크레이그 리델, 월람 글로벌 필드 시소 – 인터뷰 시리즈

크레이그 리델, 월람 글로벌 필드 시소,는 기업이 API와 AI 드라이븐 시스템에 대한 성장하는 위험을 관리하는 데 도움을 주는 경험이 풍부한 사이버 보안 전문가입니다. 현재 그는 CISO, CIO, 엔지니어링 리더와密切하게 협력하여 실제 공격 패턴과 남용 시나리오를 행동 가능한 보안 전략으로 변환하며, 관찰 가능성에 강한重点을 두고 있습니다. 그의 경력은 Netwrix, Kron, HP를 포함한 조직에서 아이덴티티 및 액세스 관리, 제로 트러스트 아키텍처, 엔터프라이즈 보안을 위한 리더십 역할을 포함합니다. 리델의 전문 지식은 비즈니스 논리 공격, API 남용, AI 시스템 드리프트, 사기와 같은 새로운 위협에 중점을 두고 있으며, 높은 수준의 보안 전략과 운영 실행 사이의 간격을 메우는 데 일관된重点을 두고 있습니다.

월람은 현대 클라우드 환경에서 API, 애플리케이션, AI 드라이븐 시스템을 보호하는 사이버 보안 회사입니다. 그들의 플랫폼은 API 남용, 비즈니스 논리 공격, 자동화된 악성 코드와 같은 위협에 대한 지속적인 발견, 테스트, 실시간 보호를 제공하며, 시스템이 복잡한 인프라스트럭처에서 어떻게 작동하는지에 대한 깊은 가시성을 제공합니다. 멀티 클라우드 및 클라우드 네이티브 아키텍처를 위한 설계로, 월람은 기존의 DevOps 및 보안 워크플로우에 통합되어 조직이 공격이 발생하는 즉시 이를 обнаруж하고 차단할 수 있도록 합니다. API 인벤토리, AI 드라이븐 위협 감지, 자동화된 응답 기능을 결합하여, 플랫폼은 API와 AI 시스템이 현대 디지털 비즈니스에서 주요 공격 표면이 된 현실을 해결합니다.

당신은 시스템 및 인프라와 직접 작업하는 것으로 경력을 시작하여 이후 아이덴티티, 액세스, API, AI 보안에 중점을 둔 리더십 역할로 이동했습니다. 그 여정에서 실제 위험이 주변에서 API 및 머신 드라이븐 시스템으로 이동한 주요 변화는 무엇입니까?

초기에,焦点은 에지의 보호에 있었습니다. 방화벽, 세그먼테이션, 인프라스트럭처의 강화. 그 모델은 시스템이 더 정적이고 신뢰 경계가 더 쉽게 정의될 때 작동했습니다.

변화는 애플리케이션이 어떻게 구축되고 시스템이 어떻게 상호 작용하는지에 있습니다. API는 모든 것의 연결 고리가 되었습니다. 그리고 AI는 이를 더욱 가속화했습니다. 이제 시스템은 인간의 개입 없이 수천 또는 수백만 개의 호출을 수행하며, 공격 또는 예기치 못한 행동이 몇 분 또는 몇 초 안에 발생할 수 있습니다.

그 시점에서, 주변은 더 이상 관련이 없습니다. 실제 위험은 결정이 내려지고 행동이 실행되는 곳, 즉 API 및 머신 드라이븐 워크플로우 내로 이동합니다.

만약 당신이 그곳에서 가시성과 제어를 가지지 않는다면, 당신은 완전히 볼 수 없는 행동을 신뢰하는 것입니다. đó는 비즈니스 위험이 나타나는 곳입니다. 금융 노출, 예기치 못한 결과, 운영 중단 등입니다.

당신은 사이버 핸드셰이크가 깨졌다고 설명했습니다. 즉, 시스템이 어떻게 신뢰를 확립하고 자동화된 프로세스의 복잡한 체인에서 행동을 교환하는지에 대해 설명했습니다. 실제 기업 환경에서 이러한 붕괴는 무엇입니까?

대부분의 환경에서, 시스템은 아이덴티티와 인증에 따라 서로를 신뢰합니다. 토큰은 유효하고, 요청은 정상적이며, 상호 작용은 허용됩니다.

문제는 이것이 유효한 것이 안전하다고 가정한다는 것입니다. 그것은 더 이상 사실이 아닙니다.

