Deep Instinct의 CIO인 Carl Froggett와의 인터뷰 시리즈

Carl Froggett는 Deep Instinct의 Chief Information Officer(CIO)입니다. Deep Instinct는 기업을 위한 사이버 보안 솔루션을 제공하는 회사로, 심층 학습(deep learning) 기술을 적용하여 사이버 위협을 예방하는 것을 목표로 합니다.

Mr. Froggett는 팀 빌딩, 시스템 아키텍처, 대규모 기업 소프트웨어 구현, 비즈니스 요구 사항에 맞춘 프로세스 및 도구 구축에 대한 경험을 가지고 있습니다. 이전에 그는 Citi의 글로벌 인프라 방어 책임자 및 사이버 보안 서비스 책임자였습니다.

금융 산업에서 시작하여 사이버 보안 분야로 전환한 경험이 있나요?

1990년대 후반에 Citi에서 사이버 보안 분야로 전환했습니다. 초기에는 IT 분야에서 일하다가 리더십 역할을 맡게 되었습니다. 사이버 보안 분야에서 혁신을 적용하고 기술 및 사이버 보안 솔루션을 구축했습니다. Citi에서 일하는 동안 글로벌 플랫폼의 혁신, 엔지니어링, 배포, 운영을 담당했습니다.

Citi에서 25년 이상 근무했으며 대부분의 시간을 보안 전략 및 엔지니어링 분야에서 일했습니다. Deep Instinct에 합류한 이유는 무엇인가요?

새로운 도전을 받아들이고 싶었습니다. 15년 이상 사이버 스타트업 및 핀테크 회사에서 멘토링하고 팀을 성장시키며 비즈니스 성장에 기여했습니다. 일부 회사에서는 IPO를 지원했습니다. Deep Instinct의 독특한 기술에 관심이 있었고, 그 기술이 다른 벤더가 달성하지 못한 결과를 보여주었습니다. 새로운 시대에 기업을 보호하는 것을 목표로 하는 프로젝트에 참여하고 싶었습니다.

Deep Instinct의 심층 학습 기술이 사이버 보안 분야에서 혁신을 가져오는 이유는 무엇인가요?

Deep Instinct는 사이버 보안 산업을 혁신하기 위해 설립되었습니다. 예방 중심의 접근 방식을 도입하여 사이버 위협을 예방하는 것을 목표로 합니다. 증가하는 사이버 공격과 새로운 위협들에 대응하기 위해 예방 중심의 접근 방식이 필요합니다. 공격자들은 지속적으로 공격을 개선하고 기존의 보안 솔루션을 회피합니다.

대립적 인공지능(Adversarial AI)이 증가하고 있습니다. 공격자들은 WormGPT, FraudGPT, 변이하는 악성 코드 등을 사용하고 있습니다. 우리는 중요한 시기에 접어들었습니다. 인공지능을 사용하여 사이버 공격을 방어해야 합니다. 그러나 모든 인공지능은 동일하지 않습니다. 대립적 인공지능을 방어하려면 더 복잡한 인공지능, 즉 심층 학습(deep learning)이 필요합니다. 대부분의 사이버 보안 도구는 기계 학습(machine learning) 모델을 사용합니다. 그러나 이러한 모델은 제한된 데이터 세트에서 학습되며, 알려지지 않은 위협에 대한 정확도가 50-70%에 불과합니다. 또한 많은 거짓 양성 결과를 생성하며, 인간의 개입이 필요합니다.

심층 학습은 데이터를 자율적으로 학습하고, 복잡한 위협을 식별하고, 예방합니다. 이것은 전통적인 “침해 가정” 멘탈리티에서 예방 중심의 접근 방식으로의 전환을 가능하게 합니다. 이것은 알려진 및 알려지지 않은 악성 코드에 대한 매우 높은 효능을 제공하며, 거짓 양성 결과는 매우 낮습니다. 심층 학습 핵심은 1-2년마다 업데이트를 통해 효능을 유지할 수 있습니다. 또한 독립적으로 작동하므로 클라우드 조회나 인텔리전스 공유가 필요하지 않습니다.

