साक्षात्कार
सार्यू नायर, गुरुकुल के सीईओ और संस्थापक – साक्षात्कार श्रृंखला
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
सार्यू नायर एक अंतरराष्ट्रीय स्तर पर मान्यता प्राप्त साइबर सुरक्षा विशेषज्ञ, लेखक, वक्ता और फोर्ब्स टेक्नोलॉजी काउंसिल के सदस्य हैं। उनके पास सूचना सुरक्षा, पहचान और पहुंच प्रबंधन, आईटी जोखिम और अनुपालन, और सुरक्षा जोखिम प्रबंधन क्षेत्रों में 15 से अधिक वर्षों का अनुभव है।
उन्हें 2017 में ईवाई उद्यमी विजेता महिला नामित किया गया था। उन्होंने सुरक्षा उत्पादों और सेवाओं की रणनीति में नेतृत्व की भूमिकाएं निभाई हैं ऑरैकल, सिमियो, सन माइक्रोसिस्टम्स, वाउ (सन द्वारा अधिग्रहित) और डिज़नी में। सार्यू ने अर्न्स्ट एंड यंग के प्रौद्योगिकी सुरक्षा और जोखिम प्रबंधन अभ्यास में वरिष्ठ पदों पर भी काम किया है।
(ORCL )गुरुकुल एक साइबर सुरक्षा कंपनी है जो व्यवहार-आधारित सुरक्षा और जोखिम विश्लेषण में माहिर है। इसका प्लेटफ़ॉर्म मशीन लर्निंग, एआई और बिग डेटा का लाभ उठाकर हाइब्रिड वातावरण में अंदरूनी खतरों, खाता समझौता और उन्नत हमलों का पता लगाने के लिए उपयोग किया जाता है। गुरुकुल अपने एकीकृत सुरक्षा और जोखिम विश्लेषण प्लेटफ़ॉर्म के लिए जाना जाता है, जो एसआईईएम, यूईबीए (यूज़र और एंटिटी बिहेवियर एनालिटिक्स), एक्सडीआर और पहचान विश्लेषण को एक साथ जोड़ता है ताकि वास्तविक समय में खतरे का पता लगाया जा सके और प्रतिक्रिया दी जा सके। कंपनी उद्यमों, सरकारों और एमएसएसपी को सेवाएं प्रदान करती है, जो झूठे सकारात्मक परिणामों को कम करने और खतरे के समाधान को तेज करने के लिए बुद्धिमान स्वचालन के माध्यम से लक्ष्य रखती है।
आपको 2010 में गुरुकुल शुरू करने के लिए क्या प्रेरित किया, और साइबर सुरक्षा परिदृश्य में आप किस समस्या का समाधान करना चाहते थे?
गुरुकुल की स्थापना सुरक्षा संचालन और अंदरूनी जोखिम प्रबंधन टीमों को उनके व्यवसाय को प्रभावित करने वाले सबसे महत्वपूर्ण साइबर जोखिमों में स्पष्टता प्राप्त करने में मदद करने के लिए की गई थी। 2010 से हमने व्यवहारिक और पूर्वानुमानिक विश्लेषण की दृष्टिकोण अपनाया है, जो नियम-आधारित नहीं है, जिससे 4,000 से अधिक मशीन लर्निंग मॉडल तैयार किए गए हैं जो विभिन्न हमलों और जोखिम परिदृश्यों में उपयोगकर्ता और इकाई विचलन को संदर्भ में रखते हैं। हमने इसे अपने आधार के रूप में बनाया है, बड़ी फॉर्च्यून 50 कंपनियों को अंदरूनी जोखिम चुनौतियों का समाधान करने में मदद करने से लेकर कंपनियों को सभी साइबर जोखिमों में रेडिकल स्पष्टता प्राप्त करने में मदद करने के लिए। यह हमारे एकीकृत और एआई-ड्रिवन डेटा और सुरक्षा विश्लेषण प्लेटफ़ॉर्म, रिवील का वादा है। अब हम अपने एआई मिशन पर एक स्व-ड्राइविंग सुरक्षा विश्लेषण प्लेटफ़ॉर्म वितरित करने के लिए अपने दृष्टिकोण के साथ आगे बढ़ रहे हैं, जो मशीन लर्निंग को अपने आधार के रूप में लेता है लेकिन अब जेनरेटिव और एजेंटिक एआई क्षमताओं को पूरे खतरे चक्र में परत करता है। लक्ष्य यह है कि विश्लेषक और इंजीनियर जटिलता में कम समय बिताएं और अधिक समय अर्थपूर्ण कार्य पर केंद्रित करें। मशीनें उनके दैनिक गतिविधियों की परिभाषा को बढ़ाने में मदद करें।
ऑरैकल, सन माइक्रोसिस्टम्स और अर्न्स्ट एंड यंग में नेतृत्व की भूमिकाओं में काम करने से आपको क्या मुख्य सबक मिले जो आप गुरुकुल की स्थापना में लाए?
