Alan LeFort, CEO & Co-Founder van StrongestLayer – Interview Serie

Alan Lefort is een cybersecurity-leider met meer dan 15 jaar ervaring in het bouwen en schalen van beveiligingsproducten die worden gebruikt door Fortune 500-bedrijven. Hij leidde eerder product- en businessunits bij Proofpoint, McAfee en Intel (INTC ) Security, waar hij zich richtte op geavanceerde bedreigingsbeveiliging, insider-risico’s en gedragsanalyse. Bij Intel hielp hij de productstrategie over de hele wereld vormgeven, waarbij hij teams leidde in de VS, Europa en Israël. Nu, als CEO van StrongestLayer, gebruikt Alan die diepe ondernemingservaring om AI-gepowered phishing-aanvallen te stoppen voordat ze bij gebruikers aankomen – en hij herdefinieert e-mailbeveiliging voor het AI-tijdperk.

StrongestLayer is een AI-native e-mailbeveiligingsplatform dat is ontworpen om geavanceerde phishing- en Business Email Compromise-aanvallen te stoppen. Met behulp van zijn eigen TRACE-motor past het grote taalmodellen, gedragsinference en contextuele analyse toe om kwaadaardige e-mails te identificeren die traditionele regelgebaseerde systemen missen. Het platform integreert snel met Microsoft 365 en Google Workspace, voegt browserbeveiliging toe en biedt AI-geleide medewerkersopleiding, waardoor organisaties zowel een sterke verdediging als een meer beveiligingsbewuste cultuur krijgen.

Wat inspireerde u en uw mede-oprichters om StrongestLayer te starten, en welke specifieke lacune in het cybersecurity-landschap wilden jullie oplossen op basis van jullie ervaringen bij bedrijven als Proofpoint, FireEye en Mandiant?

Het bedrijf evolueerde met elke visie van de mede-oprichters. Het begon met Riz, onze CTO, die erkende dat phishing te geavanceerd werd voor traditionele medewerkersopleiding. Zijn inzicht was dat AI-gepowered aanpassing fundamenteel de beveiligingsbewustzijn kon verbeteren.

Toen Josh zich bij ons voegde als Chief Product Officer, bracht hij het ontbrekende stuk mee. Terwijl hij onze vroege producten testte, ontdekte hij dat onze AI-analyse complexe aanvallen detecteerde die gevestigde e-mailbeveiligingsleveranciers volledig misten. Dat was het moment waarop we beseften dat we niet alleen de opleiding verbeterden, maar ook een fundamentele lacune in bedreigingsdetectie identificeerden.

Ik voegde me bij het bedrijf toe als CEO in het begin van 2025, nadat ik het team had geadviseerd, en zag de strategische kans duidelijk: als alleen AI kan verdedigen tegen gewapende AI, dan moeten we niet alleen de detectie, maar ook de manier waarop we mensen in deze nieuwe realiteit empoweren, opnieuw overwegen. De beslissing was eenvoudig – volledig inzetten op AI-native detectie en preventie.

Waarom denkt u dat e-mail nog steeds zo’n kritieke aanvalsvector is, vooral in het tijdperk van generatieve AI?

E-mail blijft de primaire aanvalsvector omdat het het enige kanaal is waar bedrijfscontext het meest van belang is, en generatieve AI het voor aanvallers triviaal heeft gemaakt om die context te exploiteren.

Traditionele e-mailaanvallen waren volumegebaseerd en voor de hand liggend. AI verandert het spel compleet – aanvallers kunnen nu gepersonaliseerde e-mails genereren die organisatorische hiërarchieën begrijpen, communicatiestijlen imiteren en verwijzen naar werkelijke bedrijfsprocessen. Ze sturen niet langer alleen generieke phishing – ze creëren aanvallen die authentiek lijken voor specifieke organisaties.

E-mail is ook waar vertrouwensbeslissingen dagelijks worden genomen. Medewerkers ontvangen regelmatig verzoeken van leveranciers, partners en collega’s die oordeelsvellingen over legitimiteit vereisen. AI-gepowered aanvallen exploiteren precies deze vertrouwensrelaties door te doen alsof ze afkomstig zijn van bekende entiteiten met geloofwaardige verzoeken.

De fundamentele uitdaging is dat e-mailbeveiliging altijd over het detecteren van “slechte” technische patronen is gegaan, maar AI-aanvallen zien er technisch goed uit terwijl ze kwaadaardig zijn bedoeld.

