Yariv Fishman, Directeur des Produits chez Deep Instinct – Série d’entretiens

Yariv Fishman est Directeur des Produits (CPO) chez Deep Instinct, il est un directeur de produits expérimenté avec plus de 20 ans d’expérience de leadership dans des marques B2B mondiales réputées. Fishman a occupé plusieurs postes importants, notamment des postes de direction chez Microsoft (MSFT ) où il a dirigé le portefeuille de produits de sécurité des applications cloud et a initié le programme de partenariat de sécurité MSSP, et Chef de la gestion des produits, Sécurité cloud et IoT chez CheckPoint. Il détient un B.Sc en ingénierie des systèmes d’information de l’Université Ben Gourion et un MBA de l’Institut de technologie d’Israël, le Technion.

Deep Instinct est une entreprise de cybersécurité qui applique l’apprentissage profond à la cybersécurité. L’entreprise met en œuvre l’IA pour la tâche de prévention et de détection des logiciels malveillants.

Pouvez-vous nous parler de votre parcours dans l’industrie de la cybersécurité et de la manière dont il a façonné votre approche de la gestion de produits ?

Au cours de mes 20 ans de carrière, j’ai travaillé dans plusieurs organisations B2B mondiales, notamment Check Point Software Technologies (CHKP ) et Microsoft, où j’ai dirigé la gestion de produits et la stratégie et ai acquis une expérience en cybersécurité dans le cloud public, les points de terminaison, le réseau et la sécurité des applications SaaS.

Au fil du temps, j’ai appris différentes bonnes pratiques – de la manière de gérer une équipe à la manière de définir la bonne stratégie – qui ont façonné ma façon de diriger chez Deep Instinct. Travailler pour de nombreuses entreprises de cybersécurité de différentes tailles m’a permis d’avoir une vision globale des styles de gestion et d’apprendre à créer des processus qui soutiennent des équipes qui évoluent rapidement. J’ai également vu de visu comment lancer des produits et planifier l’adéquation produit-marché, ce qui est crucial pour le succès des entreprises.

Qu’est-ce qui vous a attiré chez Deep Instinct, et comment votre rôle a-t-il évolué depuis que vous avez rejoint l’entreprise en tant que Directeur des Produits ?

En tant que vétéran de l’industrie, je me laisse rarement emporter par de nouvelles technologies. J’ai découvert Deep Instinct alors que je travaillais chez Microsoft. Lorsque j’ai appris les possibilités de la technologie de prévention prédictive, j’ai rapidement réalisé que Deep Instinct était la véritable affaire et faisait quelque chose d’unique. Je me suis joint à l’entreprise pour aider à produire son cadre d’apprentissage profond, créer une adéquation marché et des cas d’utilisation pour cette solution de sécurité des données de zero-day de première génération.

Depuis que j’ai rejoint l’équipe il y a trois ans, mon rôle a changé et évolué avec notre entreprise. Initialement, j’ai concentré mon attention sur la construction de notre équipe de gestion de produits et des processus pertinents. Maintenant, nous nous concentrons fortement sur la stratégie et sur la manière dont nous commercialisons nos capacités de sécurité des données de zero-day dans le marché actuel en constante évolution et de plus en plus menaçant.

Deep Instinct utilise un cadre d’apprentissage profond unique pour ses solutions de cybersécurité. Pouvez-vous discuter des avantages de l’apprentissage profond par rapport à l’apprentissage automatique traditionnel dans la prévention des menaces ?

Le terme « IA » est largement utilisé comme un remède miracle pour équiper les organisations dans la lutte contre les menaces de zero-day. Cependant, alors que de nombreux fournisseurs de cybersécurité prétendent apporter l’IA à la lutte, l’apprentissage automatique (ML) – une forme moins sophistiquée d’IA – reste une partie intégrante de leurs produits. Le ML est inadapté à la tâche. Les solutions ML sont formées sur des sous-ensembles limités de données disponibles (généralement 2-5 %), offrent seulement 50-70 % de précision avec les menaces inconnues et introduisent des faux positifs. Elles nécessitent également une intervention humaine car elles sont formées sur des ensembles de données plus petits, ce qui augmente les chances de biais et d’erreur humaine.

Toute l’IA n’est pas égale. L’apprentissage profond (DL), la forme la plus avancée d’IA, est la seule technologie capable de prévenir et d’expliquer les menaces de zero-day connues et inconnues. La distinction entre les solutions ML et DL devient évidente lorsqu’on examine leur capacité à identifier et à prévenir les menaces connues et inconnues. Contrairement au ML, le DL est basé sur des réseaux de neurones, ce qui lui permet d’apprendre et de se former sur des données brutes. Cette autonomie permet au DL d’identifier, de détecter et de prévenir les menaces complexes. Avec sa compréhension des composants fondamentaux des fichiers malveillants, le DL permet aux équipes de rapidement établir et de maintenir une posture de sécurité des données robuste, contrecarrant la prochaine menace avant même qu’elle ne se matérialise.

Deep Instinct a récemment lancé DIANNA, le premier assistant de cybersécurité alimenté par l’IA générative. Pouvez-vous expliquer l’inspiration derrière DIANNA et ses fonctionnalités clés ?

