カール・フロゲット、Deep InstinctのCIO – インタビュー・シリーズ

カール・フロゲットは、Deep Instinctのチーフ・インフォメーション・オフィサー（CIO）です。同社は、シンプルな前提に基づいて設立されました。それは、ディープラーニング、AIの高度なサブセットが、サイバーセキュリティに適用されて、脅威をより迅速に防ぐことができるという考えです。

フロゲット氏は、チームの構築、システム・アーキテクチャ、企業向けの大規模なソフトウェアの実装、およびプロセスとツールのビジネス要件との整合に関して実績を積んでいます。フロゲット氏は以前、Citiのグローバル・インフラストラクチャ・ディフェンス、CISOサイバーセキュリティ・サービスを担当していました。

あなたの背景は金融業界ですが、サイバーセキュリティへの移行について話してください。

私は90年代後半にCitiでサイバーセキュリティに携わり始め、IT職から転じ、その後すぐに指導的な立場へ移りました。IT運用の経験を、進化し課題も多いサイバーセキュリティの世界に生かしたのです。サイバーセキュリティでは、イノベーションに焦点を当て、テクノロジーとサイバーセキュリティ・ソリューションをビジネス要件のために展開および運用しました。Citiでの私の責任には、イノベーション、エンジニアリング、デリバリー、グローバル・プラットフォームの運用が含まれていました。

あなたはCitiで25年以上働き、セキュリティ戦略とエンジニアリングの分野でチームを率いてきました。Deep Instinctのスタートアップに参加することを決めた理由を教えてください。

私は新しい挑戦に取り組み、経験を別の方法で活用したいと思ったため、Deep Instinctに参加しました。15年以上にわたって、サイバーセキュリティ・スタートアップやFinTech企業に携わり、チームを育て、企業の成長を支援し、一部の企業をIPOまで導きました。Deep Instinctのユニークで革新的なディープラーニング（DL）技術について以前から知っており、他社には出せない成果を上げているのを見ていました。私は、企業を悪意のある脅威から守る新しい時代を切り開くことに参加したいと思いました。

Deep Instinctのディープラーニングをサイバーセキュリティに適用することの重要性について話してください。

Deep Instinctが最初に設立されたとき、会社はサイバーセキュリティ業界を革命するという野心的な目標を設定し、「検知・対応・封じ込め」で後手に回るのではなく、予防を最優先する考え方を導入しました。サイバーアタックの増加、ランサムウェア、ゼロデイ・エクスプロイト、他の未知の脅威に対して、従来の反応的なセキュリティ・モデルは機能していません。生成AIによって脅威の量と速度が増し、攻撃者も手法を作り直して革新を進め、既存の対策を回避しています。その一歩先に立つために、組織には予測的な予防能力が必要です。

敵対的なAIが増えています。悪意のあるアクターは、WormGPT、FraudGPT、変異するマルウェアなどを利用しています。私たちは、企業が悪意のあるアクターと戦うためにAIでAIと戦う必要がある時代に入っています。しかし、すべてのAIは同じではありません。敵対的なAIに対抗するには、より高度なAI、つまりディープラーニング（DL）を利用したソリューションが必要です。ほとんどのサイバーセキュリティ・ツールは、脅威を防ぐ際に制限があるマシン・ラーニング（ML）モデルを利用しています。たとえば、これらの提供は、利用可能なデータの限定されたサブセット（通常2〜5％）でトレーニングされており、未知の脅威に対して50〜70％の精度しか示さず、多くの誤検知を引き起こします。MLソリューションは、人間の介入を必要とし、小さなデータセットでトレーニングされており、人間の偏見やエラーにさらされます。さらに、遅く、エンドポイントでさえも反応が遅く、脅威が実行されるまで放置され、実行前に対処できないため、DLが効果的である理由は、データを自己学習し、複雑な脅威を自動的に識別、検出、防止できる能力にあることです。