ऑरैकल, सन माइक्रोसिस्टम्स और अर्न्स्ट एंड यंग में मेरे नेतृत्व के अनुभव ने मुझे जटिल सुरक्षा चुनौतियों का समाधान करने की मेरी क्षमता को मजबूत किया और मुझे यह समझने में मदद की कि फॉर्च्यून 100 सीईओ और सीआईएसओ का सामना किन चुनौतियों से होता है। सामूहिक रूप से, यह मुझे प्रौद्योगिकी और व्यावसायिक चुनौतियों को समझने में मदद की जो अधिकांश सुरक्षा नेताओं का सामना करते हैं और मुझे उन अंतरालों को पाटने के लिए समाधान बनाने के लिए प्रेरित किया।
गुरुकुल का रिवील प्लेटफ़ॉर्म पारंपरिक एसआईईएम (सुरक्षा सूचना और घटना प्रबंधन) समाधानों से कैसे अलग है?
विरासत एसआईईएम समाधान स्थिर, नियम-आधारित दृष्टिकोण पर निर्भर करते हैं जो अत्यधिक झूठे सकारात्मक परिणाम, बढ़े हुए लागत और देरी से पता लगाने और प्रतिक्रिया की ओर ले जाते हैं। हमारा रिवील प्लेटफ़ॉर्म पूरी तरह से क्लाउड-देशी और एआई-ड्रिवन है, जो उन्नत मशीन लर्निंग, व्यवहारिक विश्लेषण और गतिशील जोखिम स्कोरिंग का उपयोग करके खतरों का पता लगाने और प्रतिक्रिया देने के लिए वास्तविक समय में उपयोग किया जाता है। पारंपरिक प्लेटफ़ॉर्म के विपरीत, रिवील विकसित होते खतरों के लिए निरंतर रूप से अनुकूलन करता है और व्यापक सुरक्षा कवरेज के लिए ऑन-प्रिमाइसेस, क्लाउड और हाइब्रिड वातावरण में एकीकृत करता है। गार्टनर के मैजिक क्वाड्रंट में तीन सsecutive वर्षों के लिए ‘सबसे दूरंदेशी’ एसआईईएम समाधान के रूप में मान्यता प्राप्त, रिवील एआई-ड्रिवन एसआईईएम को असाधारण सटीकता, गति और दृश्यता के साथ पुनः परिभाषित करता है। इसके अलावा, एसआईईएम डेटा अधिभार समस्या से जूझते हैं। वे पूर्ण दृश्यता के लिए आवश्यक सभी चीजों को निगलने के लिए बहुत महंगे हैं और भले ही वे ऐसा करते हैं, तो यह केवल झूठे सकारात्मक समस्या में जोड़ता है। गुरुकुल इस समस्या को समझता है और यही कारण है कि हमारे पास एक मूल और एआई-ड्रिवन डेटा पाइपलाइन प्रबंधन समाधान है जो गैर-महत्वपूर्ण डेटा को कम लागत वाले भंडारण में फ़िल्टर करता है, पैसे बचाता है, जबकि सभी डेटा पर संघीय खोज चलाने की क्षमता को बनाए रखता है। विश्लेषण प्रणाली एक “कचरा में, कचरा बाहर” स्थिति है। यदि आने वाला डेटा फुलाया हुआ, अनावश्यक या अधूरा है, तो आउटपुट सटीक, कार्रवाई योग्य या अंततः विश्वसनीय नहीं होगा।
मशीन लर्निंग और व्यवहारिक विश्लेषण वास्तविक समय में खतरों का पता लगाने के लिए कैसे उपयोग किए जाते हैं?
