サリュ・ナイヤー、GuruculのCEO兼設立者 – インタビュー・シリーズ

サリュ・ナイヤーは、国際的に認められたサイバーセキュリティの専門家、著者、スピーカーであり、フォーブス・テクノロジー・カウンシルの一員です。彼女は、情報セキュリティ、アイデンティティおよびアクセス管理、ITリスクおよびコンプライアンス、セキュリティリスク管理分野で15年以上の経験を持っています。

2017年に、EYエントレプレナー・ウィニング・ウィメン賞を受賞しました。彼女は、オラクル、シメイオ、サン・マイクロシステムズ、ヴァウ（サンに買収）、ディズニーでセキュリティ製品およびサービス戦略のリーダーシップを担ってきました。サリュは、エルンスト・アンド・ヤングのテクノロジー・セキュリティおよびリスク管理実務のシニアポジションでも働いてきました。

Guruculは、行動ベースのセキュリティとリスク分析に特化したサイバーセキュリティ企業です。同社のプラットフォームは、マシンラーニング、AI、ビッグデータを利用して、インサイダー脅威、コンプロマイズされたアカウント、ハイブリッド環境全体での高度な攻撃をリアルタイムで検出します。Guruculは、統合セキュリティおよびリスク分析プラットフォームで知られており、SIEM、UEBA（ユーザーおよびエンティティ行動分析）、XDR、アイデンティティ分析を統合して、リアルタイムの脅威検出および対応を提供します。同社は、企業、政府、MSSPにサービスを提供し、誤検知を削減し、脅威対応を迅速化することを目指しています。

2010年にGuruculを設立したきっかけと、サイバーセキュリティの風景の中で解決しようとした問題は何ですか?

Guruculは、セキュリティ・オペレーションおよびインサイダー・リスク管理チームが、ビジネスに影響を与える最も重要なサイバーリスクを明確に把握できるように支援するために設立されました。2010年から、ルールベースではなく、行動および予測分析アプローチを取り入れてきました。これにより、4,000以上のマシンラーニングモデルが生成され、さまざまな攻撃およびリスクシナリオでユーザーおよびエンティティの異常をコンテキスト化しています。私たちは、この基盤を拡張して、インサイダー・リスクの課題を解決するために大規模なフォーチュン50企業を支援することから始め、すべてのサイバーリスクに対する徹底的な理解を提供することを目指しています。これが、私たちの統合およびAI駆動のデータおよびセキュリティ分析プラットフォーム、REVEALの約束です。現在、私たちは、AIミッションを拡大して、セルフドライビング・セキュリティ分析プラットフォームを提供することを目指しています。マシンラーニングを基盤とし、ジェネレーティブおよびエージェントAIの機能を脅威ライフサイクル全体にレイヤー化します。目標は、分析およびエンジニアが、複雑さの中でより多くの時間を費やさずに、より多くの意味のある作業に集中できるようにすることです。機械が、日常業務の定義を増幅させるようにします。

オラクル、サン・マイクロシステムズ、エルンスト・アンド・ヤングでのリーダーシップの経験から、Guruculの設立にどのような重要な教訓を持ち込んだのですか?

オラクル、サン・マイクロシステムズ、エルンスト・アンド・ヤングでのリーダーシップの経験は、複雑なセキュリティの課題を解決する能力を強化し、フォーチュン100のCEOおよびCISOが直面する課題を理解することができました。総合的に、これらの経験は、セキュリティの課題を解決するためのソリューションを構築するためのインスピレーションを与えました。

GuruculのREVEALプラットフォームは、従来のSIEM（セキュリティ情報およびイベント管理）ソリューションとどのように異なりますか?