DLによって、従来の「侵害を前提とする」発想から、AIが生成するマルウェアに対抗する予測的な予防へと移行できます。脅威が発生する前に特定し、軽減するアプローチです。MLベースの製品と比べ、既知・未知のマルウェアに対する有効性が非常に高く、誤検知率は非常に低くなります。その有効性を保つために必要なDLコアの更新は年に1～2回だけです。独立して動作し、クラウドへの継続的な照会や脅威情報の共有を必要としないため、非常に高速で、プライバシーにも配慮できます。

ディープラーニングが未知のマルウェアを予測的に防止できる理由を教えてください。

未知のマルウェアは、ファイルのハッシュを変更することで作成されることがあります。たとえば、バイトを追加するだけです。ハッシュのブラックリストに頼るエンドポイント・セキュリティ・ソリューションは、既存のハッシュシグネチャが変異後の新しいハッシュと一致しないため、このような「変異」に対して脆弱です。パッキングは別のテクニックであり、バイナリ・ファイルにパッカーを適用して、元のファイルにジェネリック・レイヤーを提供します。新しいバリアントは、元のマルウェア・バイナリを変更することによって作成されます。これは、ハードコードされた文字列、C&CサーバーのIP/ドメイン名、レジストリ・キー、ファイル・パス、メタデータ、ミューテックス、証明書、オフセット、さらにランサムウェアによって暗号化されたファイルのファイル・エクステンションなど、セキュリティベンダーが検知用シグネチャに使う可能性のある特徴から始まります。コードまたはコードの部分を変更または追加することもできますが、これにより伝統的な検出テクニックを回避できます。

DLはニューラル・ネットワークに基づいており、生のデータで自己をトレーニングします。重要な点は、DLの訓練では利用可能なすべてのデータを使い、人間の介入なしに学習するため、非常に高い精度と低い誤検知率を実現します。これにより、未知の脅威に対して非常に高い効果が得られます。私たちのDLフレームワークでは、シグネチャやパターンに頼ることはありません。したがって、ハッシュの変更に対して免疫があります。また、パッキングされたファイルも正しく分類します。既知の単純なパッカーを使うものだけでなく、完全に検出を回避するよう工夫されたFUDも対象です。トレーニング・フェーズでは、入力するファイルの生データに「ノイズ」を加え、わずかな「変異」を自動的に生成して、訓練の各サイクルで与えます。これにより、プラットフォームは、文字列や多形性などの未知のマルウェア・バリアントに対して耐性を持つことができます。

予防第一の心構えは、サイバーセキュリティにおいて重要です。Deep Instinctはどのように予防に焦点を当てていますか。

データはすべての組織にとって生命線であり、保護することが最優先事項であるべきです。悪意のあるファイルが1つあれば、侵害される可能性があります。長年にわたって、「侵害を前提とする」というセキュリティの心構えが事実上の標準となり、データが脅威アクターによってアクセスされることは避けられないと考えられてきました。しかし、この心構えと、この心構えに基づくツールは、データのセキュリティを十分に提供できていません。攻撃者は、この受動的なアプローチを十分に活用しています。私たちの最近の調査によると、2023年上半期には、2022年全体よりも多くのランサムウェア・インシデントが発生しました。この変化する脅威の状況に対処するには、「侵害を前提とする」という心構えから離れ、新しいアプローチとさまざまな予防策が必要です。脅威は新しく未知であり、速いため、これらの結果がランサムウェア・インシデントで見られます。シグネチャは変化する脅威の状況に追いつけず、既存のMLベースのソリューションも同様です。

Deep Instinctでは、DLの力を利用して、データ・セキュリティに対する予防第一のアプローチを提供しています。 Deep Instinct Predictive Prevention Platformは、サイバーセキュリティのために特別に設計された独自のDLフレームワークに基づいた最初で唯一のソリューションです。これは、市場で最も効率的、有効、信頼できるサイバーセキュリティ・ソリューションであり、ゼロデイ、ランサムウェア、他の未知の脅威の99％超を20ミリ秒未満で防ぎ、業界最低の誤検知率（0.1％未満）を実現しています。私たちは、すでにこのユニークなDLフレームワークをアプリケーションとエンドポイントのセキュリティに適用し、最近では、Deep Instinct Prevention for Storageの導入により、ストレージ・プロテクションの機能を拡大しました。

