρέποντάς του να είναι πιο λεπτομερές στην κατανόηση του τι κάνει ένα κακόβουλο αρχείο. Επειδή μπορεί να αναγνωρίσει τα δομικά στοιχεία των κακόβουλων αρχείων σε ένα πιο λεπτομερές επίπεδο από οποιαδήποτε άλλη λύση, η DL σταματάει γνωστές, άγνωστες και zero-day απειλές με μεγαλύτερη ακρίβεια και ταχύτητα από άλλα καθιερωμένα προϊόντα κυβερνοασφάλειας. Αυτό, σε συνδυασμό με το γεγονός ότι ο “εγκέφαλος” μας δεν απαιτεί κανένα cloud-ανάλυση ή αναζήτηση, το κάνει μοναδικό. Το ML μόνο του δεν ήταν ποτέ αρκετό, που είναι γιατί έχουμε cloud ανάλυση για να υποστηρίξουμε το ML — αλλά αυτό το κάνει αργό και αντιδραστικό. Η DL απλά δεν έχει αυτό το περιορισμό.

Τι είναι μερικές από τις μεγαλύτερες απειλές που ενισχύονται με την Generative AI που οι επιχειρήσεις πρέπει να λάβουν υπόψη;

Τα emails phishing έχουν γίνει πολύ πιο σύνθερα χάρη στην εξέλιξη της AI. Προηγουμένως, τα emails phishing ήταν συνήθως εύκολο να αναγνωριστούν ως είχαν γραμματικές λάθη. Αλλά τώρα οι θυγατρικοί ηθοποιοί χρησιμοποιούν εργαλεία όπως το ChatGPT για να δημιουργήσουν πιο σε βάθος, γραμματικά σωστά emails σε διάφορες γλώσσες που είναι πιο δύσκολο για τα φίλτρα spam και τους αναγνώστες να πιάσουν.

Ένα άλλο παράδειγμα είναι τα deep fakes που έχουν γίνει πολύ πιο ρεαλιστικά και πιστευτά λόγω της εξέλιξης της AI. Τα εργαλεία ήχου AI χρησιμοποιούνται επίσης για να προσομοιώσουν τις φωνές των εκτελεστών μέσα σε μια εταιρεία, αφήνοντας ψευδείς voicemails για τους υπαλλήλους.

Όπως αναφέρθηκε παραπάνω, οι επιτιθέμενοι χρησιμοποιούν την AI για να δημιουργήσουν άγνωστο malware που μπορεί να αλλάξει τη συμπεριφορά του για να παρακάμψει λύσεις ασφαλείας, να ξεφύγει από την ανίχνευση και να διαδοθεί πιο αποτελεσματικά. Οι επιτιθέμενοι θα συνεχίσουν να χρησιμοποιούν την AI όχι μόνο για να δημιουργήσουν νέο, σύνθετο και άγνωστο malware που θα παρακάμψει τις υπάρχουσες λύσεις, αλλά και για να αυτοματοποιήσουν την “end to end” αλυσίδα επιθέσεων. Αυτό θα μειώσει σημαντικά τα κόστη τους, θα αυξήσει την κλίμακα τους και, ταυτόχρονα, θα οδηγήσει σε επιθέσεις με πιο σύνθετες και επιτυχείς εκστρατείες. Η βιομηχανία κυβερνοασφάλειας πρέπει να ξανασκέφτεί τις υπάρχουσες λύσεις, την εκπαίδευση και τα προγράμματα ευαισθητοποίησης που έχουμε βασιστεί τα τελευταία 15 χρόνια. Όπως βλέπουμε στις παραβιάσεις φέτος μόνο, έχουν ήδη αποτύχει και θα γίνει χειρότερο.

Μπορείτε να συνοψίσετε τους τύπους λύσεων που προσφέρονται από τη Deep Instinct όταν πρόκειται για εφαρμογές, endpoint και λύσεις αποθήκευσης;

Η Deep Instinct Predictive Prevention Platform είναι η πρώτη και μοναδική λύση που βασίζεται σε ένα μοναδικό πλαίσιο DL που σχεδιάστηκε ειδικά για να λύσει τις σημερινές προκλήσεις κυβερνοασφάλειας — δηλαδή, να προληφθούν απειλές πριν μπορέσουν να εκτελεστούν και να φτάσουν στο περιβάλλον σας. Η πλατφόρμα έχει τρεις πυλώνες:

1. Χωρίς agent, σε ένα περιβάλλον container, συνδεδεμένο μέσω API ή ICAP: Η Deep Instinct Prevention for Applications είναι μια λύση χωρίς agent που προλαμβάνει ransomware, zero-day απειλές και άγνωστο malware πριν φτάσουν στις εφαρμογές σας, χωρίς να επηρεάζουν την εμπειρία του χρήστη.
2. Βάσει agent στο endpoint: Η Deep Instinct Prevention for Endpoints είναι μια αυτόνομη πλατφόρμα προληψης-πρώτα — όχι σε εκτέλεση όπως οι περισσότερες λύσεις σήμερα. Ή μπορεί να παρέχει ένα πραγματικό στρώμα προληψης-απειλών για να συμπληρώσει οποιαδήποτε υπάρχουσα λύση EDR. Προλαμβάνει γνωστές, άγνωστες, zero-day και ransomware απειλές πριν από την εκτέλεση, πριν από οποιαδήποτε κακόβουλη δραστηριότητα, μειώνοντας σημαντικά τον όγκο των ειδοποιήσεων και μειώνοντας τα ψευδώς θετικά, ώστε οι ομάδες SOC να μπορούν να εστιάσουν αποκλειστικά σε υψηλής πιστότητας, νομικές απειλές.
3. Μια προσέγγιση προληψης-πρώτα για την προστασία αποθήκευσης: Η Deep Instinct Prevention for Storage προσφέρει μια προβλεπτική προληπτική προσέγγιση για να σταματήσει ransomware, zero-day απειλές και άγνωστο malware από το να εισχωρήσει σε περιβάλλοντα αποθήκευσης — είτε τα δεδομένα αποθηκεύονται σε προμηθευτή είτε στο cloud. Παρέχοντας μια γρήγορη, εξαιρετικά υψηλή αποτελεσματικότητα λύση στην κεντρική αποθήκευση για τους πελάτες, προλαμβάνει την αποθήκευση από το να γίνει σημείο διάδοσης και διανομής για οποιαδήποτε απειλή.

Ευχαριστούμε για την εξαιρετική αναθεώρηση. Οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν Deep Instinct.