앨런 레포트, 스트롱게스트레이어의 CEO & 공동 창립자 – 인터뷰 시리즈

앨런 레포트는 15년 이상의 보안 제품 개발 및 확장 경험을 가진 사이버 보안 전문가입니다. 그는 이전에 Proofpoint, McAfee, Intel (INTC ) Security에서 제품 및 비즈니스 부문을 이끌었으며, 고급 위협 보호, 내부 위험, 행동 분석에 중점을 두었습니다. Intel에서 그는 글로벌 시장 전반에 걸친 제품 전략을 주도하며 미국, 유럽, 이스라엘의 팀을 이끌었습니다. 이제 스트롱게스트레이어의 CEO로, 앨런은 그 깊은 엔터프라이즈 경험을 활용하여 사용자에게 도달하기 전에 AI 기반 피싱 공격을 중단하는 것을 목표로 합니다. 이로써 그는 이메일 보안을 AI 시대에 맞게 재정의하고 있습니다.

스트롱게스트레이어는 고급 피싱 및 비즈니스 이메일 컴프롬프라이즈 공격을 중단하기 위해 설계된 AI 네이티브 이메일 보안 플랫폼입니다. 자체 개발한 TRACE 엔진을 사용하여 대규모 언어 모델, 행동 추론, 컨텍스트 분석을 적용하여 전통적인 규칙 기반 시스템이 놓치는 악성 이메일을 식별합니다. 이 플랫폼은 Microsoft 365 및 Google Workspace와 빠르게 통합되며, 브라우저 보호를 추가하고 AI 기반 직원 교육을 제공하여 조직에 강력한 방어와 보안 의식이 높은 문화를 제공합니다.

스트롱게스트레이어를 시작하게 된 영감과 공동 창립자들이 해결하려고 했던 사이버 보안 환경의 구체적인 격차는 무엇입니까?

회사는 각 공동 창립자의 관점에 따라 발전했습니다. 그것은 우리의 CTO인 Riz가 피싱이 전통적인 직원 교육을 위해 너무 복잡해졌다는 것을 인식하면서 시작되었습니다. 그의 통찰력은 AI 기반 맞춤화가 근본적으로 보안 의식을 개선할 수 있다는 것이었습니다.

Josh가 우리의 Chief Product Officer로 합류했을 때, 그는 우리의 초기 제품을 테스트하면서 우리의 AI 분석이 이미 확립된 이메일 보안 벤더들이 완전히 놓친 복잡한 공격을 감지하고 있다는 것을 발견했습니다. 그때 우리는 단순히 교육을 개선하는 것이 아니라 위협 감지의 근본적인 격차를 식별하고 있다는 것을 깨달았습니다.

나는 2025년初에 CEO로 합류했으며, 전략적 기회를 명확히 보았습니다. 만약 AI만이 武装된 AI를 방어할 수 있다면, 우리는 단순히 감지뿐만 아니라 인간을 이 새로운 현실에서 어떻게 강화할 것인가를 재고해야 합니다. 결정은 간단했습니다 – AI 네이티브 감지 및 예방에 전적으로 투자하기로 했습니다.

이메일이 특히 생성적 AI 시대에 왜 아직도 중요한 공격 벡터인지 설명해 주십시오.

이메일은 비즈니스 컨텍스트가 가장 중요하게 고려되는 유일한 채널이며, 생성적 AI는 이 컨텍스트를 악용하는 것을 쉽게 만들었습니다.

전통적인 이메일 공격은 볼륨 기반으로서 뚜렷했습니다. AI는 게임을 완전히 바꿉니다 – 공격자는 이제 개인화된 이메일을 생성할 수 있으며, 조직의 계층 구조를 이해하고, 의사 소통 스타일을 모방하며, 실제 비즈니스 프로세스를 참조할 수 있습니다. 그들은 더 이상 일반적인 피싱을 보내지 않습니다. 그들은 특정 조직에 실제로 느끼는 공격을 제작합니다.

이메일은 또한 신뢰 결정이 일상적으로 일어나는 곳입니다. 직원들은 정기적으로 벤더, 파트너, 동료로부터의 요청을 받으며, 그 요청의 적법성에 대한 판단을 해야 합니다. AI 기반 공격은 이러한 신뢰 관계를 악용하여 알려진 엔티티에서 오는 요청으로 보이게 만듭니다.

기본적인 도전은 이메일 보안이 항상 “나쁨” 기술 패턴을 감지하는 것에 관한 것이었지만, AI 공격은 기술적으로 良好하지만 악의적으로 의도된 것으로 보입니다.

스트롱게스트레이어의 LLM 네이티브 아키텍처는 전통적인 이메일 보안 솔루션과 어떻게 근본적으로 다릅니까?

