Saryu Nayyar, CEO e Fondatore di Gurucul – Serie di Interviste

Saryu Nayyar è un esperto di sicurezza informatica internazionalmente riconosciuto, autore, relatore e membro del Forbes Technology Council. Ha più di 15 anni di esperienza nei settori della sicurezza delle informazioni, gestione delle identità e degli accessi, gestione dei rischi IT e conformità, nonché gestione dei rischi di sicurezza.

È stata nominata EY Entrepreneurial Winning Women nel 2017. Ha ricoperto ruoli di leadership nella strategia dei prodotti e servizi di sicurezza presso Oracle (ORCL ), Simeio, Sun Microsystems, Vaau (acquisita da Sun) e Disney. Saryu ha anche trascorso diversi anni in posizioni senior nella pratica di gestione dei rischi e sicurezza tecnologica di Ernst & Young.

Gurucul è un’azienda di sicurezza informatica specializzata nella sicurezza basata sul comportamento e nell’analisi dei rischi. La sua piattaforma sfrutta il machine learning, l’AI e i big data per rilevare le minacce interne, il compromesso degli account e gli attacchi avanzati in ambienti ibridi. Gurucul è nota per la sua piattaforma di analisi di sicurezza e rischi unificata, che integra SIEM, UEBA (analisi del comportamento degli utenti e delle entità), XDR e analisi delle identità per fornire la rilevazione e la risposta alle minacce in tempo reale. L’azienda serve imprese, governi e MSSP, con l’obiettivo di ridurre i falsi positivi e accelerare la risposta alle minacce attraverso l’automazione intelligente.

Cosa ti ha ispirato a fondare Gurucul nel 2010 e qual era il problema che volevi risolvere nel panorama della sicurezza informatica?

Gurucul è stato fondato per aiutare i team di sicurezza e gestione dei rischi interni a ottenere chiarezza sui rischi informatici più critici che impattano sul loro business. Dal 2010 abbiamo adottato un approccio basato sull’analisi del comportamento e della previsione, piuttosto che su regole, generando oltre 4.000 modelli di machine learning che mettono le anomalie e le entità in contesto in una varietà di scenari di attacco e rischio. Abbiamo costruito su questa base, passando dall’aiutare grandi aziende Fortune 50 a risolvere le sfide di rischio interno, all’aiutare le aziende a ottenere una chiarezza radicale su tutti i rischi informatici. Questa è la promessa della nostra piattaforma REVEAL, unificata e guidata dall’AI. Ora stiamo costruendo sulla nostra missione AI con una visione di consegnare una piattaforma di analisi di sicurezza autonoma, utilizzando il machine learning come fondamento, ma aggiungendo anche capacità di AI generativa e agente su tutto il ciclo di vita della minaccia. L’obiettivo è che gli analisti e gli ingegneri spendano meno tempo nella complessità e più tempo concentrati sul lavoro significativo. Consentendo alle macchine di amplificare la definizione delle loro attività quotidiane.

Aver lavorato in ruoli di leadership presso Oracle, Sun Microsystems e Ernst & Young, quali sono le lezioni chiave che hai portato da quelle esperienze nel fondare Gurucul?

La mia esperienza di leadership presso Oracle, Sun Microsystems e Ernst & Young ha rafforzato la mia capacità di risolvere sfide di sicurezza complesse e mi ha fornito una comprensione delle sfide che i CEO e i CISO delle aziende Fortune 100 affrontano. Collettivamente, mi ha permesso di avere un posto in prima fila per le sfide tecnologiche e commerciali che la maggior parte dei leader della sicurezza affronta e mi ha ispirato a costruire soluzioni per colmare quei gap.

Come si differenzia la piattaforma REVEAL di Gurucul dalle soluzioni SIEM (Security Information and Event Management) tradizionali?

Le soluzioni SIEM legacy dipendono da approcci statici e basati su regole che portano a falsi positivi eccessivi, costi aumentati e rilevamento e risposta ritardati. La nostra piattaforma REVEAL è completamente cloud-native e guidata dall’AI, utilizzando il machine learning avanzato, l’analisi del comportamento e il punteggio di rischio dinamico per rilevare e rispondere alle minacce in tempo reale. A differenza delle piattaforme tradizionali, REVEAL si adatta costantemente alle minacce in evoluzione e si integra in ambienti on-premises, cloud e ibridi per una copertura di sicurezza completa. Riconosciuta come la soluzione SIEM più visionaria in Gartner’s Magic Quadrant per tre anni consecutivi, REVEAL ridefinisce l’AI-driven SIEM con precisione, velocità e visibilità senza precedenti. Inoltre, le SIEM lottano con un problema di sovraccarico di dati. Sono troppo costose per ingerire tutto ciò che è necessario per una visibilità completa e anche se lo fanno, si aggiunge solo al problema dei falsi positivi. Gurucul comprende questo problema e quindi abbiamo una soluzione di gestione dei dati nativa e guidata dall’AI che filtra i dati non critici nell’archiviazione a basso costo, risparmiando denaro, mantenendo la capacità di eseguire ricerche federate su tutti i dati. I sistemi di analisi sono una situazione “spazzatura dentro, spazzatura fuori”. Se i dati in ingresso sono gonfiati, non necessari o incompleti, allora l’output non sarà preciso, azionabile o ultimate affidabile.