हमारा प्लेटफ़ॉर्म 4,000 से अधिक मशीन लर्निंग मॉडल का लाभ उठाकर सभी प्रासंगिक डेटासेट का निरंतर विश्लेषण करता है और वास्तविक समय में विचलन और संदिग्ध व्यवहारों की पहचान करता है। विरासत सुरक्षा प्रणालियों के विपरीत जो स्थिर नियमों पर निर्भर करती हैं, रिवील खतरों का पता लगाता है क्योंकि वे उभरते हैं। प्लेटफ़ॉर्म यूज़र और एंटिटी बिहेवियर एनालिटिक्स (यूईबीए) का भी उपयोग करता है ताकि सामान्य उपयोगकर्ता और इकाई व्यवहार के बेसलाइन स्थापित किए जा सकें, जो अंदरूनी खतरों, समझौता खातों या दुर्भाग्यपूर्ण गतिविधि का संकेत दे सकते हैं। यह व्यवहार एक बड़े डेटा इंजन द्वारा और संदर्भित किया जाता है जो सुरक्षा, नेटवर्क, आईटी, आईओटी, क्लाउड, पहचान, व्यावसायिक अनुप्रयोग डेटा और दोनों आंतरिक और बाहरी स्रोतित खतरे की खुफिया जानकारी को संबंधित, समृद्ध और लिंक करता है। यह एक गतिशील जोखिम स्कोरिंग इंजन को सूचित करता है जो वास्तविक समय में जोखिम स्कोर सौंपता है जो महत्वपूर्ण खतरों के लिए प्रतिक्रियाओं को प्राथमिकता देने में मदद करता है। इन क्षमताओं के साथ मिलकर, वे पारंपरिक सुरक्षा समाधानों से रिवील को अलग करने के लिए एक व्यापक, एआई-ड्रिवन दृष्टिकोण प्रदान करते हैं।
गुरुकुल के एआई-ड्रिवन दृष्टिकोण से पारंपरिक साइबर सुरक्षा प्रणालियों की तुलना में झूठे सकारात्मक परिणामों को कम करने में कैसे मदद मिलती है?
रिवील प्लेटफ़ॉर्म एआई-ड्रिवन संदर्भ विश्लेषण, व्यवहारिक अंतर्दृष्टि और मशीन लर्निंग का लाभ उठाकर वैध उपयोगकर्ता गतिविधि को वास्तविक खतरों से अलग करता है। पारंपरिक समाधानों के विपरीत, रिवील अपनी पता लगाने की क्षमताओं को समय के साथ परिष्कृत करता है, सटीकता में सुधार करता है और शोर को कम करता है। इसका यूईबीए बेसलाइन गतिविधि से विचलन का पता लगाता है जो उच्च सटीकता के साथ, सुरक्षा टीमों को वास्तविक सुरक्षा जोखिमों पर ध्यान केंद्रित करने की अनुमति देता है और झूठे अलार्म से अभिभूत होने से बचाता है। जबकि मशीन लर्निंग एक मूलभूत पहलू है, जेनरेटिव और एजेंटिक एआई अलर्ट के आसपास होने वाली घटना को समझने में विश्लेषकों की मदद करने और अलर्ट की प्रतिक्रिया को स्वचालित करने में महत्वपूर्ण भूमिका निभाते हैं।
आधुनिक साइबर सुरक्षा खतरों में विरोधी एआई की भूमिका क्या है, और गुरुकुल इन विकसित जोखिमों से कैसे निपटता है?
