Mark Gazit, CEO av ThetaRay – Cybersikkerhetsintervjuer

Mark Gazit er CEO av ThetaRay, et selskap som driver med cybersikkerhet og stor data-analyse, og som tilbyr en plattform for å oppdage ukjente trusler og risikoer for å beskytte kritisk infrastruktur og finansielle tjenester.

Mark Gazit har over to tiår med erfaring i høyteknologi-bransjen, med en rekord i å maksimere omsetning, nettoresultat og aksjonærverdi for startup, omstrukturering og raskt voksende globale organisasjoner i nye marked og økonomier.

Før han ble CEO i ThetaRay, var Mark direktør for Nice Cyber & Intelligence Solutions, en selvstendig avdeling av Nice Systems Ltd. Mellom 2002 og 2010 var han konsernsjef og CEO for SkyVision, et globalt teleselskap som han tok fra starten til et internasjonalt selskap som betjener over 50 land verden over.

Kan du dele historien bak ThetaRay?

To matematikkprofessorer — Ronald Coifman fra Yale, og Amir Averbuch fra Tel Aviv Universitet, som tilbrakte ti år med IBM’s T.J. Watson Research Center, Yorktown Heights, NY — bestemte seg for 15 år siden å forsk på et avansert nivå av kunstig intelligens. De var pionerene bak utviklingen av algoritmer som går utenfor maskinlæring og faktisk etterligner måten menneskelig intuition, sunn fornuft og instinkt fungerer. Deres idé var å assistere leger, etterforskere og ledere i beslutningsprosessen. Og det fungerte! Så de etablerte ThetaRay, og jeg ble CEO. Vi beviste raskt at teknologien er god til å beskytte kritisk infrastruktur mot cybersikkerhetstrusler og hjelpe flyselskaper, men så fant vi at det største behovet og sterkeste smerten var følt av finansielle institusjoner, fordi overgangen til digitalt hadde skapt en eksponentiell økning i høyrisikotransaksjoner og trusler. Så vi tok disse algoritmene, konverterte dem til godt definerte og pakket produkter, og begynte å hjelpe store finansielle institusjoner å løse disse problemene.

Hvordan har verden av finansiell kriminalitet endret seg over de siste ti årene?

Den har endret seg dramatisk og permanent. Den gikk gjennom en tetonisk endring før Covid-19, på grunn av veksten i digitale finansielle tjenester. Plutselig trengte mennesker ikke lenger å fysisk besøke en bank for å utføre transaksjoner eller åpne en konto. Dette var svært praktisk for forbrukerne, men ble en mareritt for bankene og skapte muligheter for de dårlige guttene, fordi de ikke lenger trengte å ta med en hagle eller Uzi inn på en bankfilial for å stjele penger. I stedet kunne de sette opp en server i et annet land, bruke den til å hakke banken og få tilgang til hundredvis av millioner av bankkontoer, stjele en relativt liten sum fra hver, flytte pengene rundt i verden og så skru av serveren og forsvinne for alltid. Og det er ikke bare hackere som gjør det; regjeringer har også hoppet på det. Nord-Korea stjal 81 millioner dollar fra Bank of Bangladesh ved å hakke inn i SWIFT-nettverket. Iran bruker cybersikkerhetshakk for å stjele penger også. Og nylig ble det rapportert at Hezbollah brukte franske banker til å finansiere terroristaktiviteter i Libanon. Når Covid-19 kom, gjorde det bare en dårlig situasjon enda verre. Mennesker kunne ikke lenger komme til bankfilialen, så åpning av en konto ble en digital øvelse. Tidligere kunne bankene tvinge mennesker til å komme og presentere seg fysisk. Nå er alt mulig uten å besøke en filial.

Hvorfor fungerer ikke eksisterende systemer lenger for å bekjempe finansiell kriminalitet?