従来のSIEMソリューションは、静的でルールベースのアプローチに依存し、過剰な誤検知、コストの増加、検出および対応の遅延につながります。REVEALプラットフォームは、フルクラウドネイティブでAI駆動であり、高度なマシンラーニング、行動分析、ダイナミックリスクスコアリングを使用して、リアルタイムで脅威を検出および対応します。従来のプラットフォームとは異なり、REVEALは、進化する脅威に継続的に適応し、オンプレミス、クラウド、ハイブリッド環境全体で包括的なセキュリティを提供します。ガートナーのマジッククアドラントで3年連続で最も先進的なSIEMソリューションとして認められ、REVEALは、AI駆動のSIEMを、精度、速度、可視性の点で再定義しています。さらに、SIEMは、データ過負荷の問題に苦労しています。すべての必要なデータを取り込むことは非常に高価であり、データを取り込んでも、誤検知の問題に加えて、さらに悪化します。Guruculは、この問題を理解しており、ネイティブでAI駆動のデータパイプライン管理ソリューションを提供しています。このソリューションは、非重要なデータを低コストのストレージにフィルタリングし、コストを節約しながら、すべてのデータに対して連邦検索を実行する機能を保持します。分析システムは、「ガベージイン、ガベージアウト」の状況です。入力データが膨張したり、不必要なデータであったり、不完全なデータである場合、出力は正確で、実行可能で、最終的には信頼できるものではありません。

マシンラーニングと行動分析は、リアルタイムで脅威を検出するためにどのように使用されますか?

私たちのプラットフォームは、4,000以上のマシンラーニングモデルを利用して、すべての関連データセットを継続的に分析し、リアルタイムで異常および疑わしい行動を検出します。従来のセキュリティシステムが静的ルールに依存するのとは異なり、REVEALは、脅威が発生する際にそれを検出します。プラットフォームは、ユーザーおよびエンティティ行動分析（UEBA）を使用して、通常のユーザーおよびエンティティの行動のベースラインを確立し、インサイダー脅威、コンプロマイズされたアカウント、または悪意のある活動を示す可能性のある行動の逸脱を検出します。この行動は、セキュリティ、ネットワーク、IT、IoT、クラウド、アイデンティティ、ビジネスアプリケーションデータ、および内部および外部の脅威インテリジェンスを関連付ける、ビッグデータエンジンによってさらにコンテキスト化されます。これは、リアルタイムのリスクスコアを割り当てて、最も重要な脅威への対応を優先する、ダイナミックリスクスコアリングエンジンに情報を提供します。これらの機能は、従来のセキュリティソリューションとは異なり、リアルタイムの脅威検出および対応に包括的な、AI駆動のアプローチを提供します。

GuruculのAI駆動アプローチは、従来のサイバーセキュリティシステムと比較して、誤検知をどのように削減しますか?

REVEALプラットフォームは、AI駆動のコンテキスト分析、行動分析、機械学習を利用して、正当なユーザーアクティビティと実際の脅威を区別し、誤検知を削減します。従来のソリューションとは異なり、REVEALは、検出能力を時間の経過とともに改善し、精度を高めながらノイズを最小限に抑えます。UEBAは、ベースラインアクティビティからの逸脱を高精度で検出することで、セキュリティチームが、誤検知ではなく、正当なセキュリティリスクに集中できるようにします。マシンラーニングは基礎的な側面ですが、ジェネレーティブおよびエージェントAIは、自然言語でコンテキストを追加して、分析者がアラートの周囲で何が起こっているかを理解し、さらにアラートへの対応を自動化するのに役立ちます。

現代のサイバーセキュリティ脅威における敵対的AIの役割は何ですか?また、Guruculはこれらの進化するリスクをどのように対処していますか?

まず、敵対的AIは、人間ベクトルとアイデンティティベースの脅威の最も低い果実に適用されています。これは、行動およびアイデンティティ分析が、異常な行動を特定し、コンテキスト化し、悪意のある行動がさらに蔓延する前に予測するために、重要である理由です。さらに、敵対的AIは、署名ベースの検出方法の最後の釘です。攻撃者は、AIを使用してこれらのTTP定義の検出ルールを回避していますが、行動ベースの検出は同じ方法で回避できないため、同じ方法で回避することはできません。SOCチームは、検出を維持するためにルールを書き続けるために十分なリソースを持っていません。したがって、脅威検出、調査、対応のための現代的なアプローチが必要です。行動とコンテキストが、重要な要素です。最後に、REVEALのようなプラットフォームは、継続的なフィードバックループに依存しており、検出モデルを改善するためにAIを適用し、新しいモデルを推奨し、全体の顧客エコシステムが利益を得ることができる新しい脅威インテリジェンスを通知します。

Guruculのリスクベースのスコアリングシステムは、セキュリティチームが脅威を優先する能力をどのように向上させますか?