우리는 첫 번째 LLM-마스터 아키텍처를 구축했으며, 이는 기존의 패턴 매칭 시스템에 LLM 기능을 추가한 벤더와 근본적으로 다릅니다. 구별은 아키텍처적입니다. LLM이 전체 분석 프로세스를 조정하는 것이며, 추가 모듈이 아닙니다.

전통적인 솔루션은 검사官만 있는 법원 시스템처럼 작동합니다. 그들은 유죄를 찾기만 할 수 있으며, 무죄를 증명할 수 있는 메커니즘이 없습니다. 이것은 전통적인 아키텍처 내에서 결코 해결될 수 없는 고전적인 거짓 양성/거짓 음성 긴장을 만듭니다.

우리의 혁신은 이중 증거 수집입니다. 우리는 모든 이메일에 대해 공공 변호인 증거와 위협 신호를 동시에 수집합니다. 중립적인 LLM 판사는 증거를 평가하여 자동으로 의사 결정을 내립니다.

이 아키텍처는 완전히 새로운 인프라를 필요로 하였습니다: LLM-마스터 조정, 이중 증거 합성 알고리즘, 전문가 아키텍처를 위한 혼합 전문가 아키텍처, 엔터프라이즈 데이터 개인 정보 보호를 위한 제로 메모리 아키텍처. 우리는 1000명의 엘리트 분석가의 이성적 능력과 금붕어의 기억력을 제공합니다. 최대 분석 능력, 제로 데이터 지속성.

TRACE (Threat Reasoning AI Correlation Engine) 시스템이 어떻게 작동하며, 무엇이 그것을 AI 기반 피싱 공격에 대해 독특하게 효과적으로 만드는가?

TRACE는 이중 증거 수집을 통해 작동하며, 이는 이메일 보안 경제학을 근본적으로 변경합니다.

모든 이메일에 대해, 우리는 동시에 두 가지 병렬 조사를 수행합니다. 공공 변호인 증거는 정상성 지표를 수집하며, 검사官 증거는 위협 신호를 수집합니다. 중립적인 LLM 판사는 모든 증거를 평가하여 자동으로 의사 결정을 내립니다.

예를 들어, CFO로부터의 5000만 달러의 벤더 지불이 있을 수 있습니다. 레거시 시스템은 긴급한 언어, 큰 금액, 업무 외 시간 스탬프를 볼 것입니다. 모든 패턴은 위협을 외칩니다. 이메일은 검역되며, 비즈니스가 중단됩니다.

우리의 이중 증거 아키텍처는 두 가지 병렬 조사를 수행합니다. 공공 변호인 증거에는 CFO의 의사 소통 패턴, 벤더의 확립된 관계, 지불금액이 조달 한도 내에 있는지, 문서화된 워크플로우를 따르는지 등이 포함됩니다. 검사官 증거에는 외부 위협 인텔리전스, 의사 소통 의도 분석, 권한 우회 시도, 긴급성 조작 패턴 등이 포함됩니다.

LLM 판사는 모든 증거를 평가합니다. 강력한 적법성 지표는 소규모 위협 신호를 능가합니다. 이메일은 자동으로 높은 신뢰도로 클리어되며, 비즈니스 연속성이 유지되고, 분석가들은 실제 위협에 집중할 수 있습니다.

이것이 AI 공격에 대해 독특하게 효과적인 이유는 우리가 공격 방법이 완전히 새로운 경우에도 지속되는 안정적인 지표에 집중하기 때문입니다. 비즈니스 적법성 패턴과 악의적인 의도 패턴은 공격 방법과 관계없이 일관성을 유지합니다.

AI가 개인화된 이메일을 대규모로 생성할 수 있게 된 현재, 플랫폼이 이러한 발전하는 위협에 어떻게 대처합니까?

핵심적인 통찰력은 공격 생성을 무한히 확장할 수 있는 AI지만, 공격자가 비즈니스 논리를 완벽하게 이해하는 것은 해결할 수 없다는 것입니다.

AI는 완벽한 문법, 의사 소통 스타일, 조직에 대한 공개 정보를 참조할 수 있습니다. 그러나 모든 조직에서 내부 비즈니스 프로세스, 승인 워크플로우, 계약 주기, 관계 동태를 완벽하게 이해할 수는 없습니다.

우리의 플랫폼은 비즈니스 논리적 합리성에 중점을 두어 이러한 위협에 대처합니다. AI 공격이 기술적으로 더 정교해질수록, 비즈니스 논리에서 더 절박해집니다. 정상적인 프로세스를 우회하거나, 정립된 관계와 일치하지 않는 행동을 요청합니다.

우리는 또한 고객 간의 학습을 통해 개별 고객 데이터를 노출하지 않습니다. 비즈니스 논리 남용 패턴은 기술적 구현이 다르더라도 조직 전체에서 일관성이 있습니다.