Hoe verschilt de LLM-native architectuur van StrongestLayer fundamenteel van traditionele e-mailbeveiligingsoplossingen?

We bouwden de eerste LLM-as-master-architectuur, fundamenteel anders dan leveranciers die LLM-functies aan bestaande patroonherkenningsystemen toevoegen. Het verschil is architectonisch – de LLM coördineert het hele analyseproces in plaats van een add-on-module te zijn.

Traditionele oplossingen werken als een aanklager-only rechtsstelsel – ze kunnen alleen op zoek gaan naar schuld zonder mechanisme om onschuld te bewijzen. Dit creëert de klassieke vals-positieve / vals-negatieve spanning die nooit binnen een aanklager-only-architectuur kan worden opgelost.

Onze doorbraak is dubbele bewijsverzameling. We breken het aanklager-only-paradigma volledig door elke e-mail zijn dag in de rechtszaal te geven. Ons systeem fungeert als zowel openbaar verdediger als aanklager, terwijl een onpartijdige LLM-rechter bewijs afweegt en een vonnis velt.

De architectuur vereiste volledig nieuwe infrastructuur: LLM-as-master-coördinatie, dubbele bewijsanalysealgoritmen, mengsel van expertsarchitectuur voor gespecialiseerde analyse en zero-memory-architectuur voor ondernemingsgegevensprivacy. We bieden de redeneercapaciteit van duizend eliteanalisten met het geheugen van een goudvis – maximale analytische capaciteit, nul gegevenspersistentie.

Kunt u uitleggen hoe uw TRACE (Threat Reasoning AI Correlation Engine) systeem werkt en wat het uniek effectief maakt tegen AI-gepowered phishing?

TRACE werkt via dubbele bewijsverzameling die de economie van e-mailbeveiliging fundamenteel verandert.

Voor elke e-mail voeren we twee parallelle onderzoeken uit: openbaar verdedigerbewijs verzamelt normaliteitsindicatoren, en aanklagerbewijs verzamelt bedreigingsignalen. Een onpartijdige LLM-rechter weegt alle bewijs af en velt een vonnis.

Neem een $50M-vendorbetaling van uw CFO tijdens het kwartaalafsluiten. Legacy-systemen zien urgent taal, grote bedragen, tijdstempels na kantooruren – elk patroon schreeuwt bedreiging. De e-mail wordt in quarantaine geplaatst, het bedrijf wordt verstoord.

Onze dubbele bewijsarchitectuur voert parallelle onderzoeken uit: openbaar verdedigerbewijs omvat de communicatiepatronen van de CFO, de gevestigde relatie van de leverancier, betaling binnen de inkooplimieten, volgend op gedocumenteerde workflows. Aanklagerbewijs omvat externe bedreigingsinformatie, communicatieintentieanalyse, autoriteitsomzeilingpogingen, urgentie-manipulatiepatronen.

De LLM-rechter weegt alle bewijs af. Sterke legitimiteitsindicatoren wegen zwaarder dan kleine bedreigingssignalen. De e-mail wordt automatisch goedgekeurd met hoge zekerheid, bedrijfscontinuïteit wordt gehandhaafd, analisten richten zich op echte bedreigingen.

Wat dit uniek effectief maakt tegen AI-aanvallen is dat we ons richten op stabiele indicatoren die blijven bestaan ongeacht de nieuwheid van de aanval – bedrijfslegitimiteitspatronen en kwaadaardige intentiepatronen blijven consistent, zelfs als de aanvalsmethoden volledig nieuw zijn.

Hoe blijft uw platform voorop de evoluerende bedreigingen, nu AI aanvallers in staat stelt om gepersonaliseerde e-mails op grote schaal te genereren?

De sleutelinzicht is dat, terwijl AI de generatie van aanvallen oneindig schaalbaar maakt, het het bedrijfslogica-probleem voor aanvallers niet oplost.

AI kan perfecte grammatica creëren, communicatiestijlen imiteren en verwijzen naar openbare informatie over organisaties. Maar het kan de interne bedrijfsprocessen, goedkeuringsworkflows, contractcycli en relatie-dynamiek van elke organisatie niet perfect begrijpen.

Ons platform blijft voorop door zich te richten op bedrijfsredelijkheid in plaats van technische patronen. Terwijl AI-aanvallen meer geavanceerd worden in hun technische presentatie, worden ze vaak wanhopiger in hun bedrijfslogica – urgentie creëren waar dat niet nodig is, normale processen omzeilen of acties aanvragen die niet overeenkomen met gevestigde relaties.

