Yariv Fishman, Chief Product Officer di Deep Instinct – Serie di interviste

Yariv Fishman è Chief Product Officer (CPO) di Deep Instinct, ed è un esperto di product management con oltre 20 anni di esperienza di leadership in aziende B2B globali note. Fishman ha ricoperto diversi ruoli importanti, tra cui posizioni di leadership in Microsoft (MSFT ), dove ha guidato il portfolio di prodotti Cloud App Security e ha avviato il programma di partner di sicurezza MSSP, e Head of Product Management, Cloud Security & IoT Security in CheckPoint. Ha un B.Sc in Information Systems Engineering presso l’Università Ben Gurion e un MBA presso il Technion, Israel Institute of Technology.

Deep Instinct è un’azienda di sicurezza informatica che applica il deep learning alla sicurezza informatica. L’azienda utilizza l’AI per prevenire e rilevare malware.

Ci può parlare del suo percorso nell’industria della sicurezza informatica e di come questo ha influenzato il suo approccio alla gestione dei prodotti?

Nel corso della mia carriera ventennale, ho lavorato in diverse aziende B2B globali, tra cui Check Point Software Technologies (CHKP ) e Microsoft, dove ho guidato la gestione dei prodotti e la strategia e ho costruito la mia esperienza nel settore della sicurezza informatica su cloud pubblico, endpoint, rete e sicurezza delle applicazioni SaaS.

Durante il percorso, ho appreso diverse best practice – su come gestire un team e come definire la strategia adeguata – che hanno plasmato il mio modo di guidare in Deep Instinct. Lavorare per numerose aziende di sicurezza di varie dimensioni mi ha permesso di avere una visione olistica degli stili di gestione e di imparare a creare processi che supportino team in rapida evoluzione. Ho anche visto di persona come rilasciare prodotti e pianificare il product-market fit, che è fondamentale per il successo aziendale.

Cosa l’ha portata a unirsi a Deep Instinct e come è evoluto il suo ruolo da quando è diventata Chief Product Officer?

Da veterano del settore, raramente mi entusiasmo per nuove tecnologie. Ho sentito parlare di Deep Instinct mentre lavoravo a Microsoft. Mentre apprendevo delle possibilità della tecnologia di prevenzione predittiva, ho capito rapidamente che Deep Instinct era l’azienda giusta e stava facendo qualcosa di unico. Mi sono unita all’azienda per aiutare a produrre il framework di deep learning, creando un mercato e casi d’uso per questa soluzione di sicurezza dei dati zero-day del tutto nuova.

Da quando mi sono unita al team tre anni fa, il mio ruolo è cambiato ed è evoluto insieme al nostro business. Inizialmente, mi sono concentrata sulla costruzione del team di product management e dei processi rilevanti. Ora, ci concentriamo fortemente sulla strategia e su come commercializzare le nostre capacità di sicurezza dei dati zero-day nel mercato odierno in rapida evoluzione e sempre più pericoloso.

Deep Instinct utilizza un framework di deep learning unico per le sue soluzioni di sicurezza. Ci può spiegare i vantaggi del deep learning rispetto al machine learning tradizionale nella prevenzione delle minacce?

Il termine “AI” è ampiamente utilizzato come panacea per equipaggiare le organizzazioni nella lotta contro le minacce zero-day. Tuttavia, mentre molti vendor di sicurezza affermano di portare l’AI alla lotta, il machine learning (ML) – una forma meno sofisticata di AI – rimane una parte fondamentale dei loro prodotti. Il ML è inadeguato per il compito. Le soluzioni ML sono addestrate su subset limitati di dati disponibili (tipicamente il 2-5%), offrono solo il 50-70% di accuratezza con minacce sconosciute e introducono falsi positivi. Inoltre, richiedono l’intervento umano perché sono addestrate su set di dati più piccoli, aumentando le possibilità di pregiudizi e errori umani.

Non tutta l’AI è uguale. Il deep learning (DL), la forma più avanzata di AI, è l’unica tecnologia in grado di prevenire e spiegare minacce zero-day note e sconosciute. La distinzione tra soluzioni ML e DL diventa evidente quando si esamina la loro capacità di identificare e prevenire minacce note e sconosciute. A differenza del ML, il DL è costruito su reti neurali, consentendogli di autoapprendere e addestrarsi su dati grezzi. Questa autonomia consente al DL di identificare, rilevare e prevenire minacce complesse. Con la sua comprensione dei componenti fondamentali dei file maligni, il DL consente ai team di stabilire e mantenere rapidamente una solida postura di sicurezza dei dati, sventando la prossima minaccia prima che si verifichi.

Deep Instinct ha recentemente lanciato DIANNA, il primo assistente di sicurezza informatica alimentato da AI generativa. Ci può spiegare l’ispirazione dietro DIANNA e le sue funzionalità principali?