Posso spiegare come il machine learning e l’analisi del comportamento vengono utilizzati per rilevare le minacce in tempo reale?

La nostra piattaforma sfrutta oltre 4.000 modelli di machine learning per analizzare continuamente tutti i set di dati rilevanti e identificare le anomalie e i comportamenti sospetti in tempo reale. A differenza dei sistemi di sicurezza legacy che si basano su regole statiche, REVEAL scopre le minacce man mano che emergono. La piattaforma utilizza anche l’analisi del comportamento degli utenti e delle entità (UEBA) per stabilire linee di base del comportamento normale degli utenti e delle entità, rilevando deviazioni che potrebbero indicare minacce interne, account compromessi o attività maliziose. Il comportamento viene ulteriormente contestualizzato da un motore di big data che correla, arricchisce e collega dati di sicurezza, rete, IT, IoT, cloud, identità, applicazioni aziendali e intelligence sulle minacce interne ed esterne. Ciò informa un motore di punteggio di rischio dinamico che assegna punteggi di rischio in tempo reale per aiutare a priorizzare le risposte alle minacce più critiche. Queste capacità forniscono un approccio completo e guidato dall’AI per la rilevazione e la risposta alle minacce in tempo reale che distinguono REVEAL dalle soluzioni di sicurezza convenzionali.

Come l’approccio guidato dall’AI di Gurucul aiuta a ridurre i falsi positivi rispetto ai sistemi di sicurezza convenzionali?

La piattaforma REVEAL riduce i falsi positivi sfruttando l’analisi contestuale guidata dall’AI, le informazioni sul comportamento e il machine learning per distinguere l’attività degli utenti legittima dalle minacce reali. A differenza delle soluzioni convenzionali, REVEAL raffina le sue capacità di rilevamento nel tempo, migliorando la precisione mentre minimizza il rumore. La sua UEBA rileva le deviazioni dalle linee di base dell’attività con alta precisione, consentendo ai team di sicurezza di concentrarsi sui rischi di sicurezza legittimi piuttosto che essere sopraffatti da falsi allarmi. Mentre il machine learning è un aspetto fondamentale, l’AI generativa e agente svolge un ruolo significativo nell’aggiungere contesto in linguaggio naturale per aiutare gli analisti a comprendere esattamente cosa sta accadendo intorno a un allarme e persino automatizzare la risposta a tali allarmi.

Qual è il ruolo dell’AI avversariale nelle minacce di sicurezza informatica moderne e come Gurucul combatte questi rischi in evoluzione?

Innanzitutto, stiamo già vedendo l’AI avversariale applicata al vettore umano e alle minacce basate sull’identità. Ciò è il motivo per cui l’analisi del comportamento e dell’identità è critica per identificare i comportamenti anomali, metterli in contesto e prevedere il comportamento malizioso prima che si diffonda ulteriormente. Inoltre, l’AI avversariale è il colpo di grazia per i metodi di rilevamento basati su firme. Gli avversari stanno utilizzando l’AI per evitare queste regole di rilevamento definite, ma di nuovo non possono evitare le rilevazioni basate sul comportamento nello stesso modo. I team di sicurezza non sono dotati di risorse adeguate per continuare a scrivere regole per stare al passo e richiederanno un approccio moderno alla rilevazione delle minacce, all’indagine e alla risposta. Il comportamento e il contesto sono gli ingredienti chiave. Infine, piattaforme come REVEAL dipendono da un ciclo di feedback continuo e stiamo costantemente applicando l’AI per aiutarci a raffinare i nostri modelli di rilevamento, raccomandare nuovi modelli e informare nuove informazioni sulle minacce per l’intero ecosistema dei nostri clienti.

Come il sistema di punteggio di rischio di Gurucul migliora la capacità dei team di sicurezza di priorizzare le minacce?