सबसे पहले, हम पहले से ही विरोधी एआई को मानव वेक्टर और पहचान-आधारित खतरों पर लागू होते देख रहे हैं। यही कारण है कि व्यवहारिक और पहचान विश्लेषण अनोमली की पहचान करने और उन्हें संदर्भ में रखने और दुर्भाग्यपूर्ण व्यवहार की भविष्यवाणी करने से पहले महत्वपूर्ण है। इसके अलावा, विरोधी एआई हस्ताक्षर-आधारित पता लगाने की विधियों के लिए अंतिम कील है। प्रतिद्वंद्वी पता लगाने की नियम-परिभाषित पता लगाने वाली नियमों से बचने के लिए एआई का उपयोग कर रहे हैं, लेकिन फिर से वे व्यवहार-आधारित पता लगाने से नहीं बच सकते। एसओसी टीमों के पास नियमों को लिखने के लिए पर्याप्त संसाधन नहीं हैं ताकि वे पता लगाने के लिए तैयार रहें और उन्हें एक आधुनिक दृष्टिकोण की आवश्यकता होगी। व्यवहार और संदर्भ मुख्य सामग्री हैं। अंत में, रिवील जैसे प्लेटफ़ॉर्म एक निरंतर प्रतिक्रिया लूप पर निर्भर करते हैं और हम अपने पता लगाने वाले मॉडल को परिष्कृत करने में मदद करने के लिए निरंतर एआई लागू कर रहे हैं, नए मॉडल की सिफारिश कर रहे हैं और हमारे पूरे पारिस्थितिकी तंत्र के ग्राहकों के लिए लाभान्वित होने वाली नई खतरे की खुफिया जानकारी को सूचित कर रहे हैं।
गुरुकुल की जोखिम-आधारित स्कोरिंग प्रणाली सुरक्षा टीमों को खतरों को प्राथमिकता देने में कैसे सुधार करती है?
हमारे प्लेटफ़ॉर्म की गतिशील जोखिम स्कोरिंग प्रणाली वास्तविक समय में उपयोगकर्ताओं, इकाइयों और क्रियाओं को उनके व्यवहार और संदर्भ अंतर्दृष्टि के आधार पर जोखिम स्कोर सौंपती है। यह सुरक्षा टीमों को महत्वपूर्ण खतरों को प्राथमिकता देने, प्रतिक्रिया समय को कम करने और संसाधनों को अनुकूलित करने में सक्षम बनाता है। 0-100 के पैमाने पर जोखिम को मात्रा करके, रिवील सुनिश्चित करता है कि संगठन सबसे दबाव वाली घटनाओं पर ध्यान केंद्रित करते हैं और निम्न-प्राथमिकता वाले अलार्म से अभिभूत नहीं होते हैं। एक एकीकृत जोखिम स्कोर के साथ जो सभी उद्यम डेटा स्रोतों को कवर करता है, सुरक्षा टीमों को अधिक दृश्यता और नियंत्रण मिलता है, जिससे तेज़ और अधिक सूचित निर्णय लेने में मदद मिलती है।
डेटा उल्लंघनों के बढ़ते युग में, एआई-ड्रिवन सुरक्षा समाधान संगठनों को अंदरूनी खतरों से बचाने में कैसे मदद कर सकते हैं?
अंदरूनी खतरे एक विशेष रूप से चुनौतीपूर्ण सुरक्षा जोखिम हैं क्योंकि उनकी सूक्ष्म प्रकृति और कर्मचारियों द्वारा पहुंच की है। रिवील का यूईबीए असामान्य डेटा एक्सेस, असामान्य लॉगिन समय और विशेषाधिकार के दुरुपयोग जैसी जोखिम भरी गतिविधियों का पता लगाने के लिए स्थापित व्यवहारिक बेसलाइन से विचलन का पता लगाता है। गतिशील जोखिम स्कोरिंग भी वास्तविक समय में व्यवहारों का निरंतर मूल्यांकन करता है, जोखिम स्तरों को सौंपता है जो सबसे दबाव वाले अंदरूनी जोखिमों को प्राथमिकता देता है। इन एआई-ड्रिवन क्षमताओं के साथ, सुरक्षा टीमें अंदरूनी खतरों का पता लगाने और उन्हें उल्लंघन में बदलने से पहले उन्हें कम करने में सक्षम होती हैं। दी गई भविष्यवाणी प्रकृति के साथ अंदरूनी जोखिम प्रबंधन समय के खिलाफ एक दौड़ है। अंदरूनी जोखिम प्रबंधन टीमों को तेजी से प्रतिक्रिया देने और सहयोग करने में सक्षम होने की आवश्यकता है, गोपनीयता को शीर्ष पर रखकर। संदर्भ फिर से महत्वपूर्ण है और व्यवहारिक विचलन को पहचान प्रणाली, एचआर अनुप्रयोगों और सभी प्रासंगिक डेटा स्रोतों से संदर्भ जोड़कर, इन टीमों को तेजी से साक्ष्य का मामला बनाने और व्यवसाय को प्रतिक्रिया देने और डेटा एक्सफिल्ट्रेशन से पहले समाधान करने में मदद मिलती है।
गुरुकुल की पहचान विश्लेषण समाधान पारंपरिक आईएएम (पहचान और पहुंच प्रबंधन) टूल्स की तुलना में सुरक्षा को कैसे बढ़ाता है?