심층 학습이 알려지지 않은 악성 코드를 예측적으로 예방하는 이유는 무엇인가요?

알려지지 않은 악성 코드는 여러 방법으로 생성됩니다. 하나의 방법은 파일의 해시를 변경하는 것입니다. 엔드포인트 보안 솔루션은 이러한 변화를 감지하지 못할 수 있습니다. 패킹은 또 다른 기술로, 바이너리 파일을 패커로 감쌉니다. 새로운 변종은 원래 악성 코드를 수정하여 생성됩니다. 이것은 보안 벤더가 악성 코드를 식별하는 특징을 변경하는 것을 의미합니다.

심층 학습은 신경망을 기반으로 하며, 원시 데이터에서 지속적으로 학습합니다. 심층 학습의 훈련은 모든 사용 가능한 데이터를 소비하며, 인간의 개입이 필요하지 않습니다. 이것은 매우 높은 효능과 낮은 거짓 양성 결과를 제공합니다. 또한 해시 수정에 대한 내성을 제공하며, 패킹된 파일을 성공적으로 분류합니다.

예방 중심의 사고 방식이 사이버 보안에서 중요한 이유는 무엇인가요?

데이터는 모든 조직의生命线입니다. 데이터를 보호하는 것이 중요합니다. 하나의 악성 파일이 침해되는 것만으로도 데이터가 노출될 수 있습니다. 수년간 “침해 가정”이 기본적인 보안 멘탈리티였습니다. 그러나 이러한 멘탈리티와 도구는 데이터 보안을 제공하지 못했습니다. 공격자들은 이러한 수동적인 접근 방식을 이용하고 있습니다. Deep Instinct의 최근 연구에 따르면, 2023년 상반기에는 2022년 전체보다 더 많은 랜섬웨어 사건이 발생했습니다. 이러한 새로운 위협에 효과적으로 대응하려면 새로운 접근 방식과 예방 조치가 필요합니다.

Deep Instinct는 심층 학습의 힘을 활용하여 예방 중심의 접근 방식을 제공합니다. Deep Instinct Predictive Prevention Platform은 사이버 보안을 위한 독특한 심층 학습 프레임워크를 기반으로 하는 최초의 솔루션입니다. 이것은 시장에서 가장 효율적이고 효과적인 사이버 보안 솔루션으로, 99% 이상의 제로데이, 랜섬웨어, 기타 알려지지 않은 위협을 20밀리초 이내에 예방합니다. 또한 0.1% 미만의 낮은 거짓 양성 결과를 제공합니다.

Deep Instinct의 모델을 훈련하는 데 사용되는 훈련 데이터는 무엇인가요?

우리의 모델은 데이터에서 학습합니다. 그러나 우리의 모델은 고객의 데이터나 파일이 필요하지 않습니다. 이것은 고객에게 추가적인 보안을 제공합니다. 우리는 50개 이상의 피드에서 파일을 다운로드하여 모델을 훈련합니다. 그런 다음 우리는 알고리즘을 사용하여 데이터를 검증하고 분류합니다.

이 훈련 모델로 인해 우리는 2-3년마다 새로운 “뇌”를 생성할 필요가 있습니다. 이러한 새로운 뇌는 독립적으로 작동하므로 고객에게 영향을 미치지 않습니다. 또한 클라우드 조회나 인텔리전스 공유가 필요하지 않습니다. 이것은 우리가 예방 중심의 접근 방식을 제공할 수 있도록 합니다.

Deep Instinct는 컨테이너 환경에서 실행됩니다. 이것이 중요한 이유는 무엇인가요?

우리의 플랫폼 솔루션 중 하나인 Deep Instinct Prevention for Applications(DPA)는 API/iCAP 인터페이스를 통해 심층 학습 기능을 제공합니다. 이것은 조직이 애플리케이션과 인프라에 심층 학습 기능을 통합할 수 있도록 합니다. DPA는 컨테이너에서 실행되며, 현대적인 디지털 전략을 구현하는 고객에게 적합합니다. 또한 DevOps와 Agile 개발을 지원합니다.