Deep Instinct è l’unico fornitore sul mercato in grado di prevedere e prevenire attacchi zero-day. Le vulnerabilità zero-day aziendali sono in aumento. Abbiamo visto un aumento del 64% degli attacchi zero-day nel 2023 rispetto al 2022, e abbiamo rilasciato Deep Instinct’s Artificial Neural Network Assistant (DIANNA) per contrastare questa tendenza in aumento. DIANNA è il primo e unico assistente di sicurezza informatica alimentato da AI generativa per fornire analisi di malware e spiegabilità di attacchi zero-day e minacce sconosciute a livello di esperto.

Ciò che distingue DIANNA da altri strumenti AI tradizionali che utilizzano LLM è la sua capacità di fornire informazioni su perché gli attacchi sconosciuti sono maligni. Oggi, se qualcuno vuole spiegare un attacco zero-day, deve eseguirlo in un sandbox, il che può richiedere giorni e, alla fine, non fornirà una spiegazione elaborata o focalizzata. Questo approccio offre solo un’analisi retrospettiva con un contesto limitato. DIANNA non analizza solo il codice; comprende l’intento, le azioni potenziali e spiega cosa fa il codice: perché è maligno e come potrebbe impattare sui sistemi. Questo processo consente ai team SOC di concentrarsi sugli allarmi e sulle minacce che contano veramente.

Come la capacità di DIANNA di fornire un’analisi di malware a livello di esperto differisce dagli strumenti AI tradizionali nel mercato della sicurezza informatica?

DIANNA è come avere una squadra virtuale di analisti di malware e di risposta agli incidenti a portata di mano per fornire un’analisi approfondita di attacchi noti e sconosciuti, spiegando le tecniche degli aggressori e il comportamento dei file maligni.

Gli altri strumenti AI possono solo identificare minacce note e vettori di attacco esistenti. DIANNA va oltre gli strumenti AI tradizionali, offrendo alle organizzazioni un livello senza precedenti di esperti e informazioni su script sconosciuti, documenti e file binari grezzi per prepararsi agli attacchi zero-day. Inoltre, DIANNA fornisce una visibilità migliorata nel processo decisionale dei modelli di prevenzione di Deep Instinct, consentendo alle organizzazioni di regolare la propria postura di sicurezza per la massima efficacia.

Quali sono le principali sfide che DIANNA affronta nel panorama attuale della sicurezza informatica, in particolare riguardo alle minacce sconosciute?

Il problema degli attacchi zero-day oggi è la mancanza di informazioni su perché un incidente è stato fermato e ritenuto maligno. Gli analisti delle minacce devono spendere molto tempo per determinare se si trattava di un attacco maligno o di un falso positivo. A differenza di altre soluzioni di sicurezza, Deep Instinct bloccava regolarmente gli attacchi zero-day con la nostra soluzione DL unica. Tuttavia, i clienti chiedevano spiegazioni dettagliate per comprendere meglio la natura di questi attacchi. Abbiamo sviluppato DIANNA per migliorare le capacità di deep learning di Deep Instinct, ridurre lo sforzo sui team di SecOps sovraccarichi e fornire spiegabilità in tempo reale di minacce sconosciute e sofisticate. La nostra capacità di concentrare i modelli di GenAI su artifact specifici ci consente di fornire una risposta completa e focalizzata per colmare il divario del mercato.

DIANNA è un notevole progresso per l’industria e un esempio tangibile della capacità dell’AI di risolvere problemi del mondo reale. Sfrutta solo l’analisi statica per identificare il comportamento e l’intento di diversi formati di file, tra cui binari, script, documenti, file di collegamento e altri tipi di file di consegna di minacce. DIANNA è più di un progresso tecnologico; è un passo strategico verso un ambiente di sicurezza più intuitivo, efficiente ed efficace.

Ci può spiegare come DIANNA traduce il codice binario e gli script in report in linguaggio naturale e quali sono i vantaggi che questo porta ai team di sicurezza?

Quel processo fa parte della nostra “salsa segreta”. A livello alto, possiamo rilevare malware che il framework di deep learning contrassegna all’interno di un attacco e quindi alimentare i metadati nel modello LLM. Estraendo i metadati senza esporre informazioni sensibili, DIANNA fornisce la spiegabilità zero-day e le risposte focalizzate che i clienti stanno cercando.

Con l’aumento degli attacchi generati da AI, come vede l’evoluzione dell’AI per contrastare più efficacemente queste minacce?

Man mano che gli attacchi basati su AI aumentano, rimanere un passo avanti rispetto agli aggressori sempre più sofisticati richiede di andare oltre gli strumenti AI tradizionali e innovare con un’AI migliore, in particolare il deep learning. Deep Instinct è la prima e unica azienda di sicurezza informatica a utilizzare il deep learning nella sua tecnologia di sicurezza dei dati per prevenire le minacce prima che causino una violazione e prevedere le minacce future. La soluzione di sicurezza dei dati zero-day di Deep Instinct può prevedere e prevenire minacce note, sconosciute e zero-day in <20 millisecondi, 750 volte più veloce del ransomware più veloce può crittografare – rendendola un'aggiunta essenziale a ogni stack di sicurezza, fornendo una protezione completa e multilivello contro le minacce in ambienti ibridi.

Grazie per la grande intervista. I lettori che desiderano saperne di più possono visitare Deep Instinct.