データ・セキュリティのために、予測的な予防へのシフトが必要です。脆弱性を先に予測し、誤検知を制限し、セキュリティ・チームのストレスを軽減する必要があります。私たちは、この使命の最前線にあり、レガシ・ベンダーも予防第一の機能を称しているため、徐々に注目されています。

モデルをトレーニングするために使用されるトレーニング・データの種類について話してください。

他のAIやMLモデルと同様に、私たちのモデルもデータでトレーニングされます。私たちのモデルがユニークなのは、顧客のデータやファイルを必要としないことです。これは、顧客がソリューションを展開する際に追加のセキュリティ性を提供します。私たちは50以上のフィードに登録し、ファイルをダウンロードしてモデルをトレーニングします。そこから、内部で開発したアルゴリズムを使用してデータを検証および分類します。

このトレーニング・モデルにより、1年に2〜3回、新しい「脳」を作成するだけで済みます。これらの新しい脳は独立して配布され、顧客への運用上の影響を大幅に削減します。また、変化する脅威に対応するために、絶えず更新し続ける必要もありません。これは、プラットフォームがDLによって動作する利点であり、予測的な予防第一のアプローチを提供することを可能にします。一方、AIやMLを利用した他のソリューションは、反応的な機能を提供します。

リポジトリが準備できたら、すべてのファイル・タイプと悪性・良性の分類やその他のメタデータを含むデータセットを構築します。そこから、利用可能なすべてのデータで「脳」をトレーニングします。トレーニング・プロセス中にデータを破棄しません。これが、私たちのDL脳が低い誤検知率と高い有効性を実現する理由です。このデータは、人間の入力なしで自己学習を続けます。結果を微調整して「脳」を教えると、それは自己学習を続けます。これは、人間の脳がどのように機能し、学習するかと非常に似ています。しかし、過剰適合を避けるために、DL脳がデータを記憶するのではなく、学習して理解するようにするには非常に注意しています。

非常に高い有効性レベルに達した後、顧客に展開するための推論モデルを作成します。モデルが展開された段階では、新しいものを学習することはできません。しかし、新しいデータや未知の脅威と相互作用し、それらが悪性であるかどうかを判断する能力があります。基本的に、すべてを見たものについて「ゼロデイ」の決定を下します。

Deep Instinctを顧客のコンテナ環境で実行することには、どのような重要性がありますか。

私たちのプラットフォーム・ソリューションの1つであるDeep Instinct Prevention for Applications（DPA）は、API/iCAPインターフェイスを介して、DL機能を活用する能力を提供します。この柔軟性により、組織はアプリケーションやインフラストラクチャに私たちの革命的な機能を組み込むことができ、多層防御のサイバーセキュリティ戦略を使用して脅威を防止できます。これは、ユニークな差別化要素です。DPAは、私たちが提供するコンテナで実行され、顧客がアプリケーションやサービスをオンプレミスまたはクラウドのコンテナ環境に移行するための現代的なデジタライゼーション戦略と一致しています。一般的に、これらの顧客はDevOpsでセキュリティを開発の早い段階に組み込む「シフトレフト」も採用しています。私たちのAPI指向のサービス・モデルは、これを補完し、アジャイルな開発とサービスを可能にし、脅威を防止します。

このアプローチにより、既存のサービスを活用しながら、組織の技術戦略にDeep Instinctを自然に組み込めます。新たなハードウェアや物流上の懸念、追加の運用負担がなく、総保有コスト（TCO）を低く抑えられます。必要に応じた大規模な自動スケーリング、回復力、低遅延、容易なアップグレードなど、コンテナの利点を生かします。これにより、従来の製品にはない効率で、アプリケーションやインフラに大規模な脅威防止機能を組み込めます。DLの特性により、低遅延、高い有効性、低い誤検知率を、プライバシーへの配慮と両立できます。ファイルやデータは、常に顧客の管理下にあるコンテナの外へ出ません。クラウドとの共有、クラウドでの分析、ファイルやデータの共有を必要としない点が、既存製品との差別化になります。

