Alan LeFort, CEO & Co-Founder of StrongestLayer – Seri Wawancara

Alan Lefort adalah seorang pemimpin keamanan siber dengan lebih dari 15 tahun pengalaman membangun dan mengembangkan produk keamanan yang digunakan oleh perusahaan Fortune 500. Sebelumnya, ia memimpin unit produk dan bisnis di Proofpoint, McAfee, dan Intel (INTC ) Security, di mana ia fokus pada perlindungan ancaman lanjutan, risiko insider, dan analitik perilaku. Di Intel, ia membantu mengembangkan strategi produk di seluruh pasar global, memimpin tim di AS, Eropa, dan Israel. Sekarang sebagai CEO of StrongestLayer, Alan menggunakan pengalaman perusahaan yang mendalam untuk menghentikan serangan phishing yang ditenagai AI sebelum mencapai pengguna—mengubah keamanan email untuk era AI.

StrongestLayer adalah platform keamanan email yang asli AI yang dirancang untuk menghentikan serangan phishing lanjutan dan Business Email Compromise. Dengan menggunakan mesin TRACE-nya, itu menerapkan model bahasa besar, inferensi perilaku, dan analisis kontekstual untuk mengidentifikasi email berbahaya yang sistem berbasis aturan tradisional lewatkan. Platform ini terintegrasi dengan cepat dengan Microsoft 365 dan Google Workspace, menambahkan perlindungan browser, dan menyediakan pelatihan karyawan yang didorong AI, menawarkan organisasi pertahanan yang kuat dan budaya yang lebih sadar keamanan.

Apa yang menginspirasi Anda dan rekan pendiri Anda untuk memulai StrongestLayer, dan apa celah spesifik dalam lanskap keamanan siber yang Anda coba selesaikan berdasarkan pengalaman Anda di perusahaan seperti Proofpoint, FireEye, dan Mandiant?

Perusahaan berkembang dengan perspektif setiap rekan pendiri. Ini dimulai dengan Riz, CTO kami, yang mengakui bahwa phishing menjadi terlalu canggih untuk pelatihan karyawan tradisional. Wawasannya adalah bahwa kustomisasi yang ditenagai AI dapat secara fundamental meningkatkan kesadaran keamanan.

Ketika Josh bergabung sebagai Chief Product Officer kami, ia membawa potongan yang hilang. Saat menguji produk awal kami, ia menemukan bahwa analisis AI kami mendeteksi serangan kompleks yang vendor keamanan email yang mapan sepenuhnya lewatkan. Itulah saat kami menyadari bahwa kami tidak hanya meningkatkan pelatihan – kami mengidentifikasi celah fundamental dalam deteksi ancaman.

Saya bergabung sebagai CEO pada awal 2025 setelah memberi saran kepada tim, dan melihat kesempatan strategis dengan jelas: jika hanya AI yang dapat membela diri terhadap AI yang diperlengkapi, maka kami perlu memikirkan kembali tidak hanya deteksi, tetapi bagaimana kami memberdayakan manusia dalam kenyataan baru ini. Keputusan itu sederhana – pergi all-in pada deteksi dan pencegahan asli AI.

Mengapa Anda percaya bahwa email tetap menjadi vektor serangan yang sangat kritis, terutama di era AI generatif?

Email tetap menjadi vektor serangan utama karena itu adalah satu saluran di mana konteks bisnis paling penting, dan AI generatif telah membuat mengeksploitasi konteks itu menjadi trivial.

Serangan email tradisional didasarkan pada volume dan jelas. AI mengubah permainan sepenuhnya – penyerang sekarang dapat menghasilkan email yang dipersonalisasi yang memahami hierarki organisasi, meniru gaya komunikasi, dan merujuk proses bisnis yang sebenarnya. Mereka tidak hanya mengirim phishing generik lagi; mereka merancang serangan yang terasa otentik untuk organisasi tertentu.

Email juga merupakan tempat di mana keputusan kepercayaan terjadi setiap hari. Karyawan secara teratur menerima permintaan dari vendor, mitra, dan rekan kerja yang memerlukan keputusan tentang legitimasi. Serangan AI yang ditenagai mengeksploitasi hubungan kepercayaan ini dengan muncul seolah-olah berasal dari entitas yang dikenal dengan permintaan yang masuk akal.

Tantangan fundamental adalah bahwa keamanan email selalu tentang mendeteksi pola “buruk” teknis, tetapi serangan AI terlihat teknis baik sementara memiliki niat jahat.

