Alan LeFort、StrongestLayerのCEO & Co-Founder – インタビュー・シリーズ

アラン・レフォートは、15年以上のセキュリティ製品の構築と拡大の経験を持つサイバーセキュリティのリーダーです。彼は以前、Proofpoint、McAfee、Intel (INTC ) Securityで製品とビジネス部門を率いており、先進的な脅威保護、インサイダー・リスク、行動分析に焦点を当てていました。インテルでは、グローバル・マーケット向けの製品戦略を推進し、アメリカ、ヨーロッパ、イスラエルでチームを率いました。現在、StrongestLayerのCEOとして、アランはその豊富なエンタープライズ経験を活かし、AI駆動のフィッシング攻撃をユーザーに到達する前に阻止し、AI時代の電子メールセキュリティを再定義しています。

StrongestLayerは、先進的なフィッシングとビジネス・メール・コンプロマイズ攻撃を阻止するために設計された、AIネイティブの電子メールセキュリティ・プラットフォームです。独自のTRACEエンジンを使用して、大規模な言語モデル、行動推論、コンテキスト分析を適用し、従来のルールベースのシステムが見逃す悪意のある電子メールを特定します。プラットフォームは、Microsoft (MSFT ) 365とGoogle Workspaceと迅速に統合され、ブラウザ保護を追加し、AI駆動の従業員トレーニングを提供し、組織に強力な防御とよりセキュリティ意識の高い文化を提供します。

あなたと共同創設者がStrongestLayerを開始するきっかけは何でしたか？また、あなたの経験から得た教訓をもとに、サイバーセキュリティの風景の中で具体的にどのようなギャップを解決しようとしましたか？

会社は各共同創設者の視点とともに進化しました。それは、CTOであるRizが、フィッシングが従業員トレーニングのためにあまりにも高度になっていることを認識したことから始まりました。彼の洞察は、AI駆動のカスタマイズが根本的にセキュリティ意識を向上させることができるということでした。

Joshがチーフ・プロダクト・オフィサーとして参加すると、彼は私たちが欠けていたピースをもたらしました。私たちの初期製品をテストしているとき、彼は私たちのAI分析が既存の電子メールセキュリティベンダーが完全に見逃していた複雑な攻撃を検出していることを発見しました。那は私たちがセキュリティトレーニングを改善するだけでなく、脅威検出における根本的なギャップを特定していることを実感しました。

私は2025年の初めにCEOとして参加し、戦略的機会を見ました。AIだけがAI駆動の防御に対抗できる場合、検出のみならず、人間をこの新しい現実でどのようにエンパワーするかを再考える必要があることを認識しました。決定は簡単でした。AIネイティブ検出と予防に全力を尽くすことです。

なぜ電子メールは、特に生成的なAIの時代に、依然として重要な攻撃ベクトルであると考えていますか？

電子メールは、ビジネス・コンテキストが最も重要となるチャネルであり、生成的なAIによってそのコンテキストを利用することが容易になったため、依然として重要な攻撃ベクトルです。

従来の電子メール攻撃はボリュームベースで明らかでした。AIはゲームを完全に変えます。攻撃者は今や、組織の階層、コミュニケーション・スタイル、実際のビジネス・プロセスを理解しているように見えるパーソナライズされた電子メールを生成できます。彼らは単に汎用的なフィッシングを送信するのではなく、特定の組織にリアルな攻撃を構築しています。

電子メールはまた、信頼の決定が毎日行われる場所です。従業員は定期的に、ベンダー、パートナー、同僚からの依頼を受け取り、それらの正当性について判断を下す必要があります。AI駆動の攻撃はこれらの信頼関係を利用し、既知のエンティティからの依頼であるかのように見える攻撃を構築します。

基本的な課題は、電子メールセキュリティが常に「悪い」技術パターンを検出することについてであったが、AI攻撃は技術的に見て「良い」ように見えますが、悪意のある意図を持っています。