生成AIはサイバー攻撃を拡大する可能性があります。Deep Instinctはこれらの攻撃を防ぐために必要な速度を維持する方法について教えてください。

私たちのDLフレームワークはニューラル・ネットワークに基づいており、生のデータで自己をトレーニングします。フレームワークが動作する速度と精度は、数億のサンプルでトレーニングされた「脳」の結果です。トレーニング・データセットが増えるにつれて、ニューラル・ネットワークはさらに賢くなり、悪性ファイルの構成要素をより詳細に理解できるようになります。既存のサイバーセキュリティ製品よりも、既知、未知、ゼロデイの脅威を停止する精度と速度が高くなります。また、クラウドベースの分析やルックアップを必要としないため、ユニークです。ML単独では十分ではなかったため、クラウド分析をMLの下に置く必要がありましたが、これにより遅く、反応的なものになりました。DLにはこの制約がないため、既知、未知、ゼロデイの脅威を停止する速度と精度が高くなります。

生成AIによって増幅される、企業が注意すべき最大の脅威について教えてください。

以前のフィッシングメールは文法上の誤りが多く、比較的容易に見分けられました。現在は攻撃者がChatGPTなどを使うことで非常に巧妙になり、複数の言語で書かれた、文法上の誤りのないメールになりました。これらのメールは、スパム・フィルターや読者が検知するのが難しくなりました。

ディープフェイクも、AIの進化により非常にリアルで信憑性のあるものになりました。オーディオAIツールは、企業内のエグゼクティブの声をシミュレートして、従業員に偽のボイスメールを残すために使用されています。

攻撃者は、既存のソリューションを回避し、より効果的に広がるように、AIを使用して未知のマルウェアを作成しています。攻撃者は、既存のソリューションを回避する新しい、複雑な、独自の、マルウェアを作成するためにAIを利用するだけでなく、攻撃チェーンの「エンドツーエンド」を自動化することによって、コストを削減し、攻撃の規模を拡大し、同時に攻撃をより洗練されたものにするでしょう。サイバーセキュリティ業界は、15年間頼ってきた既存のソリューション、トレーニング、認識プログラムを見直す必要があります。今年だけで発生している侵害からも、既存のソリューションはすでに失敗しており、状況は悪化するでしょう。

Deep Instinctが提供するアプリケーション、エンドポイント、ストレージ・ソリューションの種類について簡単に説明してください。

Deep Instinct Predictive Prevention Platformは、今日のサイバーセキュリティの課題を解決するために特別に設計された、ユニークなDLフレームワークに基づいた最初で唯一のソリューションです。プラットフォームには3つの柱があります。

1. エージェントレス、コンテナ化環境、APIまたはICAP経由で接続します。 Deep Instinct Prevention for Applicationsは、エージェントレス・ソリューションであり、ランサムウェア、ゼロデイの脅威、他の未知のマルウェアがアプリケーションに到達する前に、ユーザー・エクスペリエンスに影響を与えることなくこれらを防止します。
2. エンドポイントにエージェントを搭載します。 Deep Instinct Prevention for Endpointsは、実行前に予防第一のスタンドアロン・プラットフォームです。多くの既存製品が実行時に対処するのに対し、この製品は実行前に防止します。既存のEDRソリューションを補完する実効的な脅威防止レイヤーを提供することもできます。既知・未知の脅威、ゼロデイ、ランサムウェアを、悪意のある動作が始まる前に防止します。アラートの量と誤検知を大幅に減らすことで、SOCチームは確度の高い、本当に対処すべき脅威に集中できます。
3. ストレージ保護への予防第一アプローチ。 Deep Instinct Prevention for Storageは、ランサムウェア、ゼロデイの脅威、他の未知のマルウェアがストレージ環境に侵入するのを阻止するための予測的な予防アプローチを提供します。オンプレミスまたはクラウドに保存されているかに関係なく、中央のストレージに対して高速で非常に高い有効性のソリューションを提供し、ストレージが脅威の拡散や伝播のポイントにならないことを保証します。

感謝します。詳細については、Deep Instinctを訪問してください。