ํ๋ฉ
Herd Security, AI ๊ธฐ๋ฐ ๋ณด์ ํ๋ก๊ทธ๋จ์ ์๋ก์ด ์ฌ์ด๋ฒ ์ํ์ ๋๋นํ๊ธฐ ์ํด 300๋ง ๋ฌ๋ฌ ํฌ์ ์ ์น
Herd Security는 사이버 보안의 가장 간과되는 분야 중 하나인 직원 교육을 현대화하기 위해 300만 달러의 신규 자금을 유치했다. 이 회사는 정적 연간 규정 모듈을 대체하여 실시간으로 위험을 반영하는 보안 교육 프로그램을 지속적으로 생성하고 적응시키는 에이전트 AI 플랫폼을 구축하고 있다.
본 라운드에는 Aspiron Ventures의 지원과 Team Ignite, ForwardSlash VC, Forum Ventures, Rightside Capital, 및 YPO의 참여가 포함된다. 자금은 플랫폼의 기능을 확장하기 위해 사용될 것이며, 특히 AI 기반 콘텐츠 생성 및 인사 및 내부 AI 사용과 같은 새로운 교육 영역에서 vậy.
정적 규정 준수에서 연속적인 AI 교육으로
전통적인 보안 인식 프로그램은 오래 전부터 주기적인 교육 세션에 의존해 왔으며, 이러한 세션은 빠르게 구식이 된다. Herd Security는 이에 대한 다른 접근 방식을 취하고 있으며, 창의적인 엔진으로서의 AI를 사용하여 실시간으로 진화하는 교육 커리큘럼을 구축하고 있다.
사전 구축된 템플릿에 의존하는 대신, 플랫폼은 시뮬레이션 및 비디오 기반 시나리오를 포함하여 동적으로 교육 콘텐츠를 생성한다. 이러한 시나리오는 현재의 공격 패턴을 반영하며, 조직은 예약된 프로그램 업데이트를 기다리는 대신 위협이 진화함에 따라 지속적으로 교육 자료를 업데이트할 수 있다.
시스템은 보안 및 거버넌스 팀을 위해 설계되어 있으며, 이러한 팀이 수동으로 콘텐츠를 구축하지 않고도 새로운 위협에 대한 지식을 실제적인 교육으로 번역할 수 있다.
AI 기반 공격의 증가에 대응
이 접근 방식의 시기는 보안의 더广泛한 변화와 일치한다. AI는 사회 공학 공격을 더욱 설득력 있게 하고 확장 가능하게 만들고 있으며, 특히 음성 클로닝, 타겟팅 피싱, 실시간 위장과 같은 전술을 통해 vậy.
이는 전통적인 방어의 약점을 노출시켰다. 인프라 보안에大量의 투자를 하는 반면, 인간의 행동은 여전히 중요한 취약점이다. 직원들이 위협을 인식하고 대응하도록 교육하는 것은 점점 더 중요해지고 있지만, 변화의 속도는 기존의 방법을 무력화했다.
산업 데이터에 따르면, 문제는 더욱 심각해질 것으로 예상된다. 사회 공학 공격은 향후 몇 년 동안 크게 확대될 것으로 예상되며, 이는 단순히 최전방 직원만이 아니라 경영진 및 의사 결정자도 대상으로 한다. 同時に, 조직 내부의 장기적인 보안 행동을 형성하는 것은 수년이 걸릴 수 있으며, 이는 위협이 진화하는 속도와 방어가 적응하는 속도 사이에 불일치를 tạo낸다.
새로운 보안 인프라 카테고리 구축
Herd Security의 플랫폼은 사이버 보안과 생성적 AI의 교차점에 위치하며, 교육을 일회적인 요구 사항이 아닌 지속적으로 업데이트되는 시스템으로 간주한다. 시나리오 기반의 학습을 자동으로 생성하여 관련性과 시의성을 제공함으로써, 회사는 위협의 진화와 인간의 준비 사이의 간격을 메우고 있다.
이러한 전환은 보안 교육이 기업 내의 다른 AI 기반 시스템과 유사해질 수 있음을 시사한다. 여기서 콘텐츠는 실제 신호에 따라 자동으로 생성되고 테스트 및 개선된다.
시간이 지남에 따라, 이는 수동 프로그램 설계에 대한 의존도를 줄이고 새로운 공격 기술에 더 빠르게 대응할 수 있도록 할 수 있다. 또한 직원들의 역할, 행동, 및 위험 프로파일에 따라 맞춤형 교육 경로를 제공할 가능성도 열린다.
실시간, AI 기반 보안 교육으로의 전환
보안 교육은 향후 더 적응적이고 연속적이며, 일일 업무 흐름에 통합되는 방향으로 발전할 가능성이 있다. AI 시스템이 실제 공격 시나리오를 요구에 따라 생성함에 따라, 교육은 위협과 함께 진화할 수 있으며, 직원들은 실제로遭遇할 가능성이 있는 전술에 노출될 수 있다.
이러한 전환은 또한 더 개인화된 교육의 문을 열어준다. 일회적인 프로그램이 아닌, 직원들은 역할, 접근 수준, 및 과거 행동에 따라 맞춤형 시뮬레이션을 받을 수 있다. 이는 교육이 위험 패턴의 변화에 따라 조정되는 피드백 루프를 생성할 수 있다. 시간이 지남에 따라, 이는 인간의 행동을 시스템 성능을 현재監視하는 것과 유사한 방식으로 측정 가능하고 관리 가능하게 만들 수 있다.
장기적으로, 이러한 기술은 교육과 적극적인 방어 사이의 경계를模糊화할 수 있다. 플랫폼이 지속적으로 시뮬레이션, 테스트, 및 개선하여 새로운 위협에 대한 반응을 생성함에 따라, 이러한 플랫폼은 공격자가 취약점을 악용하기 전에 이를 식별하고 조직을 내부부터 강화하는 프로액티브 보안 계층으로 작동할 수 있다.