StrongestLayerのLLMネイティブ・アーキテクチャは、従来の電子メールセキュリティ・ソリューションとどのように根本的に異なりますか？

私たちは、ベンダーがLLM機能を既存のパターン・マッチング・システムに追加するのではなく、最初のLLM-as-masterアーキテクチャを構築しました。区別はアーキテクチャ的です。LLMは分析プロセス全体を指揮しますが、追加モジュールではありません。

従来のソリューションは、検察官のみの裁判システムのように動作します。彼らは有罪を探すことができますが、無罪を証明するメカニズムはありません。これにより、検察官のみのアーキテクチャ内で解決できない、クラシックな偽陽性/偽陰性の緊張が生じます。

私たちのブレークスルーは、双方の証拠を収集することです。私たちは、公判で毎回電子メールが日を得るようにし、公判官としてLLMが証拠を評価し、判決を下します。

アーキテクチャには、LLM-as-masterの調整、双方の証拠の合成アルゴリズム、専門分析のためのミキシング・オブ・エキスパート・アーキテクチャ、およびエンタープライズ・データ・プライバシーのためのゼロ・メモリ・アーキテクチャなどの、新しいインフラストラクチャが必要でした。私たちは、1000人のエリート・アナリストの推論力と、金魚の記憶力を提供します。最大の分析能力、ゼロのデータ・パーシステンスです。

TRACE（Threat Reasoning AI Correlation Engine）システムのしくみと、AI駆動のフィッシングに対してどのようにしてユニークに効果的であるかについて説明してください。

TRACEは、根本的に電子メールセキュリティの経済学を変える、双方の証拠を収集することによって動作します。

毎回の電子メールに対して、同時に2つの並行調査を実行します。公判官の証拠を収集する正常性インジケーターと、検察官の証拠を収集する脅威シグナルです。公平なLLM裁判官がすべての証拠を評価し、自動化された決定を下します。

財務担当役員からクォーター・クローズ中に50万ドルのベンダー支払いを受け取ったとします。従来のシステムは、緊急の言語、金額、時間外のタイムスタンプを見て、すべてのパターンが脅威を示唆しています。電子メールは隔離され、ビジネスが中断されます。

私たちの双方のアーキテクチャでは、並行調査を実行します。公判官の証拠には、財務担当役員のコミュニケーション・パターン、ベンダーの既存の関係、支払いが調達の制限内にあること、文書化されたワークフローに従っていることが含まれます。検察官の証拠には、外部の脅威インテリジェンス、コミュニケーション・インテント分析、権限のバイパス試行、緊急性操作パターンが含まれます。

LLM裁判官はすべての証拠を評価します。強力な正当性インジケーターは軽微な脅威シグナルを上回ります。電子メールは自動的に高信頼性でクリアされ、ビジネス継続性が維持され、アナリストは実際の脅威に集中できます。

これがAI攻撃に対してユニークに効果的である理由は、攻撃の新規性に関係なく、ビジネス・レジットミー・パターンと悪意のあるインテント・パターンが一貫して残ることを私たちが注目しているからです。

AIがパーソナライズされた電子メールを大量に生成できるようになった今、どのようにしてプラットフォームが進化する脅威に対抗していますか？

重要な洞察は、攻撃の生成を無限にスケーラブルにするAIが、攻撃者にとってビジネス・ロジックの問題を解決しないことです。

AIは文法、コミュニケーション・スタイル、組織に関するパブリック情報を完璧に再現できます。しかし、すべての組織の内部ビジネス・プロセス、承認ワークフロー、契約サイクル、関係ダイナミクスを同時に完全に理解することはできません。

私たちのプラットフォームは、ビジネス・ロジックの妥当性に焦点を当てて、進化する脅威に対抗しています。AI攻撃が技術的なプレゼンテーションでより洗練されたものになっても、ビジネス・ロジックではしばしばより絶望的になります。正常なプロセスをバイパスしたり、既存の関係に合わないアクションを要求したりします。

