사류 나야르, Gurucul의 CEO 및 설립자 – 인터뷰 시리즈

사류 나야르는 국제적으로 인정받은 사이버 보안 전문가, 작가, 연사이며 포브스 기술위원회 회원입니다. 그는 정보 보안, 身分 및 접근 관리, IT 리스크 및 규정 준수, 보안 리스크 관리 분야에서 15년 이상의 경험을 가지고 있습니다.

그는 2017년 EY 엔트레프레너 승리 여성으로 선정되었습니다. 그는 오라클, 시메이오, 선 마이크로시스템즈, 바우(선에 인수됨) 및 디즈니에서 보안 제품 및 서비스 전략의 리더십 역할을 수행했습니다. 사류는 또한 어니스트 앤 영의 기술 보안 및 리스크 관리 실무에서 수년간 선임 직위에서 근무했습니다.

Gurucul은 행동 기반 보안 및 리스크 분석에 전문적인 사이버 보안 회사입니다. 그들의 플랫폼은 기계 학습, AI 및 빅데이터를 활용하여 하이브리드 환경 전반에서 인사이드 위협, 계정 손상 및 고급 공격을 실시간으로 обнаруж합니다. Gurucul은 SIEM, UEBA(사용자 및 엔티티 행동 분석), XDR 및 身分 분석을 통합하는 유니파이드 보안 및 리스크 분석 플랫폼으로 알려져 있으며 실시간 위협 탐지 및 응답을 제공합니다. 이 회사는 기업, 정부 및 MSSP를 대상으로 위협을 제거하고 위협 제거를 가속화하기 위해 지능형 자동화를 통해 거짓 양성을 줄이는 것을 목표로 합니다.

2010년에 Gurucul을 설립한 동기는 무엇이었으며, 사이버 보안 환경에서 어떤 문제를 해결하려고 했나요?

Gurucul은 보안 운영 및 인사이드 리스크 관리 팀이 비즈니스에 영향을 미치는 가장 중요한 사이버 리스크에 대한 명확성을 얻을 수 있도록 설립되었습니다. 2010년부터 우리는 행동 및 예측 분석 접근 방식을 취해 왔으며, 이는 4,000개 이상의 기계 학습 모델을 생성하여 다양한 공격 및 리스크 시나리오에서 사용자 및 엔티티 이상을 실시간으로 분석합니다. 우리는 이 기초를 확장하여 대형 포춘 50 회사에서 인사이드 리스크를 해결하는 것을 도왔으며, 이제는 회사들이 모든 사이버 리스크에 대한 근본적인 명확성을 얻을 수 있도록 도와줍니다. 이것은 우리의 유니파이드 및 AI-드라이브 데이터 및 보안 분석 플랫폼인 REVEAL의 약속입니다. 이제 우리는 기계 학습을 기반으로 하여 생성 및 에이전트 AI 기능을 전체 위협 라이프 사이클에 걸쳐 레이어링하여 자율 주행 보안 분석 플랫폼을 제공하는 우리의 AI 미션을 구축하고 있습니다. 목표는 분석가와 엔지니어가 복잡성에 시간을 덜 쓰고 의미 있는 작업에 집중할 수 있도록 하는 것입니다. 기계가 그들의 일일 활동의 정의를 증폭시키도록 허용합니다.

오라클, 선 마이크로시스템즈 및 어니스트 앤 영에서 리더십 역할을 수행한 경험에서 Gurucul을 설립할 때 어떤 주요 교훈을 얻었나요?

오라클, 선 마이크로시스템즈 및 어니스트 앤 영에서 리더십 경험은 복잡한 보안 문제를 해결하는 능력을 강화하고 포춘 100 CEO 및 CISO가 직면하는 도전을 이해하는 데 도움이 되었습니다. 이것은 기술 및 비즈니스 도전을 가장 잘 해결하는 솔루션을 구축하는 데 영감을 주었습니다.

Gurucul의 REVEAL 플랫폼은 전통적인 SIEM(보안 정보 및 이벤트 관리) 솔루션과 어떻게 다른가요?

