Piyush Sharma, Co-Founder dan CEO Tuskira – Seri Wawancara

Piyush Sharrma  adalah seorang pemimpin keamanan siber dan produk yang berpengalaman dengan lebih dari 18 tahun pengalaman membangun dan menskalakan platform keamanan perusahaan. Sebelumnya, ia mendirikan Accurics, sebuah perusahaan keamanan cloud-native yang diakuisisi oleh Tenable, di mana ia memainkan peran kunci dalam mengintegrasikan keamanan infrastruktur sebagai kode ke dalam ekosistem perusahaan yang lebih luas. Dengan latar belakang dari Departemen Ilmu Manajemen (PUMBA), Piyush dikenal karena gaya kepemimpinannya yang berfokus pada orang dan kepemimpinan pemikiran di bidang seperti keamanan shift-left, DevSecOps, dan deteksi ancaman yang didorong oleh AI.

Saat ini, ia adalah CEO dan Co-Founder dari Tuskira, sebuah platform keamanan siber yang ditenagai oleh AI yang dirancang untuk menggabungkan telemetri dari lebih dari 150 alat keamanan menjadi jaringan keamanan yang kohesif. Tuskira menggunakan agen GenAI dan digital twin dinamis untuk mensimulasikan jalur serangan dunia nyata, memvalidasi eksploitasi, memprioritaskan risiko yang dapat diatasi, dan meningkatkan pertahanan secara otomatis dalam waktu nyata. Dengan mengurangi kelelahan peringatan dan meningkatkan efektivitas alat yang ada, platform ini membantu perusahaan beralih dari operasi keamanan reaktif ke operasi keamanan proaktif yang didorong oleh paparan.

Mari kita mulai dengan visi pendirian Anda—apa yang menginspirasi Anda untuk meluncurkan Tuskira, dan apa masalah keamanan fundamental yang Anda tentukan untuk diselesaikan dari awal?

Kekuatan AI terletak pada kemampuan menganalisis sejumlah besar data, dan keamanan siber secara tradisional telah menjadi masalah data. Lingkungan dinamis, aplikasi pelanggan dinamis, dan banyak komponen besar yang bergerak. Tujuan dengan Tuskira adalah untuk memanfaatkan AI untuk menyelesaikan masalah kompleks yang muncul dalam lingkungan ini, sambil mengurangi jumlah intervensi manusia yang diperlukan.

Anda telah membangun dan keluar dari beberapa perusahaan keamanan siber sebelum ini. Bagaimana pengalaman Anda di Accurics, Tenable, dan Symantec membentuk pendekatan Anda dalam membangun platform keamanan asli AI dari hari pertama?

Pengalaman saya dengan Accurics, Tenable, dan Symantec memberi saya pemahaman yang mendalam dan langsung tentang di mana ancaman baru akan muncul dan bagaimana mereka akan berkembang. Dalam keamanan siber, memprediksi masa depan bukanlah tebakan, tetapi pengenalan pola yang didasarkan pada tahun-tahun pengalaman tentang bagaimana para penyerang berpikir dan beradaptasi. Tingkat wawasan ini hanya datang dari menghabiskan waktu yang signifikan di domain tersebut.

Keamanan siber bukanlah bidang rekayasa perangkat lunak tradisional di mana Anda dapat melompat ke dalam tanpa pengalaman dan masih dapat membuat sesuatu darinya. Ini telah dikatakan bahwa Anda tidak perlu memiliki pengalaman dalam keamanan siber untuk menjadi pendiri keamanan siber. Kebenaran lebih nuansa. Sementara insting produk yang kuat penting, platform keamanan siber yang benar-benar efektif memerlukan lebih dari kesesuaian pasar-produk, mereka menuntut pemahaman yang mendalam tentang lanskap ancaman dan bagaimana hal itu berubah dalam waktu nyata.

Keamanan siber adalah tentang menyelesaikan masalah pelanggan, bukan membangun narasi yang sesuai dengan apa yang orang ingin dengar. Jenis wawasan ini hanya datang dari kedalaman domain, dan itulah yang pada akhirnya memungkinkan Anda untuk membangun solusi yang bekerja tidak hanya dalam teori, tetapi juga dalam lingkungan yang tidak terduga dan antagonis yang pelanggan hadapi setiap hari.

Sebuah studi Gartner baru-baru ini memprediksi bahwa 40% pelanggaran data yang terkait AI pada tahun 2027 akan berasal dari penyalahgunaan. Menurut Anda, apa cara paling umum yang digunakan tim keamanan saat ini untuk menyalahgunakan AI?

Cara paling umum yang saya lihat tim keamanan menyalahgunakan AI adalah dengan menggunakan versi publik AI, seperti ChatGPT, Anthropic, atau Microsoft Copilot, untuk menganalisis data organisasi. Ini dapat mengakibatkan informasi rahasia tidak sengaja bocor.