また、個々の顧客データを公開せずに、顧客間の学習から利益を得ています。ビジネス・ロジックの乱用パターンは、技術的な実装が異なっていても、組織間でしばしば一貫しています。

現在、AI強化されたフィッシングに対して最も脆弱な組織のタイプは何ですか？また、どのようにしてプラットフォームが彼らの独自の課題に対処していますか？

複雑なベンダー関係と承認プロセスを持つ組織が最も脆弱です。特に、金融サービス、ヘルスケア、法律の会社が該当します。これらの業界は貴重なデータを持ち、既存のビジネス・プロセスがあり、攻撃者が研究できるものです。また、機密の依頼を頻繁に扱う従業員がいます。

ミッドマーケットの会社は、特定の課題に直面しています。彼らはエンタープライズレベルの義務と複雑さを持っていますが、セキュリティのスタッフや予算が十分ではありません。彼らはエンタープライズレベルのターゲットとして魅力的ですが、リソースが限られているため、高度な攻撃が成功します。

私たちのプラットフォームは、通常、専門のセキュリティ・アナリストが手動で調査する必要があるビジネス・コンテキスト分析を自動化することで、これに対処しています。疑わしい依頼を調査するためにチームを必要とするのではなく、TRACEは、組織が迅速に情報に基づいた決定を下すのに役立つ推論を提供します。

また、ユーザー・エクスペリエンスに焦点を当てています。なぜなら、これらの組織は、運用の摩擦を生み出す、または広範なトレーニングを必要とするソリューションを許容できないからです。

予測キャンペーン検出システムがどのようにして偽の会社のウェブサイトを迅速に特定および中和するのでしょうか？

私たちのアプローチは、リアルタイムのドメイン登録監視とビジネス・コンテキスト分析の組み合わせです。

私たちは、ドメイン登録を継続的に監視し、類似のドメインのスペル、登録のタイミング・クラスター、攻撃の準備に一致するインフラストラクチャ・パターンなど、偽装キャンペーンを示唆するパターンを探しています。

しかし、技術的なインテリジェンスとビジネス・コンテキストを関連付けることが重要です。私たちが顧客のベンダーまたはパートナーを偽装する可能性のあるドメインを登録しているのを見かけたとき、ビジネス・関係とサイクルに基づいてキャンペーンのターゲットとタイミングを予測できます。

「中和」は、電子メールが送信される数週間前に、顧客に潜在的な偽装キャンペーンについて警告することで行われます。これにより、防御を準備し、従業員に特定の脅威について警告することができます。

この事前のキャンペーン検出は、技術的な攻撃インフラストラクチャと、攻撃者が利用する可能性のあるビジネス・コンテキストの両方を理解しているため、可能です。

真正なLLMネイティブのサイバーセキュリティ・ソリューションを構築する際に直面した最も難しい技術的な問題は何でしたか？

最も難しい問題は、機密の組織データを公開せずに、ビジネス・コンテキストについて推論するシステムを構築することでした。また、システムが新しい攻撃を検出することを実証する必要がありましたが、従来のシステムはそれを見逃しました。

私たちは、TRACEシステムがMicrosoft 365 Direct Sendの操作攻撃を検出していることを検証しました。これは、Microsoftと市場のリーダーが完全に見逃していたものでした。攻撃は、正当なMicrosoftの機能を利用し、画像ベースのオブフスケーションを使用し、動的にパーソナライズされたフィッシング・ページを使用していました。完全に新しい技術で、歴史的なパターンと一致しませんでした。

技術的な課題は大きかったです。機密のデータをローカルに保つながら、複雑な推論を実行できるLLM-as-masterの調整を構築すること、パターン・マッチングから推論への移行時に偽陽性の罠に陥らないこと、電子メール・フロー・レイテンシーの要件内でリアルタイムの決定を提供するパフォーマンスの最適化です。

しかし、最大のブレークスルーは、双方の証拠アーキテクチャが、既存のベンダーが失敗した攻撃に対して現実世界で機能することを実証することでした。その検証により、次に何が起こるかに関係なく、アーキテクチャが機能するという自信がもたらされました。