현재 AI 강화 피싱에 가장 취약한 조직 유형은 무엇이며, 플랫폼은 이러한 고유한 도전에 어떻게 대처합니까?

벤더 관계와 승인 프로세스가 복잡한 조직이 가장 취약합니다. 특히 금융 서비스, 헬스케어, 법률 회사입니다. 이러한 부문에는 귀중한 데이터가 있으며, 공격자가 연구할 수 있는 확립된 비즈니스 프로세스가 있으며, 민감한 요청을 처리하는 직원이 있습니다.

중간 시장 회사들은 특정한 도전에 직면합니다. 그들은 엔터프라이즈 수준의 의무와 복잡성을 가지고 있지만, 이를 따라갈 수 있는 보안 직원이나 예산이 없습니다. 그들은 매력적인 대상이지만, 고급 공격에 성공할 수 있는 자원으로 제한됩니다.

우리의 플랫폼은 TRACE를 통해 비즈니스 컨텍스트 분석을 자동화하여 이러한 도전에 대처합니다. 일반적으로 전용 보안 분석가가 수동으로 조사해야 하는 것을 대신하여, TRACE는 조직이 빠르게 정보에 기반한 의사 결정을 내릴 수 있도록 도와줍니다.

우리는 또한 사용자 경험에 중점을 두고 있습니다. 이러한 조직은 운영 마찰을 일으키거나 광범위한 교육을 요구하는 솔루션을 허용할 수 없습니다.

예측 캠페인 감지 시스템이 가짜 회사 웹사이트를 어떻게 식별하여 중화합니까?

우리의 접근 방식은 실시간 도메인 등록 모니터링과 비즈니스 컨텍스트 분석의 조합입니다.

우리는 지속적으로 글로벌 도메인 등록을 모니터링하여 사칭 캠페인과 유사한拼音의 도메인, 등록 클러스터, 공격 준비와 일치하는 인프라 패턴을 찾습니다.

그러나 핵심적인 차별점은 기술적 인텔리전스를 비즈니스 컨텍스트와 상관시키는 것입니다. 고객의 벤더나 파트너를 사칭할 수 있는 도메인이 등록된 경우, 우리는 비즈니스 관계와 주기에 따라 캠페인 대상과 타이밍을 예측할 수 있습니다.

중화는 초기 경고를 통해 발생합니다. 우리는 이메일이 전송되기 몇 주 전에 고객에게 잠재적인 사칭 캠페인에 대해 경고하여, 방어를 준비하고 직원에게 특정 위협을 주의하도록 알립니다.

이 사전 캠페인 감지는 기술적 공격 인프라와 공격자가 악용할 가능성이 있는 비즈니스 컨텍스트를 모두 이해할 수 있기 때문에 가능합니다.

진정한 LLM 네이티브 사이버 보안 솔루션을 구축하는 동안遭遇한 가장 어려운 기술적인 문제는 무엇입니까?

가장 어려운 문제는 민감한 조직 데이터를 노출하지 않고 비즈니스 컨텍스트에 대해 추론할 수 있는 시스템을 구축하는 것이었습니다. 또한 레거시 시스템이 놓친 새로운 공격에 대해 작동하는지 증명하는 것이었습니다.

우리는 최근 TRACE 시스템이 Microsoft 365 Direct Send 악용 공격을 감지했을 때 이를 검증했습니다. 이 공격은 Microsoft (MSFT ) 의 네이티브 보안과 시장 선도자가 완전히 놓쳤습니다. 공격은 합법적인 Microsoft 기능을 악용하고, 이미지 기반 혼淆를 사용하며, 동적으로 개인화된 피싱 페이지를 생성했습니다. 이는 완전히 새로운 기술로, 역사적인 패턴과 일치하지 않았습니다.

기술적인 도전은 상당했습니다. LLM-마스터 조정을 구축하여 복잡한 추론을 수행할 수 있으면서도 민감한 데이터를 로컬로 유지하는 것이었습니다. 또한 패턴 매칭에서 추론으로 이동할 때 거짓 양성 함정을 피하는 것이었습니다. 또한 이메일 흐름 대기 시간 요구 사항 내에서 실시간 의사 결정을 제공하기 위해 성능을 최적화하는 것이었습니다.

그러나 가장 큰 혁신은 우리의 이중 증거 아키텍처가 실제 세계에서 레거시 벤더가 놓친 공격에 대해 작동하는 것을 증명하는 것이었습니다. 이 검증은 다음에 개발될 공격 기술에 대해 아키텍처가 대응할 수 있다는 자신감을 주었습니다.

2026-2027년까지 위협 풍경이 어떻게 발전할 것으로 예상합니까? 플랫폼은 미래를 위해 어떻게 준비하고 있습니까?