We profiteren ook van cross-customer-learning zonder individuele klantgegevens bloot te geven. Patronen van bedrijfslogica-misbruik zijn vaak consistent over organisaties heen, zelfs als de technische implementatie varieert.

Welke soorten organisaties lopen momenteel het grootste risico op AI-versterkte phishing, en hoe adresseert uw platform hun unieke uitdagingen?

Organisaties met complexe leveranciersrelaties en goedkeuringsprocessen lopen het grootste risico – met name financiële dienstverleners, zorgverleners en juridische firma’s. Deze sectoren hebben waardevolle gegevens, gevestigde bedrijfsprocessen die aanvallers kunnen onderzoeken, en medewerkers die regelmatig gevoelige verzoeken afhandelen.

Middenmarktbedrijven hebben een specifieke uitdaging: ze hebben ondernemingsniveau-verplichtingen en complexiteit, maar zonder de beveiligingsbezetting of -budgetten om dat te evenaren. Ze zijn geavanceerd genoeg om aantrekkelijke doelwitten te zijn, maar middelenbeperkt genoeg dat geavanceerde aanvallen slagen.

Ons platform adresseert dit door de bedrijfscontextanalyse te automatiseren die normaal gesproken door toegewijde beveiligingsanalisten zou worden uitgevoerd. In plaats van teams te laten onderzoeken elk verdacht verzoek, biedt TRACE de redenering die organisaties helpt om snel geïnformeerde beslissingen te nemen.

We richten ons ook op gebruikerservaring, omdat deze organisaties geen oplossingen kunnen betalen die operationele wrijving creëren of uitgebreide training vereisen.

Hoe werkt uw voorspellende campagnedetectiesysteem en wat maakt het uniek effectief tegen AI-gepowered phishing?

Onze aanpak combineert real-time domeinregistratiemonitoring met bedrijfscontextanalyse.

We monitoren wereldwijd domeinregistraties continu, op zoek naar patronen die suggereren dat er een impersonatiecampagne gaande is – soortgelijke spelling van legitieme domeinen, registratietijdclusters en infrastructuurpatronen die consistent zijn met aanvalsbereiding.

Maar het belangrijkste onderscheidende kenmerk is het correleren van deze technische inlichtingen met bedrijfscontext. Wanneer we domeinen zien geregistreerd die leveranciers of partners van klanten kunnen imiteren, kunnen we campagnetargets en -timing voorspellen op basis van bedrijfsrelaties en -cycli.

De “neutralisatie” gebeurt door vroegtijdige waarschuwing – we waarschuwen klanten over potentiële impersonatiecampagnes weken voordat e-mails worden verzonden, waardoor ze hun verdediging kunnen voorbereiden en medewerkers kunnen informeren over specifieke bedreigingen om op te letten.

Dit pre-campagnedetectie is alleen mogelijk omdat we zowel de technische aanvalsinfrastructuur als de bedrijfscontext die aanvallers waarschijnlijk zullen exploiteren begrijpen.

Wat waren enkele van de moeilijkste technische problemen die u tegenkwam bij het bouwen van een echt LLM-native cybersecurity-oplossing?

Het moeilijkste probleem was het bouwen van een systeem dat over bedrijfscontext kon redeneren zonder gevoelige organisatiegegevens bloot te geven, terwijl het tegelijkertijd werkte tegen nieuwe aanvallen die legacy-systemen missen.

We kregen onlangs validatie toen ons TRACE-systeem een Microsoft 365 Direct Send-exploitatieaanval detecteerde die zowel Microsofts native beveiliging als de marktleider volledig miste. De aanval werd gepubliceerd en gevalideerd door Dark Reading. Het exploiteerde legitieme Microsoft (MSFT ) -functies, gebruikte image-gebaseerde versleuteling en dynamisch gepersonaliseerde phishing-pagina’s – volledig nieuwe technieken zonder historische patronen om mee te matchen.

De technische uitdagingen waren aanzienlijk: het bouwen van LLM-as-master-coördinatie die geavanceerde redenering kon uitvoeren terwijl gevoelige gegevens lokaal bleven, het vermijden van vals-positieve valkuilen bij het overstappen van patroonherkenning naar redenering, en het optimaliseren van prestaties om real-time beslissingen te bieden binnen e-mailstroomlatentie-eisen.

Maar de grootste doorbraak was het bewijzen dat onze dubbele bewijsarchitectuur werkte in de echte wereld tegen aanvallen die gevestigde leveranciers ontgaan.