Perusahaan memerlukan LLM pribadi yang halus untuk memastikan informasi sensitif tidak melarikan diri dari organisasi. Model-model ini menyediakan kontrol yang jauh lebih besar atas di mana informasi itu pergi, dan siapa yang memiliki akses ke sana. Selain itu, validitas model-model publik jauh lebih sulit untuk ditentukan daripada model-model pribadi, yang berpotensi mengompromikan informasi yang dikembalikan.

Jenis input data apa yang paling kritis untuk AI untuk menghasilkan hasil yang bermakna dan aman dalam keamanan siber, dan bagaimana tim dapat memastikan mereka menyediakan konteks yang tepat?

AI memerlukan data keamanan yang disaring dan diberi label dengan baik untuk menghasilkan hasil yang bermakna. Ini sulit untuk membawa data dari ratusan alat yang digunakan dalam sebuah perusahaan ke dalam taksonomi yang seragam, dan kemudian menyaringnya lebih lanjut sehingga AI dapat benar-benar memahami apa yang sedang diserapnya. Namun, tanpa penyaringan data yang tepat, AI tidak akan dapat berfungsi dengan baik.

AI memerlukan data dari semua kontrol keamanan, kontrol TI, dan alat infrastruktur. Tim keamanan memerlukan strategi data yang komprehensif untuk memastikan bahwa himpunan data yang halus disiapkan, diberi label, dan disaring sehingga AI memiliki konteks yang tepat di balik informasi yang disajikan. Pengeluaran data yang tidak bertujuan tidak cukup.

Tuskira menggambarkan dirinya sebagai “agentic AI.” Bisakah Anda menjelaskan apa artinya ini dalam istilah praktis untuk tim keamanan? Bagaimana ini berbeda dari otomatisasi tradisional atau bahkan alat yang ditenagai oleh GenAI?

Tuskira adalah platform asli AI yang menggunakan agen AI SOC untuk mendeteksi, menilai, dan menanggapi ancaman yang terkubur dalam dalam jumlah besar data. Alat keamanan Anda menciptakan banyak data setiap hari. Membuat sense dari data itu adalah masalah tingkat mesin. Agentic AI menyediakan agen AI yang dapat menambang, memanen, dan menghasilkan nilai yang tepat dari data itu, dan itulah yang disediakan oleh Tuskira sebagai platform asli.

Tim keamanan dapat menggunakan agen-agen AI ini untuk hasil yang diinginkan mereka sendiri. Agen-agen ini didorong oleh hasil dan memiliki konteks waktu nyata dari pelanggan dan tim keamanan. Dalam otomatisasi tradisional, setiap jenis otomatisasi memerlukan manusia untuk menulis playbook, termasuk langkah-langkah yang harus diikuti oleh skrip otomatisasi. Agen AI mengubah konsep ini, karena mereka memiliki pikiran mereka sendiri dan model yang disempurnakan yang memungkinkan mereka untuk membuat, mengeksekusi, dan memvalidasi playbook mereka sendiri, merekayasa ulang playbook jika yang sebelumnya tidak berhasil.

Platform Tuskira memiliki kemampuan untuk bernalar, mengidentifikasi rencana mereka sendiri, dan mengirimkan hasil tanpa intervensi manusia. Ini tidak mungkin dalam otomatisasi tradisional.

Platform Tuskira mensimulasikan serangan dunia nyata dalam digital twin. Bagaimana proses simulasi ini membantu dalam mengidentifikasi ancaman yang mungkin tidak terdeteksi secara proaktif?

Di Tuskira, kami telah membangun platform yang tidak menunggu ancaman untuk muncul, tetapi secara aktif mencarinya. Teknologi digital twin kami menciptakan replika waktu nyata dari lingkungan Anda, yang memungkinkan agen AI kami untuk mensimulasikan berbagai serangan, dari eksploitasi API dan DNS hingga intrusi rantai pasokan, sebelum mereka mencapai produksi.

Simulasi ini tidak hipotetis. Ini mencerminkan sistem nyata Anda, konfigurasi, dan aliran data, yang memungkinkan kami untuk mengungkap tidak hanya kerentanan yang dapat dieksploitasi, tetapi juga yang tidak dapat dipertahankan, masalah yang sering dilewatkan oleh pemindai tradisional. Dengan memvalidasi risiko yang tidak diketahui mana yang dapat digunakan untuk melewati kontrol yang ada, kami mengubah risiko yang tidak diketahui menjadi wawasan yang dapat diatasi.

Anda telah menggabungkan telemetri dari lebih dari 150 alat ke dalam jaringan keamanan tunggal. Apa tantangan teknis terbesar dalam membangun sistem yang benar-benar interoperabel pada skala tersebut?