레거시 SIEM 솔루션은 정적, 규칙 기반 접근 방식을 사용하여 과도한 거짓 양성, 증가한 비용 및 지연된 탐지 및 응답을 초래합니다. 우리의 REVEAL 플랫폼은 클라우드 네이티브이며 AI-드라이브로, 고급 기계 학습, 행동 분석 및 동적 리스크 스코어링을 사용하여 위협을 실시간으로 탐지하고 응답합니다. 전통적인 플랫폼과 달리 REVEAL은 진화하는 위협에 지속적으로 적응하며 온프레미스, 클라우드 및 하이브리드 환경을 통합하여 종합적인 보안을 제공합니다. 3년 연속 가트너의 매직 쿼드런트에서 가장 비전적인 SIEM 솔루션으로 인정받은 REVEAL은 비할 수 없는 정밀도, 속도 및 가시성을 제공하는 AI-드라이브 SIEM을 재정의합니다. 또한 SIEM은 데이터 과부하 문제에 어려움을 겪습니다. 모든 데이터를 처리하는 데 비용이 많이 들고, 데이터를 처리하더라도 거짓 양성 문제가 더 심해집니다. Gurucul은 이 문제를 이해하며, 저렴한 저장소에 비중요한 데이터를 필터링하여 비용을 절약하면서 모든 데이터에 대한 연합 검색 기능을 유지하는 네이티브 및 AI-드라이브 데이터 파이프라인 관리 솔루션을 제공합니다. 분석 시스템은 “쓰레기 입력, 쓰레기 출력” 상황입니다. 입력되는 데이터가 부풀려지거나 불필요하거나 불완전하면 출력도 정확하거나 실행 가능하거나 신뢰할 수 없습니다.

기계 학습 및 행동 분석을 사용하여 위협을 실시간으로 탐지하는 방법을 설명해 주세요.

우리의 플랫폼은 4,000개 이상의 기계 학습 모델을 사용하여 모든 관련 데이터 세트를 지속적으로 분석하고 실시간으로 이상 및 의심스러운 행동을 식별합니다. 레거시 보안 시스템이 정적 규칙에 의존하는 것과 달리 REVEAL은 위협이 발생하는 즉시 이를 탐지합니다. 플랫폼은 또한 사용자 및 엔티티 행동 분석(UEBA)을 사용하여 정상적인 사용자 및 엔티티 행동 기준을 설정하고, 인사이드 위협, 계정 손상 또는 악의적인 활동을 나타낼 수 있는 편차를 탐지합니다. 행동은 또한 보안, 네트워크, IT, IoT, 클라우드, 身分, 비즈니스 애플리케이션 데이터 및 내부 및 외부 소스 위협 인텔리전스를 상관시키고, 풍부하게 하고, 연결하는 빅데이터 엔진에 의해 더 많이 문맥화됩니다. 이것은 위협에 대한 응답을 우선순위에 따라 동적 리스크 스코어링 엔진에 할당하는 데 도움이 됩니다. 이러한 기능은 기존 보안 솔루션과 다르게 REVEAL이 제공하는 종합적인 AI-드라이브 접근 방식을 제공합니다.

Gurucul의 AI-드라이브 접근 방식은 어떻게 하면 전통적인 사이버 보안 시스템보다 거짓 양성을 줄일 수 있나요?

REVEAL 플랫폼은 AI-드라이브 컨텍스트 분석, 행동 통찰력 및 기계 학습을 사용하여 합법적인 사용자 활동과 실제 위협을 구분하여 거짓 양성을 줄입니다. 전통적인 솔루션과 달리 REVEAL은 탐지 기능을 시간이 지남에 따라 개선하며, 정확도를 높이고 노이즈를 최소화합니다. UEBA는 기준선 활동에서 편차를 높은 정확도로 탐지하여 보안 팀이 실제 보안 위험에 집중할 수 있도록 합니다. 기계 학습은 기본적인 측면이지만, 생성 및 에이전트 AI는 경고 주변에서 자연어로 컨텍스트를 추가하여 분석가가 정확히 어떤 일이 발생하는지 이해하도록 도와주며, 경고에 대한 자동 응답을 가능하게 합니다.

대응형 AI는 현대적인 사이버 보안 위협에서 어떤 역할을 하나요? Gurucul은 어떻게 이러한 진화하는 위험을 대처하나요?

대응형 AI는 이미 인간 벡터 및 身分 기반 위협에 적용되고 있습니다. 행동 및 身分 분석은 이상적인 행동을 식별하고, 이를 문맥화하고, 악의적인 행동을 예측하는 데 중요합니다. 또한 대응형 AI는 시그니처 기반 탐지 방법의 마지막 못입니다. 적대자는 AI를 사용하여 이러한 탐지 규칙을 회피하지만, 행동 기반 탐지는 동일한 방식으로 회피할 수 없습니다. SOC 팀은 규칙을 작성하여 탐지를 유지하는 데 충분한 자원을 가지고 있지 않으며, 현대적인 위협 탐지, 조사 및 응답 접근 방식을 필요로 합니다. 행동 및 컨텍스트는 핵심 요소입니다. 마지막으로, REVEAL과 같은 플랫폼은 지속적인 피드백 루프에 의존하며, 우리는 탐지 모델을 정제하고, 새로운 모델을 추천하며, 전체 고객 생태계가 혜택을 받을 수 있는 새로운 위협 인텔리전스를 알리는 데 지속적으로 AI를 적용합니다.