पारंपरिक आईएएम समाधान पहुंच नियंत्रण और प्रमाणीकरण पर ध्यान केंद्रित करते हैं लेकिन वास्तविक समय में समझौता खातों या विशेषाधिकार के दुरुपयोग का पता लगाने के लिए बुद्धिमत्ता और दृश्यता की कमी है। रिवील इन सीमाओं से परे जाता है और उपयोगकर्ता जोखिम का निरंतर मूल्यांकन करने, जोखिम स्कोर को गतिशील रूप से समायोजित करने और अनुकूलन पहुंच अधिकारों को लागू करने के लिए एआई-संचालित व्यवहारिक विश्लेषण का लाभ उठाता है, जिससे दुरुपयोग और अवैध विशेषाधिकारों को कम किया जा सकता है। मौजूदा आईएएम फ्रेमवर्क के साथ एकीकृत होने और न्यूनतम विशेषाधिकार पहुंच को लागू करने से, हमारा समाधान पहचान सुरक्षा को बढ़ाता है और हमले की सतह को कम करता है। आईएएम शासन की समस्या पहचान प्रणाली का फैलाव है और विभिन्न पहचान प्रणालियों के बीच अंतर्संबंध की कमी है। गुरुकुल टीमों को अपनी पहचान बुनियादी ढांचे में 360° दृश्य प्रदान करता है। अब वे पहुंच नीतियों के लिए जोखिम-आधारित दृष्टिकोण अपना सकते हैं और अनुपालन के लिए एक निरंतर निगरानी और पहचान नियंत्रणों के लिए एक पूर्ण दृष्टिकोण प्रदर्शित कर सकते हैं।
आप अगले पांच वर्षों में साइबर सुरक्षा खतरों के मुख्य खतरों को क्या देखते हैं, और एआई कैसे उन खतरों को कम करने में मदद कर सकता है?
पहचान-आधारित खतरे जारी रहेंगे क्योंकि उन्होंने काम किया है। प्रतिद्वंद्वी पहचान के आधार पर पहुंच प्राप्त करने के लिए दोगुना करेंगे, या तो अंदरूनी लोगों को समझौता करने या पहचान बुनियादी ढांचे पर हमला करने के लिए। स्वाभाविक रूप से, अंदरूनी खतरे विभिन्न व्यवसायों के लिए एक प्रमुख जोखिम वेक्टर बने रहेंगे, खासकर जब छाया आईटी जारी रहती है। दुर्भाग्यपूर्ण या लापरवाह, कंपनियों को अंदरूनी जोखिम में दृश्यता की बढ़ती आवश्यकता होगी। इसके अलावा, एआई पारंपरिक टीटीपी के संस्करणों को तेज करेगा क्योंकि वे जानते हैं कि यह पता लगाने से बचने का तरीका है। यही कारण है कि व्यवहार और संदर्भ में ध्यान केंद्रित करना और पता लगाने वाली प्रणाली को उतनी ही तेजी से अनुकूलन करना महत्वपूर्ण होगा।
साक्षात्कार के लिए धन्यवाद, पाठक जो अधिक जानना चाहते हैं उन्हें गुरुकुल पर जाना चाहिए।