私たちのプラットフォームのダイナミックリスクスコアリングシステムは、ユーザー、エンティティ、行動にリアルタイムのリスクスコアを割り当てます。これにより、セキュリティチームは重要な脅威を優先し、対応時間を短縮し、リソースを最適化できます。0から100のスケールでリスクを量化することで、REVEALは、組織が最も重要なインシデントに集中し、低優先度のアラートに圧倒されることを防ぎます。エンタープライズ全体のデータソースを横断する統一されたリスクスコアにより、セキュリティチームは、より大きな可視性と制御を獲得し、迅速で情報に基づいた意思決定が可能になります。

データ漏洩が増加する時代に、AI駆動のセキュリティソリューションは、組織がインサイダー脅威を防止するのをどのように支援できますか?

インサイダー脅威は、繊細な性質と従業員が持つアクセス権のため、特に課題的なセキュリティリスクです。REVEALのUEBAは、通常の行動のベースラインからの逸脱を検出します。これにより、インサイダー脅威、コンプロマイズされたアカウント、または悪意のある活動を示す可能性のある、承認されていないデータアクセス、通常と異なるログイン時間、特権の悪用などのリスキーなアクティビティが検出されます。ダイナミックリスクスコアリングも、行動をリアルタイムで継続的に評価し、最も重要なインサイダー脅威を優先するためにリスクレベルを割り当てます。これらのAI駆動の機能により、セキュリティチームは、インサイダー脅威を予測的に検出および軽減し、データ漏洩が発生する前に対応できます。インサイダー・リスク管理は、時間との戦いです。インサイダー・リスク管理チームは、迅速に対応し、プライバシーを優先して、ビジネスが対応し、是正措置を講じる前に、証拠を迅速に構築して防御する必要があります。コンテキストは、ここでも重要です。行動の逸脱に、アイデンティティシステム、HRアプリケーション、その他の関連データソースからのコンテキストを追加することで、これらのチームは、証拠を迅速に構築して、ビジネスが対応し、是正措置を講じるために必要な情報を提供します。

Guruculのアイデンティティ分析ソリューションは、従来のIAM（アイデンティティおよびアクセス管理）ツールと比較して、セキュリティをどのように向上させますか?

従来のIAMソリューションは、アクセス制御と認証に焦点を当てていますが、リアルタイムでコンプロマイズされたアカウントまたは特権の悪用を検出するための知識と可視性が不足しています。REVEALは、これらの限界を超えて、AI駆動の行動分析を利用して、ユーザーリスクを継続的に評価し、リスクスコアを動的に調整し、適応的なアクセスエンティティを適用して、不正使用と不正な特権を最小限に抑えます。既存のIAMフレームワークと統合し、最小限の特権アクセスを適用することで、アイデンティティセキュリティを強化し、攻撃面を削減します。IAMガバナンスの問題は、アイデンティティシステムのスプロールと、さまざまなアイデンティティシステム間の相互接続性の欠如です。Guruculは、チームに、アイデンティティインフラストラクチャ全体のアイデンティティリスクの360度のビューを提供します。現在、彼らはアクセスをゴム印するのではなく、リスク指向のアプローチでアクセスポリシーを取り、さらに、IAMのコンプライアンス側面を迅速化し、組織全体のアクセス制御に対して継続的なモニタリングと包括的なアプローチを示すことができます。

次の5年間で予測される主要なサイバーセキュリティ脅威は何ですか?また、AIはこれらの脅威を軽減するのをどのように支援できますか?

アイデンティティベースの脅威は、効果的だったため、増加するでしょう。攻撃者は、インサイダーをコンプロマイズするか、アイデンティティインフラストラクチャを攻撃することでアクセスを取得するために、アイデンティティベースの脅威に二重に注力するでしょう。インサイダー脅威は、特にシャドウITが続く限り、多くのビジネスにとって重要なリスクベクトルであり続けるでしょう。悪意のあるものや、怠慢なものに関係なく、会社はインサイダー・リスクの可視性を必要とします。さらに、AIは、従来のTTPを加速させるでしょう。攻撃者は、検出を避けるためにこれを行うことを知っており、これは彼らにとって適応的な戦術、技術、プロトコルを創造するための低コストの方法です。したがって、行動とコンテキストに焦点を当て、検出システムが同じスピードで適応できるようにすることが、将来的なために不可欠です。

素晴らしいインタビュー、詳しく知りたい読者はGuruculを訪問してください。