Gurucul의 리스크 기반 스코어링 시스템은 어떻게 보안 팀이 위협을 우선순위에 따라 처리하는 능력을 향상시킵니까?

우리의 플랫폼의 동적 리스크 스코어링 시스템은 사용자, 엔티티 및 행동에 대한 실시간 리스크 스코어를 할당하여 보안 팀이 중요한 위협을 우선순위에 따라 처리할 수 있도록 합니다. 0-100 스케일에서 리스크를 양적화함으로써 REVEAL은 조직이 가장 중요한 사건에 집중할 수 있도록 합니다. 모든 엔터프라이즈 데이터 소스에 대한 통합 리스크 스코어를 통해 보안 팀은 더 나은 가시성 및 제어력을 얻으며, 더 빠르고 정보에 기반한 의사 결정을 내릴 수 있습니다.

데이터 침해가 증가하는 시대에, AI-드라이브 보안 솔루션은 어떻게 하면 조직이 인사이드 위협을 예방할 수 있나요?

인사이드 위협은 미묘한 성질과 직원이 가지고 있는 접근성으로 인해 특히 어려운 보안 위험입니다. REVEAL의 UEBA는 기준선 행동에서 편차를 탐지하여 위험한 활동을 식별합니다. 동적 리스크 스코어링은 또한 행동을 실시간으로 평가하여 가장 중요한 인사이드 위협에 대한 우선순위를 할당합니다. 이러한 AI-드라이브 기능은 보안 팀이 인사이드 위협을 예방하고 제거하는 데 도움이 됩니다. 인사이드 리스크 관리는 시간 대결입니다. 인사이드 리스크 관리 팀은 빠르게 대응하고 협력해야 하며, 개인 정보 보호를 우선시해야 합니다. 컨텍스트는 여기서 중요하며, 身分 시스템, HR 애플리케이션 및 모든 관련 데이터 소스에서 행동 편차에 컨텍스트를 추가하여 팀이 증거를 빠르게 구축하고 비즈니스에 대한 대응 및 제거를 허용합니다.

Gurucul의 身分 분석 솔루션은 전통적인 IAM(身分 및 접근 관리) 도구와 어떻게 비교하나요?

전통적인 IAM 솔루션은 접근 제어 및 인증에 중점을 두고 있지만, 실시간으로 계정 손상 또는 특권 남용을 탐지하는 지능 및 가시성이 부족합니다. REVEAL은 AI-파워드 행동 분석을 사용하여 사용자 리스크를 지속적으로 평가하고, 동적 리스크 스코어를 할당하며, 적응형 접근 자격을 강제하여 부당한 사용 및 부정당한 특권을 최소화합니다. 기존 IAM 프레임워크와 통합하고, 최소한의 특권 접근을 강제함으로써, 우리의 솔루션은 身分 보안을 강화하고 공격 표면을 줄입니다. IAM 거버넌스의 문제는 身分 시스템 스프롤과 서로 다른 身分 시스템 간의 상호 연결성의 부족입니다. Gurucul은 팀에 모든 身分 인프라에 대한 360° 보기 제공합니다. 이제 mereka는 접근 정책에 대한 위험 기반 접근 방식을 취할 수 있으며, IAM의 규정 준수 측면을 가속화하고, 조직 전체에 걸쳐 접근 제어에 대한 지속적인 모니터링 및 완전한 접근 방식을 보여줄 수 있습니다.

다음 5년 동안 사이버 보안 위협의 주요 트렌드는 무엇이라고 생각하나요? AI는 어떻게 이러한 위험을 완화할 수 있나요?

身分 기반 위협은 계속해서 증가할 것입니다. 적대자는 身分 기반 위협에 대한 접근을 얻기 위해 노력할 것입니다. 또한 인사이드 위협은 계속해서 주요 위험 벡터로 남을 것입니다. AI는 또한 전통적인 TTP를 가속화할 것입니다. 적대자는 탐지 규칙을 회피하기 위해 AI를 사용할 것입니다. 그러나 행동 및 컨텍스트는 핵심 요소입니다. Gurucul은 탐지 모델을 정제하고, 새로운 모델을 추천하며, 새로운 위협 인텔리전스를 알리는 데 지속적으로 AI를 적용합니다. 또한, AI는 위협을 예방하고, 탐지하고, 응답하는 데 도움이 될 것입니다.

인터뷰에 감사드립니다. 더 많은 정보를 원하는 독자는 Gurucul을 방문할 수 있습니다.