Mengumpulkan data dari lebih dari 150 alat bukanlah tantangan; tantangannya adalah menyaring dan memberi label data dengan benar sehingga AI dapat memahaminya. Tuskira telah membangun lapisan semantik asli AI yang dapat mengonsumsi data dalam berbagai format, ratusan kontrol keamanan, dan server MCP untuk menggabungkan data dalam struktur yang dapat dipahami oleh model AI. Ini semua berjalan secara otonom, di mana agen AI mengkurasi dan menormalkan kembali data ke dalam struktur yang paling kondusif untuk analisis yang ekstrem.

Sebagian besar solusi keamanan saat ini bersifat reaktif—menunggu ancaman untuk muncul. Bagaimana Tuskira menggeser industri ke arah model proaktif, dan apa hasil yang dapat diukur yang dikuncinya untuk organisasi?

Sebagian besar solusi modern hanya bertindak ketika upaya pelanggaran sistem telah diungkapkan. Tuskira secara proaktif mengidentifikasi area yang paling rentan terhadap pelanggaran potensial dalam pertahanan organisasi dan mengisi celah-celah tersebut untuk mengurangi kemungkinan eksploitasi dari serangan.

Agen AI SOC Tuskira secara terus-menerus menganalisis peringatan yang masuk dari berbagai alat keamanan, mengorelasikannya dengan kerentanan yang paling dapat dieksploitasi, dan mengambil tindakan yang tepat dengan mengoptimalkan lapisan pertahanan Anda alih-alih terus-menerus bereaksi terhadapnya. Dalam kasus serangan, Tuskira dapat mengukur apakah tindakan perlu diambil, atau jika penyerang tidak memiliki sarana untuk melanggar pertahanan yang ada.

Anda memegang lebih dari selusin paten keamanan siber. Bisakah Anda berbagi satu inovasi terbaru dalam Tuskira yang Anda banggakan, dan masalah yang diselesaikannya?

Ada beberapa masalah yang diselesaikan oleh Tuskira. Yang pertama adalah: bagaimana Anda dapat membangun platform asli AI yang dapat menganalisis terabyte data pada skala perusahaan? Melalui inovasi kami yang berkaitan dengan pengelolaan dan penyaringan data, kami dapat melakukan analisis data dengan cara yang sangat scalable.

Tuskira memiliki puluhan paten yang menentukan bagaimana menyempurnakan model-model sekitar domain keamanan siber. Kami telah menciptakan kawanan model LLM untuk menghasilkan hasil yang paling efektif dan efisiensi tertinggi.

Dengan menciptakan pengawal dalam rumah sekitar deteksi dan penilaian, Tuskira dapat menciptakan agen yang menghasilkan hasil yang dapat diprediksi selama periode waktu.

Menghadap ke depan lima tahun, apa peran yang Anda percayai AI akan mainkan dalam pusat operasi keamanan (SOC)? Apakah analis manusia akan menjadi usang—atau sesuatu yang lebih kuat?

Lima tahun dari sekarang, AI akan mengambil alih peran L1, L2, dan L3. Sebagian besar fungsi akan disampaikan melalui agen AI, dan manusia akan fokus pada memastikan AI membuat keputusan yang tepat dan membantu meningkatkan otomatisasi keputusan tersebut.

AI tidak akan menggantikan manusia; mereka akan meningkatkan apa yang dapat dilakukan manusia pada skala yang lebih besar. Ini adalah tugas AI untuk membuat pekerjaan penyerang lebih sulit. Fokus manusia akan bergeser ke keputusan yang dibuat AI dan mengotomatisasi keputusan tersebut, bukan semua pekerjaan yang harus mereka lakukan sehari-hari.

Jika Anda harus memberikan satu saran kepada CISO yang mencoba untuk memastikan arsitektur keamanan mereka di era AI, apa yang akan Anda sarankan?

Ada perubahan mendasar yang terjadi dalam keamanan siber. Anda memiliki platform yang dibangun sebelum AI dan sekarang sedang memasang AI, dan platform yang dibangun dengan AI di intinya. Perbedaan ini lebih penting dari sebelumnya. 

Jika saya harus memberikan satu saran kepada CISO, itu adalah ini: jangan hanya bertanya apakah alat Anda menggunakan AI, tanyakan seberapa dalam AI tertanam dalam arsitektur mereka. Apakah platform tersebut asli AI, atau apakah mereka mengandalkan integrasi yang superficial untuk memeriksa kotak?

Ancaman yang kita hadapi sekarang, dan kecepatan di mana mereka berkembang, menuntut sistem yang tidak hanya cerdas tetapi juga inherently adaptive. Arsitektur keamanan harus dibangun untuk era AI dari awal, dengan kemampuan untuk terus belajar, mensimulasikan, dan menanggapi dalam waktu nyata. Apa pun yang kurang dari itu akan meninggalkan celah yang tidak akan Anda lihat sampai terlambat.

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