Il nostro sistema di punteggio di rischio dinamico assegna punteggi di rischio in tempo reale agli utenti, alle entità e alle azioni in base ai comportamenti osservati e alle informazioni contestuali. Ciò consente ai team di sicurezza di priorizzare le minacce critiche, riducendo i tempi di risposta e ottimizzando le risorse. Assegnando punteggi di rischio su una scala da 0 a 100, REVEAL garantisce che le organizzazioni si concentrino sugli incidenti più urgenti piuttosto che essere sopraffatte da allarmi a bassa priorità. Con un punteggio di rischio unificato che copre tutte le fonti di dati aziendali, i team di sicurezza guadagnano maggiore visibilità e controllo, portando a decisioni più rapide e informate.

In un’epoca di aumenti delle violazioni dei dati, come le soluzioni di sicurezza guidate dall’AI possono aiutare le organizzazioni a prevenire le minacce interne?

Le minacce interne sono un rischio di sicurezza particolarmente impegnativo a causa della loro natura sottile e dell’accesso che i dipendenti possiedono. La piattaforma REVEAL rileva le deviazioni dalle linee di base del comportamento stabilito, identificando attività a rischio come l’accesso non autorizzato ai dati, orari di accesso insoliti e abuso di privilegi. Il punteggio di rischio dinamico valuta anche i comportamenti in tempo reale, assegnando livelli di rischio per priorizzare i rischi interni più urgenti. Queste capacità guidate dall’AI consentono ai team di sicurezza di rilevare e mitigare le minacce interne prima che si trasformino in violazioni. Considerata la natura predittiva dell’analisi del comportamento, la gestione dei rischi interni è una corsa contro il tempo. I team di gestione dei rischi interni devono essere in grado di rispondere e collaborare rapidamente, con la privacy in primo piano. Il contesto è nuovamente critico qui e l’aggiunta di deviazioni del comportamento con il contesto dei sistemi di identità, delle applicazioni HR e di tutti gli altri dati rilevanti fornisce a questi team le informazioni necessarie per costruire rapidamente e difendere un caso di prove in modo che l’azienda possa rispondere e rimediare prima che si verifichi l’esfiltrazione dei dati.

Come la soluzione di analisi delle identità di Gurucul migliora la sicurezza rispetto agli strumenti di gestione delle identità e degli accessi (IAM) tradizionali?

Gli strumenti IAM tradizionali si concentrano sul controllo degli accessi e sull’autenticazione, ma mancano dell’intelligenza e della visibilità per rilevare account compromessi o abuso di privilegi in tempo reale. La piattaforma REVEAL va oltre queste limitazioni sfruttando l’analisi del comportamento guidata dall’AI per valutare continuamente il rischio degli utenti, aggiustare dinamicamente i punteggi di rischio e applicare l’accesso adattivo, minimizzando l’abuso e i privilegi illegittimi. Integrando con i framework IAM esistenti e applicando l’accesso con il principio del minimo privilegio, la nostra soluzione migliora la sicurezza delle identità e riduce la superficie di attacco. Il problema della governance IAM è la dispersione dei sistemi di identità e la mancanza di interconnessione tra i diversi sistemi di identità. Gurucul fornisce ai team una visibilità a 360 gradi dei rischi di identità in tutta l’infrastruttura di identità. Ora possono smettere di apporre timbri di accesso, ma adottare un approccio orientato al rischio alle politiche di accesso. Inoltre, possono accelerare l’aspetto di conformità dell’IAM e dimostrare un approccio di monitoraggio continuo e olistico ai controlli di accesso in tutta l’organizzazione.

Quali sono le principali minacce di sicurezza che prevedi nei prossimi cinque anni e come l’AI può aiutare a mitigarle?

Le minacce basate sull’identità continueranno a proliferare, perché hanno funzionato. Gli avversari si concentreranno sull’ottenimento dell’accesso tramite la compromissione degli insider o l’attacco all’infrastruttura di identità. Naturalmente, le minacce interne continueranno a essere un vettore di rischio chiave per molte aziende, specialmente con la continua crescita dell’IT ombra. Sia che si tratti di attacchi maliziosi o negligenti, le aziende avranno sempre più bisogno di visibilità nel rischio interno. Inoltre, l’AI accelererà le variazioni dei TTP convenzionali, perché gli avversari sanno che è così che saranno in grado di evitare le rilevazioni facendolo e sarà a basso costo per loro creare tattiche, tecniche e protocolli adattivi. Di nuovo, è il motivo per cui concentrarsi sul comportamento nel contesto e avere sistemi di rilevamento in grado di adattarsi altrettanto velocemente sarà cruciale per il futuro prevedibile. Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare Gurucul.