이 접근 방식으로 Deep Instinct는 조직의 기술 전략에无缝하게 통합됩니다. 기존 서비스를 활용하며, 새로운 하드웨어 또는 로직스 문제가 없습니다. 또한 운영 오버헤드가 낮습니다. 우리는 컨테이너의 모든 이점을 활용합니다. 예를 들어, 자동 확장, 내구성, 낮은 지연 시간, 쉬운 업그레이드 등이 있습니다. 이것은 예방 중심의 사이버 보안 전략을 가능하게 합니다.

생성적 인공지능은 사이버 공격을 확대할 수 있습니다. Deep Instinct는 이러한 공격에 대응하기 위해 필요한 속도를 유지하는 방법은 무엇인가요?

우리의 심층 학습 프레임워크는 신경망을 기반으로 하며, 원시 데이터에서 지속적으로 학습합니다. 이러한 학습 데이터 세트가 증가함에 따라 신경망은 더智能해집니다. 이것은 알려진, 알려지지 않은, 제로데이 위협을 더 높은 정확도와 속도로 중단합니다. 또한 클라우드 조회나 인텔리전스 공유가 필요하지 않습니다.

생성적 인공지능이 사이버 공격을 확대할 수 있는 가장 큰 위협은 무엇인가요?

피싱 이메일은 인공지능의 발전으로 더 복잡해졌습니다. 이전에는 피싱 이메일을 쉽게 식별할 수 있었습니다. 그러나 이제 공격자들은 ChatGPT와 같은 도구를 사용하여 더 복잡한 이메일을 생성하고 있습니다. 또한 오디오 인공지능 도구를 사용하여 회사의 임원들의 목소리를 시뮬레이션하여 사기를 칩니다.

또한 공격자들은 인공지능을 사용하여 알려지지 않은 악성 코드를 생성하여 기존의 보안 솔루션을 회피하고, 탐지를 피하며, 더 효과적으로 확산시킵니다. 공격자들은 인공지능을 사용하여 새로운, 고도로 복잡한, 이전에 알려지지 않은 악성 코드를 생성하여 기존의 솔루션을 회피하고, 탐지를 피하며, 더 효과적으로 확산시킵니다. 이것은 사이버 보안 산업이 기존의 솔루션, 훈련, 및 인식 프로그램을 재고해야 함을 의미합니다.

Deep Instinct의 애플리케이션, 엔드포인트, 스토리지 솔루션의 유형을 간략하게 설명해 주시겠습니까?

Deep Instinct Predictive Prevention Platform은 오늘날의 사이버 보안 문제를 해결하기 위한 독특한 심층 학습 프레임워크를 기반으로 하는 최초의 솔루션입니다. 이 플랫폼에는 세 가지 기둥이 있습니다.

1. 에이전트리스, 컨테이너화된 환경, API 또는 ICAP를 통해 연결: Deep Instinct Prevention for Applications은 에이전트리스 솔루션으로, 애플리케이션에 도달하기 전에 랜섬웨어, 제로데이 위협, 기타 알려지지 않은 악성 코드를 예방합니다.
2. 에이전트 기반 엔드포인트: Deep Instinct Prevention for Endpoints는 독립적인 예방 중심 플랫폼으로, 실행 전 예방을 제공합니다. 또한 기존의 EDR 솔루션을 보완하여 실제 위협 예방 계층을 제공할 수 있습니다.
3. 예방 중심의 스토리지 보호: Deep Instinct Prevention for Storage는 스토리지 환경에 대한 예측적 예방 접근 방식을 제공하여 랜섬웨어, 제로데이 위협, 기타 알려지지 않은 악성 코드를 중단합니다.

감사합니다. 더 많은 정보를 원하시면 Deep Instinct를 방문하세요.