Deep Instinct est le seul fournisseur sur le marché capable de prédire et de prévenir les attaques de zero-day. Les vulnérabilités de zero-day des entreprises sont en augmentation. Nous avons constaté une augmentation de 64 % des attaques de zero-day en 2023 par rapport à 2022, et nous avons lancé l’assistant de réseau neuronal artificiel de Deep Instinct (DIANNA) pour lutter contre cette tendance croissante. DIANNA est le premier et seul assistant de cybersécurité alimenté par l’IA générative pour fournir une analyse et une explication d’expert de niveau pour les attaques de zero-day et les menaces inconnues.

Ce qui distingue DIANNA des autres outils d’IA traditionnels qui utilisent les LLM est sa capacité à fournir des informations sur pourquoi les attaques inconnues sont malveillantes. Aujourd’hui, si quelqu’un veut expliquer une attaque de zero-day, il doit la faire passer par un bac à sable, ce qui peut prendre des jours et, à la fin, ne fournira pas d’explication élaborée ou ciblée. Même si cette approche est précieuse, elle n’offre qu’une analyse rétrospective avec un contexte limité. DIANNA n’analyse pas seulement le code ; elle comprend l’intention, les actions potentielles et explique ce que le code est conçu pour faire : pourquoi il est malveillant et comment il pourrait avoir un impact sur les systèmes. Ce processus permet aux équipes SOC de se concentrer sur les alertes et les menaces qui comptent vraiment.

Comment la capacité de DIANNA à fournir une analyse d’expert de niveau pour les logiciels malveillants diffère-t-elle des outils d’IA traditionnels sur le marché de la cybersécurité ?

DIANNA est comme avoir une équipe virtuelle d’analystes de logiciels malveillants et d’experts en réponse aux incidents à votre portée pour fournir une analyse approfondie des attaques connues et inconnues, en expliquant les techniques des attaquants et les comportements des fichiers malveillants.

Les autres outils d’IA ne peuvent identifier que les menaces connues et les vecteurs d’attaque existants. DIANNA va au-delà des outils d’IA traditionnels, offrant aux organisations un niveau d’expertise et de connaissance sans précédent sur les scripts inconnus, les documents et les binaires bruts pour se préparer aux attaques de zero-day. De plus, DIANNA fournit une visibilité améliorée sur le processus de prise de décision des modèles de prévention de Deep Instinct, permettant aux organisations de peaufiner leur posture de sécurité pour une efficacité maximale.

Quels sont les principaux défis que DIANNA résout dans le paysage actuel de la cybersécurité, en particulier en ce qui concerne les menaces inconnues ?

Le problème avec les attaques de zero-day aujourd’hui est le manque d’informations sur pourquoi un incident a été arrêté et considéré comme malveillant. Les analystes de menaces doivent passer un temps considérable à déterminer si c’était une attaque malveillante ou un faux positif. Contrairement à d’autres solutions de cybersécurité, Deep Instinct bloquait régulièrement les attaques de zero-day avec notre solution DL unique. Cependant, les clients demandaient des explications détaillées pour mieux comprendre la nature de ces attaques. Nous avons développé DIANNA pour améliorer les capacités d’apprentissage profond de Deep Instinct, réduire la charge de travail des équipes de sécurité surchargées et fournir une explication en temps réel des menaces inconnues et sophistiquées. Notre capacité à concentrer les modèles de GenAI sur des artefacts spécifiques nous permet de fournir une réponse complète et ciblée pour combler le fossé du marché.

DIANNA est un progrès significatif pour l’industrie et un exemple tangible de la capacité de l’IA à résoudre des problèmes du monde réel. Elle utilise uniquement l’analyse statique pour identifier le comportement et l’intention de différents formats de fichiers, notamment les binaires, les scripts, les documents, les fichiers de raccourci et d’autres types de fichiers de livraison de menaces. DIANNA est plus qu’une avancée technologique ; c’est un changement stratégique vers un environnement de cybersécurité plus intuitif, plus efficace et plus efficient.

Pouvez-vous expliquer comment DIANNA traduit le code binaire et les scripts en rapports de langage naturel et quels sont les avantages que cela apporte aux équipes de sécurité ?

Ce processus fait partie de notre sauce secrète. À un niveau élevé, nous pouvons détecter les logiciels malveillants que le cadre d’apprentissage profond identifie dans une attaque, puis les alimenter en tant que métadonnées dans le modèle LLM. En extrayant les métadonnées sans exposer d’informations sensibles, DIANNA fournit l’explication de zero-day et les réponses ciblées que les clients recherchent.

À mesure que les attaques générées par l’IA augmentent, comment voyez-vous l’IA évoluer pour contrer ces menaces de manière plus efficace ?

À mesure que les menaces basées sur l’IA augmentent, rester en tête des attaquants de plus en plus sophistiqués nécessite de dépasser les outils d’IA traditionnels et d’innover avec une meilleure IA, en particulier l’apprentissage profond. Deep Instinct est la première et seule entreprise de cybersécurité à utiliser l’apprentissage profond dans sa technologie de sécurité des données pour prévenir les menaces avant qu’elles ne causent une faille et prédire les menaces futures. La solution de sécurité des données de zero-day de Deep Instinct peut prédire et prévenir les menaces connues, inconnues et de zero-day en <20 millisecondes, 750 fois plus vite que le ransomware le plus rapide peut chiffrer – ce qui en fait un ajout essentiel à chaque pile de sécurité, offrant une protection complète et multiforme contre les menaces à travers les environnements hybrides.

Je vous remercie pour cette excellente interview. Les lecteurs qui souhaitent en savoir plus peuvent visiter Deep Instinct.