Bagaimana arsitektur LLM-asli StrongestLayer secara fundamental berbeda dari solusi keamanan email tradisional?

Kami membangun arsitektur LLM-as-master pertama, yang secara fundamental berbeda dari vendor yang menambahkan fitur LLM ke sistem pencocokan pola yang ada. Perbedaan itu arsitektural – LLM mengatur proses analisis seluruhnya bukan sebagai modul tambahan.

Solusi tradisional beroperasi seperti sistem pengadilan hanya dengan jaksa – mereka hanya dapat berburu “kesalahan” tanpa mekanisme untuk membuktikan “kebenaran”. Ini menciptakan ketegangan klasik antara positif palsu dan negatif palsu yang tidak pernah dapat diselesaikan dalam arsitektur hanya jaksa.

Terobosan kami adalah pengumpulan bukti ganda. Kami memecahkan paradigma hanya jaksa sepenuhnya dengan memberikan setiap email “hari di pengadilan”. Sistem kami bertindak sebagai jaksa penuntut dan pembela umum, sementara LLM yang tidak memihak mengumpulkan bukti dan mengeluarkan putusan.

Arsitektur ini memerlukan infrastruktur yang sepenuhnya baru: koordinasi LLM-as-master, algoritma sintesis bukti ganda, arsitektur campuran ahli untuk analisis khusus, dan arsitektur tanpa memori untuk privasi data perusahaan. Kami menyediakan kekuatan analitis seribu analis elit dengan memori seekor ikan mas – kemampuan analitis maksimum, tanpa persistensi data.

Bagaimana sistem TRACE (Threat Reasoning AI Correlation Engine) Anda bekerja dan apa yang membuatnya unik efektif melawan serangan phishing yang ditenagai AI?

TRACE bekerja melalui pengumpulan bukti ganda yang secara fundamental mengubah ekonomi keamanan email.

Untuk setiap email, kami menjalankan dua penyelidikan paralel: bukti pembela umum yang mengumpulkan indikator normalitas, dan bukti jaksa penuntut yang mengumpulkan sinyal ancaman. LLM yang tidak memihak mengumpulkan bukti dan mengeluarkan keputusan otomatis yang percaya diri.

Ambil contoh pembayaran vendor sebesar $50M dari CFO Anda selama penutupan kuartal. Sistem legacy melihat bahasa yang mendesak, jumlah besar, timestamp setelah jam kerja – setiap pola berteriak ancaman. Email dikarantina, bisnis terganggu.

Arsitektur bukti ganda kami menjalankan penyelidikan paralel: bukti pembela umum termasuk pola komunikasi CFO, hubungan vendor yang mapan, pembayaran dalam batas prosedur pengadaan, mengikuti alur kerja yang didokumentasikan. Bukti jaksa penuntut termasuk intelijen ancaman eksternal, analisis niat komunikasi, upaya pelanggaran wewenang, pola manipulasi urgensi.

LLM yang tidak memihak mengumpulkan bukti. Indikator legitimasi yang kuat mengalahkan sinyal ancaman minor. Email dibersihkan secara otomatis dengan kepercayaan diri tinggi, kelangsungan bisnis dipertahankan, analis fokus pada ancaman yang sebenarnya.

Apa yang membuat ini unik efektif melawan serangan AI adalah bahwa kami fokus pada indikator yang stabil yang bertahan terlepas dari kebaruan serangan – pola legitimasi bisnis dan pola niat jahat tetap konsisten bahkan ketika metode serangan benar-benar baru.

Dengan AI sekarang memungkinkan penyerang menghasilkan email yang dipersonalisasi dengan skala besar, bagaimana platform Anda tetap unggul dari ancaman yang berkembang?

Wawasan kunci adalah bahwa meskipun AI membuat generasi serangan skala besar, itu tidak menyelesaikan masalah logika bisnis bagi penyerang.

AI dapat menciptakan tata bahasa yang sempurna, meniru gaya komunikasi, dan merujuk informasi publik tentang organisasi. Tapi AI tidak bisa memahami proses bisnis internal, alur kerja pengadaan, siklus kontrak, dan dinamika hubungan di seluruh organisasi secara bersamaan.

Platform kami tetap unggul dengan fokus pada kewajaran bisnis bukan pola teknis. Ketika serangan AI menjadi lebih canggih dalam presentasi teknis, mereka sering menjadi lebih putus asa dalam logika bisnis – menciptakan urgensi di mana tidak seharusnya ada, melewati proses normal, atau meminta tindakan yang tidak sesuai dengan hubungan yang mapan.