우리는 아이덴티티를 인증하지만, 의도를 검증하지 않습니다. 우리는 액세스를 검증하지만, 체인 전체에서 행동을 검증하지 않습니다.

서비스는 다른 서비스를 호출하도록 승인될 수 있으며, 이는 여러 API에서 다운스트림 행동을 트리거합니다. 각 단계는 고립되어 보일 수 있지만, 전체 체인에서 예기치 못한 행동 또는 논리 남용을 볼 수 있습니다.

AI 드라이븐 환경에서 이는 증폭됩니다. 에이전트는 인간의 검토 없이 워크플로우를 체인하고 실행할 수 있습니다.

핸드셰이크는 여전히 발생하지만, 아무도 행동이 문脈에서 의미 있는지 묻지 않습니다. 신뢰는 확립되지만 지속적으로 검증되지 않습니다.

AI 및 API 위험이 왜 조직 경계 사이에서 명확하게 소유되지 않고 떨어지는 경향이 있습니까?

그것은 시스템이 조직이 구조화된 방식과 일치하지 않기 때문입니다.

DevOps는 배달을 소유합니다. 보안은 정책을 소유합니다. 비즈니스 팀은 결과를 소유합니다. 데이터 팀은 모델을 소유합니다. 각 그룹은 조각을 소유하지만, 시스템이 실제로 작동하는 방식에 대해 아무도 소유하지 않습니다.

API는 시스템 전체에서 비즈니스 논리를 실행합니다. AI는 비결정론적인 의사 결정으로 그 위에 추가합니다. 함께, 그들은 모든 경계를 가로지릅니다.

그것은 한 팀에 의해 구축되고, 다른 팀에 의해 보안되고, 또 다른 팀에 의해 소비되며, 모든 팀에서 일관된 모니터링이 없는 것입니다.

이로 인해 발생하는 간격은 팀의 실패가 아닙니다. 그것은 운영 모델이 현대 시스템이 실제로 작동하는 방식을 반영하지 못하는 것입니다.

당신의 경험에 따르면, 어느 팀이 일반적으로 AI 위험을 소유한다고 가정하며, 보안, DevOps, 비즈니스 단위 사이에서 가장 큰 맹점은 어디에 있습니까?

보안 팀은 거버넌스 및 규정 준수 관점에서 AI 위험을 소유하는 경향이 있습니다. DevOps는 배치 및 안정성에 중점을 둡니다. 비즈니스 단위는 결과에 중점을 둡니다.

맹점은 그 영역 사이에 나타납니다.

보안 팀은 무엇이 발생해야 하는지 정의합니다. DevOps는 시스템이 작동하는지 확인합니다. 비즈니스 팀은 결과에 중점을 둡니다. 그러나 거의 모든 팀이 실시간으로 시스템이 실제로 무엇을 하는지 지속적으로看着 있지 않습니다.

그 간격은 위험이 살고 있는 곳입니다. 특히 행동이 기술적으로 유효하지만 문脈적으로 잘못된 경우입니다.

현대적인 공격은 명백한 침입이 아닌 유효하고 인증된 행동으로 나타납니다. 조직은 이 새로운 현실에서 탐지를 어떻게 재고해야 합니까?

우리는 “나쁨” 요청을 식별하는 것을 넘어야 합니다.

많은 경우에, 요청은 유효합니다. 자격 증명은 합법적입니다. API 호출은 예상됩니다. 하지만 예상되지 않는 것은 행동의 시퀀스, 볼륨, 또는 결과입니다.

탐지는 행동 및 문脈에서 이루어져야 합니다. 단일 요청을 차단하는 것보다 시스템이 시간이 지남에 따라 어떻게 상호 작용하는지 이해하는 것입니다.

실제로 규모에 맞는 접근 방식은 패턴 매칭을 넘어섭니다. 그것은 요청을 구조적으로 분해하여, 각 상호 작용을 행동 토큰의 집합으로 다루며, 알려진 나쁨 패턴과 일치시키려고 시도하는 대신에.

그것은 행동이 어떻게 진화하고 어디서逸する지 이해할 수 있도록 합니다. 표면에서 모든 것이 유효해 보일 때조차.

정적 규칙이나 시그니처에 의존한다면, 대부분의 중요한 것을 놓칠 것입니다.

당신은 실제 세계 행동에 대한 관찰 가능성의 중요성을 강조했습니다. API 및 AI 시스템의 경우 의미 있는 관찰 가능성은 무엇입니까?

