מאיאנק קומאר, מהנדס AI מייסד ב-DeepTempo – סדרת ראיונות

מאיאנק קומאר הוא מהנדס AI מייסד ב-DeepTempo, שם הוא מוביל את תכנון ופיתוח המודל היסודי של החברה, Log Language Model (LogLM). עם רקע אקדמי ומחקרי חזק ב-AI יוצר ורב-מודאלי, הוא מביא מומחיות מיוחדת לבניית מודלים ספציפיים לתחום שמשפרים את גילוי האיומים ותגובה בסביבות אבטחת מידע.

DeepTempo היא חברת אבטחת מידע שנבנתה סביב LogLM, מודל יסוד AI-ילידי שאומן על מנתוחי ביטחון בקנה מידה גדול. הפלטפורמה מצטיינת בזיהוי איומים מתוחכמים ולא נראים קודם, בעודה מקטינה את החיוביים השווא. תוכננה לאינטגרציה חלקה לתוך זרימות אבטחה קיימות, DeepTempo תומכת בהטמעות ברחבי datalakes, Kubernetes, ו-Snowflake, מאפשרת פורנזית מהירה יותר, הורדת עלויות הבליעה של נתונים, והגנה אוטומטית מסולקת עבור תאגידים מודרניים.

מה הוביל אותך להקים את DeepTempo, וכיצד רקעך במחקר אקדמי ו-AI פתוח תרם לכיוונה של החברה?

גדלתי בקהילה הדוקה שבה היחסים נבנו פנים אל פנים, לא דרך מסכים. אבי, מורה, הנחיל בי את חשיבות הנתינה. בעודנו לא היינו עשירים במונחים חומריים, היינו עשירים בקשר ומטרה. בסוג כזה של סביבה, אתה לומד מהר שפתרון בעיות אינו רק עניין של כישרון אינדיבידואלי – זה עניין של עוצמה קולקטיבית. המנטליות הזו נשארה איתי ולבסוף הובילה אותי לעניין ביזמות חברתית בזמן לימודי הנדסה ב-IIT Ropar.

נקודת המפנה הגיעה כאשר דפדפן אבי הותקף על ידי תוכנת כופר. לא היה זה רק מעיד טכני, הוא הכניס פחד, בלבול, ופגיעות לביתנו. חוויה זו פתחה את עיניי לראות כמה העולם הדיגיטלי הוא שברירי, לא רק עבור יחידים, אלא גם עבור ארגונים שתמיד תחת איום. בסביבות אותו זמן, פגשתי את אוון, שחזונו לבנות הגנה קולקטיבית בקנה מידה אינטרנטי הדהד איתי. המשימה המשותפת – והדחף שלי ליישם טכנולוגיה לשירות בני אדם – הוא מה שמשך אותי ל-DeepTempo.

באוניברסיטת וושינגטון, מחקרי התמקד בשני תחומים מרכזיים: למידת ייצוג רב-מודאלי ו-AI מרכזי-נתונים. שניהם הוכחו כביקורתיים כאשר בנינו את מודל היסוד האנכי שלנו, LogLM. לא כמו שפה טבעית, לוגים של אבטחת מידע הם מלוכלכים, מובנים, ומרוסקים. אתגרנו הראשון היה לבנות “שפה” חדשה לפרש נתונים אלה, מאפשרת ל-LogLM ללמוד ייצוגים משמעותיים מרצפים אלה. גם השקענו רבות באופן שבו מעריכים ביצועים, שכן באבטחה, דיוק אינו אופציונלי, והזיות אינן מקובלות.

אבל מעבר לטכנולוגיה, כוכב הצפון שלנו היה תמיד הגנה קולקטיבית. זהו הסיבה ששיתוף פעולה קוד פתוח יהיה חיוני להפוך את המשימה הזו למוצלחת בקנה מידה.

המושג “הגנה קולקטיבית” הוא מרכזי ל-DeepTempo. מהו הכוונתו בפועל, וכיצד הוא שונה מגישות מסורתיות לאבטחת מידע?

בפועל, הגנה קולקטיבית משמעותה שכאשר מקרה של LogLM במערכת לקוח מזהה התנהגות תקיפה חדשה, אומר, קמפיין הקמה והוצאת נתונים כולל תקשורת מאורגנת והעברה לא רגילה של נתונים, התובנה הזו יכולה להיות מרוכזת לחתימה התנהגותית כללית ולהישלח ברחבי האקוסיסטם. חשוב, זה לא כולל שליחת לוגים גולמיים או נתוני לקוח. במקום זאת, אנו מוחלטים דפוסי התנהגות בעלי ביטחון גבוה ומשלבים אותם לתוך משקלי המודל דרך טכניקות למידה פדרטיביות.

זהו ניגוד חד למערכות מורשות שסומכות על כללים אוניברסליים או זרמי מודיעין איומים סטטיים. מערכות אלו לא מתפתחות עד שמספר קורבנות מושפעים. עם הגנה קולקטיבית, מערכת הגילוי מתפתחת עם כל אותות איכותיים, אפילו אם האיום הוא ספציפי מאוד לסביבה אחת. זה מאפשר לנו לתפוס איומים פולימורפיים וזרמי תקיפה משופרים על ידי LLM לפני שהם הופכים לנפוצים.

… (the rest of the translation remains the same, following the exact structure and format as the original, without any additions, omissions, or alterations)