Hoe ziet u de dreigingslandschap evolueren in 2026-2027, en hoe bereidt u uw platform voor om die toekomst te weerstaan?

Against 2026-2027 verwacht ik dat geavanceerde AI-versterkte aanvallen mainstream zullen worden in plaats van advanced persistent threat-territorium. De tools en technieken zullen geïndustrialiseerd worden, waardoor het dreigingsactorenbestand aanzienlijk zal toenemen.

We zullen ook aanvallen zien die alle bedrijfscommunicatiekanalen uitbreiden – Teams, Slack, mobiele messaging. Aanvallers zullen campagnes over meerdere kanalen orkestreren, waardoor enkelvoudige detectie ontoereikend wordt.

We bereiden ons voor door TRACE te bouwen als een redeneersysteem dat op elk bedrijfscommunicatiekanaal kan worden toegepast. De kern technologie – het begrijpen van bedrijfscontext en intentie – is niet specifiek voor e-mail. We investeren ook zwaar in cross-channel-correlatiecapaciteiten.

De andere grote verschuiving zal zijn aanvallen die de AI-adoptie binnen organisaties exploiteren. Terwijl bedrijven AI-hulpmiddelen voor bedrijfsprocessen implementeren, zullen aanvallers die integraties en gegevensstromen targeten.

Wat zijn de lessen die u tot nu toe heeft geleerd uit real-world-implementaties, en hoe hebben die uw productroadmap gevormd?

De grootste les is dat nieuwe aanvallen onze architecturale aanpak op manieren valideren die we niet hadden kunnen voorzien. Toen ons TRACE-systeem de Microsoft 365 Direct Send-exploitatieaanval detecteerde die zowel Microsoft als de marktleider miste, bewees het onze stelling dat redenering patroonherkenning overtreft tegen echt nieuwe technieken.

We leerden dat gebruikerservaring meer uitmaakt dan we oorspronkelijk dachten, maar niet op de manier die we verwachtten. Beveiligingsteams willen niet alleen nauwkeurige detectie – ze willen weten waarom het systeem beslissingen nam. Onze dubbele bewijsaanpak helpt omdat analisten zowel het aanklager- als het openbaar verdedigerbewijs kunnen zien dat tot het vonnis van de LLM-rechter leidde.

We ontdekten ook dat de detectie van nieuwe aanvallen concurrentievoordelen creëert die we niet hadden voorzien. Toen we de Direct Send-analyse publiceerden die Dark Reading valideerde, stelde het technische geloofwaardigheid vast op manieren die marketingclaims nooit konden. Potentiële klanten realiseerden zich dat we niet alleen beweerden onbekende bedreigingen te detecteren – we bewezen het met gedocumenteerde gevallen waarin gevestigde leveranciers faalden.

Deze lessen vormden onze strategie rond transparantie en technische validatie. Onze roadmap benadrukt nu niet alleen detectiecapaciteiten, maar ook de mogelijkheid om redenering uit te leggen en bedreigingsinlichtingen te delen met de bredere beveiligingsgemeenschap.

Waar ziet u StrongestLayer in de komende twee tot drie jaar, en wat is de langetermijnvisie voor het bedrijf?

In de komende twee jaar zie ik ons als de redeneersysteem dat alle bedrijfscommunicatie beschermt – niet alleen e-mail, maar ook Teams, Slack, mobiele messaging en opkomende kanalen.

De technische basis die we hebben gebouwd met TRACE – het begrijpen van bedrijfscontext en intentie – is niet specifiek voor e-mailbeveiliging. Terwijl organisaties meer communicatiekanalen en AI-hulpmiddelen adopteren, hebben ze consistentiebeveiliging nodig die bedrijfslogica over alle platforms begrijpt.

Langetermijn, is onze visie om de intelligentielaag te zijn die organisaties in staat stelt om in een AI-gepowered wereld met vertrouwen te communiceren. In plaats van dat beveiliging een barrière voor communicatie is, willen we het systeem zijn dat bedrijven in staat stelt om nieuwe communicatietechnologieën veilig te adopteren.

Het uiteindelijke doel is om een punt te bereiken waarop organisaties niet meer nadenken over e-mailbeveiliging als een afzonderlijk probleem – het is gewoon ingebouwd in hoe bedrijfscommunicatie werkt, waardoor ze automatisch worden beschermd en productiviteit mogelijk wordt gemaakt.

Bedankt voor het geweldige interview, lezers die meer willen leren, kunnen StrongestLayer bezoeken.