Kami juga mendapat manfaat dari pembelajaran antar pelanggan tanpa mengungkapkan data pelanggan individu. Pola penyalahgunaan logika bisnis sering konsisten di seluruh organisasi, bahkan ketika implementasi teknis bervariasi.

Jenis organisasi apa yang saat ini paling berisiko terhadap serangan phishing yang ditingkatkan AI, dan bagaimana platform Anda menangani tantangan unik mereka?

Organisasi dengan hubungan vendor yang kompleks dan proses persetujuan berisiko tertinggi – terutama perusahaan jasa keuangan, perawatan kesehatan, dan hukum. Sektor ini memiliki data yang berharga, proses bisnis yang mapan yang dapat diselidiki oleh penyerang, dan karyawan yang secara teratur menangani permintaan sensitif.

Perusahaan mid-market menghadapi tantangan khusus: mereka memiliki kewajiban dan kompleksitas perusahaan besar tanpa staf keamanan atau anggaran yang sesuai. Mereka cukup canggih untuk menjadi target menarik tetapi terbatas sumber daya sehingga serangan lanjutan berhasil.

Platform kami menangani ini dengan mengotomatisasi analisis konteks bisnis yang biasanya memerlukan analis keamanan khusus. Sebagai gantinya untuk meminta tim untuk menyelidiki setiap permintaan mencurigakan, TRACE menyediakan alasan yang membantu organisasi membuat keputusan yang tepat dengan cepat.

Kami juga fokus pada pengalaman pengguna karena organisasi ini tidak bisa membiayai solusi yang menciptakan gesekan operasional atau memerlukan pelatihan ekstensif.

Bagaimana sistem deteksi kampanye prediktif Anda mengidentifikasi dan menetralkan situs web perusahaan palsu dengan cepat?

Pendekatan kami menggabungkan pemantauan pendaftaran domain waktu nyata dengan analisis konteks bisnis.

Kami memantau pendaftaran domain global secara terus menerus, mencari pola yang menunjukkan kampanye peniruan – ejaan serupa dengan domain yang sah, klaster waktu pendaftaran, dan pola infrastruktur yang konsisten dengan persiapan serangan.

Tapi pembeda kunci adalah mengorelasikan intelijen teknis ini dengan konteks bisnis. Ketika kami melihat domain yang didaftarkan yang bisa meniru vendor atau mitra pelanggan, kami dapat memprediksi target kampanye dan waktu berdasarkan hubungan bisnis dan siklus.

“Penetrasi” terjadi melalui peringatan dini – kami memberi tahu pelanggan tentang kemungkinan kampanye peniruan beberapa minggu sebelum email dikirim, memungkinkan mereka untuk mempersiapkan pertahanan dan memberi tahu karyawan tentang ancaman spesifik untuk waspadai.

Deteksi kampanye pra-serangan ini hanya mungkin karena kami memahami baik infrastruktur serangan teknis maupun konteks bisnis yang dieksploitasi oleh penyerang.

Apa beberapa masalah teknis terberat yang Anda temui saat membangun solusi keamanan siber yang benar-benar asli LLM?

Masalah terberat adalah membangun sistem yang dapat bernalar tentang konteks bisnis tanpa mengungkapkan data organisasi sensitif, sementara membuktikan bahwa itu bekerja melawan serangan baru yang sistem warisan lewatkan.

Kami baru-baru ini memiliki validasi ketika sistem TRACE kami mendeteksi serangan eksploitasi Microsoft 365 Direct Send yang Microsoft (MSFT ) dan pemimpin pasar sepenuhnya lewatkan. Serangan itu dipublikasikan dan divalidasi oleh Dark Reading. Ini mengeksploitasi fitur Microsoft yang sah, menggunakan pengaburan berbasis gambar, dan halaman phishing dinamis yang dipersonalisasi – teknik yang sepenuhnya baru dengan tidak ada pola sejarah untuk dicocokkan.

Masalah teknisnya signifikan: membangun koordinasi LLM-as-master yang dapat melakukan penalaran yang canggih sementara menjaga data sensitif tetap lokal, menghindari perangkap positif palsu ketika beralih dari pencocokan pola ke penalaran, dan mengoptimalkan kinerja untuk menyediakan keputusan waktu nyata dalam persyaratan latency aliran email.

Tapi terobosan terbesar adalah membuktikan bahwa arsitektur bukti ganda kami bekerja di dunia nyata melawan serangan yang menggagalkan vendor yang mapan. Validasi itu memberi kami kepercayaan diri bahwa arsitektur dapat menangani apa pun teknik baru yang dikembangkan oleh penyerang.