의미 있는 관찰 가능성은 로그 및 메트릭스만이 아닙니다. 그것은 문脈에서 행동을 이해하는 것입니다.

API의 경우, 그것은 전체 요청 및 응답 가시성, 엔드포인트의 사용, 상호 작용이 시간이 지남에 따라 어떻게 진화하는지 이해하는 것을 의미합니다.

AI 시스템의 경우, 그것은 입력, 결정, 결과 행동을 이해하는 것을 의미합니다.

가장 중요한 것은 시스템 전체에 걸쳐 워크플로우로 연결하는 것입니다. 고립된 이벤트가 아닙니다.

그렇지 않으면, 당신은 시스템 행동에 대한 가정에 따라 작동하는 것입니다. 현실이 아닙니다.

기계 드라이븐 환경에서 전통적인 인간 검토 및 승인 모델은 왜 더 이상 효과적이지 않습니까?

그것은 속도와 규모가 변경되었기 때문입니다.

시스템은 분당 수천 또는 수백만 개의 호출을 수행하며, 공격 또는 예기치 못한 행동이 몇 분 또는 몇 초 안에 발생할 수 있습니다. 실제로 각 결정에 대해 인간을 루프에 넣을 수 없습니다.

AI 시스템은 또한 항상 결정론적이지 않기 때문에, 사전 승인 모델이 덜 효과적입니다.

인간의 감독은 여전히 중요하지만, 개별 행동을 승인하는 것에서 가드레일을 정의하고 결과를 모니터링하는 것으로 전환해야 합니다.

당신이 보는 가장 일반적인 운영 격차는 무엇입니까? 기업이 레거시 보안 프레임워크를 사용하여 AI 시스템을 보호하려고 할 때?

가장 큰 격차는 디자인 타임 제어에 대한 과도한 의존입니다.

조직은 모델을 보호하고, 코드를 검토하고, 배포 전 정책을 정의하는 데 중점을 둡니다. 그것은 중요하지만, 시스템이 배포된 후에도 예상대로 작동할 것이라고 가정합니다.

현실에서는 시스템이 진화합니다. API는 변경되고, AI 모델은 새로운 데이터와 워크플로우와 상호 작용합니다. 행동은 시간이 지남에 따라 변경됩니다.

배포 후에 생산에서 행동을 지속적으로 검증하지 않으면, 조직은 사실상 눈이 먼 것입니다.

다중 이해 관계자가 AI 및 API 위험을 공유 책임지게 할 때 실제 운영 모델은 무엇입니까?

그것은 단일 팀이 이를 종단간으로 소유할 수 없다는 것을 인정함으로 시작됩니다.

실제 모델은 공유 책임을 정의하며, 런타임 행동을 중심으로 합니다.

보안 팀은 위험 및 정책을 정의합니다. 엔지니어링 팀은 시스템을 구축하고 운영합니다. 비즈니스 팀은 허용 가능한 결과를 정의합니다.

이 문제를 해결하는 팀은 폐쇄 루프에서 작동합니다. 지속적인 발견, 시행, 개선이 런타임 행동에 의해 추동됩니다. 디자인 타임이 아니라.

모든 이해 관계자는 생산에서 시스템이 작동하는 방식에 대한 가시성을 필요로 합니다. 그곳에서 팀은 “좋은” 것이 무엇인지에 동의하고,逸差를 감지하고, 대응할 수 있습니다.

변화는 소유권의 고립에서 조정된 책임으로, 런타임에 대한 통찰력을 바탕으로 합니다.

향후 보안 책임이 다시 중앙화될 것으로 예상합니까, 아니면 시스템이 더 자율적으로 되는대로 계속 분산될까요?

책임은 분산될 것입니다. 그것은 시스템이 구축되는 방식에 반영하기 때문입니다.

변경될 것은 책임이 어떻게 조정되는지입니다.

우리는 팀이 자신의 도메인을 소유하지만 공유 가시성 및 문脈에서 작동하는 더 통일된 거버넌스 모델을 볼 것입니다.

성공하는 조직은 모든 것을 중앙화하려고 하는 것이 아닙니다. 그것은 이해 관계자가 실제 세계에서 시스템이 실제로 작동하는 방식에 대해 일치하는 것입니다.

만약 아무도 런타임 행동을 이해하지 않는다면, 아무도真正로 위험을 소유하지 않습니다.

위대한 인터뷰에 감사드립니다. 더 많은 것을 배우고 싶은 독자는 월람을 방문해야 합니다.