2026-2027년까지, 나는 고급 AI 강화 공격이 선도적인 위협 영역에서 주류가 될 것으로 예상합니다. 도구와 기술은 보급화되어 위협 행위자의 수를 크게 늘릴 것입니다.

우리는 또한 공격이 이메일을 넘어 모든 비즈니스 커뮤니케이션 채널 – Teams, Slack, 모바일 메시징 -으로 확장할 것을 예상합니다. 공격자는 여러 채널에서 캠페인을 오케스트레이션할 것이며, 단일 포인트 감지는 불충분해질 것입니다.

우리는 TRACE를 비즈니스 커뮤니케이션 채널에 적용할 수 있는 추론 엔진으로 구축하여 이를 준비하고 있습니다. 핵심 기술 – 비즈니스 컨텍스트와 의도를 이해하는 것 -은 이메일 특정적이지 않습니다. 우리는 또한 채널 간 상관 관계 기능에大量으로 투자하고 있습니다.

또 다른 주요 전환은 조직 내 AI 채택을 악용하는 공격입니다. 회사가 비즈니스 프로세스에 AI 도구를 배포할 때, 공격자는 이러한 통합과 데이터 흐름을 대상으로 할 것입니다.

실제 배포에서 배운 교훈은 무엇이며, 그것이 제품 로드맵을 어떻게 형성했습니까?

가장 큰 교훈은 새로운 공격이 우리의 아키텍처 접근 방식을 예상치 못한 방식으로 검증한다는 것입니다. TRACE 시스템이 Microsoft 365 Direct Send 악용 공격을 감지했을 때, 우리의 테제를 증명했습니다. 즉, 추론이 실제로 새로운 기술에 대한 패턴 매칭을 능가한다는 것을 보여주었습니다.

우리는 사용자 경험의 중요성을 배웠습니다. 그러나 우리가 예상한 방식과는 다르게, 보안 팀은 단순히 정확한 감지를 원하는 것이 아니라, 시스템이 왜 그런 결정을 내렸는지 이해하고 싶어합니다. 우리의 이중 증거 접근 방식이 도움이 됩니다. 분석가는 공공 변호인과 검사관의 증거를 모두 볼 수 있으며, LLM 판사의 판결에 이르기까지의 과정입니다.

우리는 또한 새로운 공격 감지의 경쟁적优势를 발견했습니다. 우리는 Dark Reading이 검증한 Direct Send 분석을 공개했을 때, 기술적 신뢰성을 마케팅 주장으로는 달성할 수 없는 방식으로 확립했습니다. 잠재 고객은 우리가 알려지지 않은 위협을 감지한다는 주장을 하는 것이 아니라, 실제로 문서화된 사례에서 이미 확립된 벤더가 실패한 것을 증명하고 있다는 것을 깨달았습니다.

이러한 교훈은 우리의 전략을 투명성과 기술적 검증을 강조하는 방향으로 형성했습니다. 우리의 로드맵은 이제 감지 기능뿐만 아니라, 추론을 설명하고 보안 커뮤니티와 위협 인텔리전스를 공유하는 능력을 강조합니다.

2-3년 내 스트롱게스트레이어의 미래는 무엇이며, 회사의 장기적인 비전은 무엇입니까?

2년 내에, 나는 스트롱게스트레이어가 모든 비즈니스 커뮤니케이션 – 이메일, Teams, Slack, 모바일 메시징, 새로운 채널 -을 보호하는 추론 엔진이 될 것으로 예상합니다.

우리가 TRACE와 함께 구축한 기술적 기초 – 비즈니스 컨텍스트와 의도를 이해하는 것 -은 이메일 보안을 넘어서 적용됩니다. 조직이 더 많은 커뮤니케이션 채널과 AI 도구를 채택함에 따라, 일관된 보호가 필요합니다. 이는 비즈니스 논리가 모든 플랫폼에서 일관되게 이해될 수 있도록 합니다.

장기적으로, 우리의 비전은 조직이 AI 기반 세계에서 자신감을 가지고 커뮤니케이션할 수 있도록 도와주는 지능 계층이 되는 것입니다. 보안이 커뮤니케이션의 장벽이 아닌, 비즈니스들이 새로운 커뮤니케이션 기술을 안전하게 채택할 수 있도록 도와주는 시스템이 되기를 원합니다.

궁극적인 목표는 조직이 이메일 보안을 별도의 문제로 생각하지 않는 지점에 도달하는 것입니다. 그것은 비즈니스 커뮤니케이션이 작동하는 방식의 일부입니다. 자동으로 보호되며, 생산성을 가능하게 합니다.

감사합니다. 더 많은 정보를 배우고 싶은 독자는 스트롱게스트레이어를 방문하십시오.