Bagaimana Anda melihat lanskap ancaman berkembang pada 2026-2027, dan bagaimana Anda mempersiapkan platform Anda untuk memenuhi masa depan itu?

Pada 2026-2027, saya mengharapkan serangan AI yang ditingkatkan menjadi arus utama bukan wilayah ancaman persisten yang lanjutan. Alat dan tekniknya akan menjadi komoditas, secara dramatis memperluas kolam aktor ancaman.

Kami juga akan melihat serangan yang meluas ke semua saluran komunikasi bisnis – Teams, Slack, pesan seluler. Penyerang akan mengatur kampanye di beberapa saluran, membuat deteksi titik tunggal tidak memadai.

Kami mempersiapkan dengan membangun TRACE sebagai mesin penalaran yang dapat diterapkan pada saluran komunikasi bisnis apa pun. Teknologi inti – memahami konteks bisnis dan niat – tidak spesifik email. Kami juga berinvestasi berat dalam kemampuan korelasi antar saluran.

Perubahan besar lainnya akan menjadi serangan yang mengeksploitasi adopsi AI dalam organisasi. Ketika perusahaan mengirimkan alat AI untuk proses bisnis, penyerang akan menargetkan integrasi dan aliran data tersebut.

Apa pelajaran yang telah Anda pelajari dari penerapan dunia nyata, dan bagaimana pelajaran itu telah membentuk jalan produk Anda?

Pelajaran terbesar adalah bahwa serangan baru memvalidasi pendekatan arsitektur kami dengan cara yang tidak kami duga. Ketika sistem TRACE kami mendeteksi serangan eksploitasi Microsoft 365 Direct Send yang Microsoft dan pemimpin pasar lewatkan, itu membuktikan tesis kami bahwa penalaran mengalahkan pencocokan pola melawan teknik yang benar-benar baru.

Kami belajar bahwa pengalaman pengguna lebih penting dari yang kami bayangkan, tetapi tidak dengan cara yang kami harapkan. Tim keamanan tidak hanya ingin deteksi yang akurat – mereka ingin memahami mengapa sistem membuat keputusan. Pendekatan bukti ganda kami membantu karena analis dapat melihat bukti jaksa penuntut dan pembela umum yang mengarah ke putusan LLM yang tidak memihak.

Kami juga menemukan bahwa deteksi serangan baru menciptakan keunggulan kompetitif yang tidak kami antisipasi. Ketika kami menerbitkan analisis Direct Send yang divalidasi oleh Dark Reading, itu membangun kredibilitas teknis dengan cara yang klaim pemasaran tidak pernah bisa. Calon pelanggan menyadari bahwa kami tidak hanya mengklaim mendeteksi ancaman yang tidak diketahui – kami membuktikannya dengan kasus yang didokumentasikan di mana vendor yang mapan gagal.

Pelajaran ini membentuk strategi kami sekitar transparansi dan validasi teknis. Jalan produk kami sekarang menekankan tidak hanya kemampuan deteksi tetapi kemampuan untuk menjelaskan penalaran dan berbagi intelijen ancaman dengan komunitas keamanan yang lebih luas.

Di mana Anda melihat StrongestLayer dalam dua hingga tiga tahun ke depan, dan apa visi jangka panjang untuk perusahaan?

Dalam dua tahun ke depan, saya melihat kami menjadi mesin penalaran yang melindungi semua komunikasi bisnis – tidak hanya email, tetapi Teams, Slack, pesan seluler, dan saluran yang muncul.

Dasar teknis yang kami bangun dengan TRACE – memahami konteks bisnis dan niat – berlaku di luar keamanan email. Ketika organisasi mengadopsi lebih banyak saluran komunikasi dan alat AI, mereka memerlukan perlindungan yang konsisten yang memahami logika bisnis di semua platform.

Visi jangka panjang kami adalah menjadi lapisan intelijen yang membantu organisasi berkomunikasi dengan percaya diri di dunia yang ditenagai AI. Sebagai gantinya untuk keamanan menjadi penghalang komunikasi, kami ingin menjadi sistem yang memungkinkan bisnis untuk mengadopsi teknologi komunikasi baru dengan aman.

Tujuan akhir kami adalah mencapai titik di mana organisasi tidak memikirkan keamanan email sebagai masalah terpisah – itu hanya bagian dari cara komunikasi bisnis bekerja, melindungi mereka secara otomatis sambil memungkinkan produktivitas.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut dapat mengunjungi StrongestLayer.