2026年から2027年までの脅威の風景の進化についてどう考えていますか？また、プラットフォームをその未来に備えるためにどう準備していますか？

2026年から2027年までに、高度なAI強化攻撃が、先進的な持続的脅威の領域から主流になることを予想しています。ツールとテクニックは商品化され、脅威アクターのプールが大幅に拡大します。

また、電子メール以外のすべてのビジネス・コミュニケーション・チャネル、つまりTeams、Slack、モバイル・メッセージングへの攻撃の拡大も見込まれています。攻撃者は、単一の検出が不十分になる、複数のチャネルをまたいだキャンペーンをオーケストレートします。

私たちは、TRACEを、電子メールに特有のものではなく、任意のビジネス・コミュニケーション・チャネルに適用できる推論エンジンとして構築しています。コア・テクノロジー、つまりビジネス・コンテキストと意図を理解することは、電子メールに特有のものではありません。また、チャネル間の相関関係の機能に多大な投資をしています。

もう1つの大きな変化は、組織内でAIの採用を狙った攻撃です。企業がビジネス・プロセスにAIツールを導入するにつれて、攻撃者はそれらの統合とデータ・フローを標的とします。

現場での展開から得た教訓は何ですか？また、それらは製品のロードマップをどのように形作ってきましたか？

最大の教訓は、真正な攻撃が私たちのアーキテクチャ的なアプローチを予測できない方法で検証することです。TRACEシステムが、Microsoftと市場のリーダーが見逃していたMicrosoft 365 Direct Sendの操作攻撃を検出したとき、我々のテーゼ、つまり推論がパターン・マッチングに勝つことを実証しました。

また、ユーザー・エクスペリエンスが私たちが予想していた以上に重要であることを学びました。しかし、期待していたのとは異なる方法でです。セキュリティ・チームは、単に正確な検出を望むのではなく、システムが決定を下した理由を理解したいと考えています。私たちの双方のアプローチは役立つため、アナリストは、LLM裁判官の判決につながる検察官と公判官の両方の証拠を見ることができます。

また、新しい攻撃の検出が予想外の競争上の利点をもたらすことを発見しました。私たちがDark Readingによって検証されたDirect Sendの分析を公開したとき、技術的な信頼性を確立することができました。見込み客は、私たちが未知の脅威を検出することを主張しているのではなく、失敗した既存のベンダーと比較して実際にそれを実証していることを認識しました。

これらの教訓は、私たちの戦略を透明性と技術的な検証に向けていました。私たちのロードマップは、検出機能のみに焦点を当てるのではなく、推論を説明し、セキュリティ・コミュニティと脅威インテリジェンスを共有する能力を強調しています。

次の2〜3年間で、StrongestLayerの将来像をどう見ていますか？また、会社の長期的なビジョンは何ですか？

次の2年間で、すべてのビジネス・コミュニケーション、電子メールだけでなく、Teams、Slack、モバイル・メッセージング、そして新しいチャネルを保護する推論エンジンになることを目指しています。

私たちがTRACEで構築した技術的基盤、つまりビジネス・コンテキストと意図を理解することは、電子メールセキュリティを超えて適用されます。組織がより多くのコミュニケーション・チャネルとAIツールを採用するにつれて、ビジネス・ロジックを跨ぐ一貫した保護が必要です。

長期的には、AI駆動の世界で組織が自信を持ってコミュニケーションできるようにする、インテリジェンス・レイヤーになることを目指しています。セキュリティがコミュニケーションの障壁ではなく、新しいコミュニケーション・テクノロジーを安全に採用できるようにするシステムになりたいと考えています。

最終的な目標は、組織が電子メールセキュリティを別の問題として考えるのではなく、ビジネス・コミュニケーションの基本的な部分として自動的に保護され、生産性を促進するようにすることです。

素晴らしいインタビュー、詳細を知りたい読者はStrongestLayerを訪れてください。