De ble utviklet for å beskytte banksystemer basert på langvarig visdom som hadde eksistert i hundrevis av år. Men banksystemene gjennomgikk en svært rask og skarp transformasjon over de siste ti årene, så eksisterende systemer var uforberedt. Uansett om de er basert på regler, modeller eller enkel maskinlæring, trenger de alltid noen form for tidligere erfaring for å forutse hva de dårlige guttene vil gjøre og skape de riktige løsningene. Denne tilnærmingen fungerer ikke lenger fordi de fleste av dagens angrep ikke eksisterte før ett år siden, så en løsning som baserer seg på tidligere erfaring er ikke nok. Og respons-tiden er ganske langsom. Det tar en bank i gjennomsnitt fire måneder å lage en ny modell, men det tar de dårlige guttene bare fire sekunder å lage et angrepsvektor. I faktisk, i mange tilfeller, er de A/B-testing, og prøver to eller tre angrepsvektorer samtidig for å se hvilken som er mest suksessfull. Denne nye verden av finansiell kriminalitet krever en ny verden av teknologiske løsninger.

ThetaRay har designet et system som fungerer mer som menneskelig intuition, kan du forklare hvordan dette intuitive AI fungerer?

ThetaRay etterligner måten erfarte etterforskere arbeider. Når du tar noen som er erfaren i sitt felt, har de en evne til å skjelne når noe ikke lukter riktig. Tenk på de instinktene vi har i vårt daglige liv: Når du kjører en ny bil, kan du kanskje ikke forstå noe om mekanisk ingeniørkunst, men når du hører et underlig lyd, vet du at det er noe galt med bilen. Når et barn går på skole, vet de etter en dag hvem de gode og dårlige guttene er. Slik fungerer ThetaRays system. Det ser på avhengighetene mellom mange forskjellige funksjoner over tid og, svært likt erfarte etterforskere, kommer til riktige konklusjoner. Forskjellen er at våre systemer kan fordøye 50 års erfaring på noen få timer. Og når vi installerer våre systemer, ikke bare oppdager de problemer som er vanskelige for andre løsninger å oppdage, men de sikrer også at varslingene er relevante ved å redusere falske alarmer med 99%.

Hva er de forskjellige typene maskinlæringssystemer som brukes?

ThetaRay har utviklet og bruker, blant andre, en ensemble av proprietære beregningsverktøy fra maskinlæring og AI som er basert på neurale nettverk, harmonisk analyse, stokastisk prosessering, matrisedekomposisjon og geometri av informasjon for å effektivt avdekke ulovlige finansielle aktiviteter, med høy oppdage-rate og svært lavt antall falske alarmer, gjennom uovervåket og semi-overvåket metodikk. Disse metodikkene kommer fra forskjellige matematikk og måter å tenke på. De gjør det mulig for oss å ha en rask forensisk og å spore roten til årsaken til funksjonene som forårsaker et avvikende atferd, så vårt AI er fullstendig gjennomsiktig og ikke en «black box».

Hvordan bruker bankene ThetaRay-plattformen?

Plattformen betjener mange banker og finansielle institusjoner, inkludert finansteknologi og PSP. Den er installert på premisse eller i skyen; vi støtter alle større skytjenester, inkludert Amazon (AMZN ), Oracle (ORCL ), Microsoft eller Google. Den overvåker alle transaksjoner (uten å lagre informasjon, naturligvis); når alt er i orden, er systemet stille, men hvis det ser mistenkelig aktivitet, varsler det de relevante personene. Den kan rapportere avvikende transaksjoner, mistenkelige enheter og systemisk finansiell kriminalitet, som er mye vanskeligere å oppdage. Systemisk finansiell kriminalitet er den som involverer ikke bare en transaksjon av noen som stjeler 10 000 dollar, men tusenvis av transaksjoner på 5-50 dollar som involverer forskjellige kontoer og lokasjoner som ser ubeslektet ut, men som alle er kontrollert av en enkelt datamaskin eller nettverk. Så bankene ikke bare øker sin pålitelighet, men også identifiserer potensielt katastrofale finansielle kriminalitet og reduserer sine falske alarmer betydelig. Dette øker kundetilfredshet og reduserer tiden til etterforskning med 50%. Våre korrespondentbank- og grenseoverskridende betalingsløsninger er spillendringere, og gjør det mulig for bankene å øke sin lønnsomhet og, enda viktigere, øke finansiell inklusjon ved å arbeide med flere kunder i flere land.

Nylig oppdaget ThetaRay-teknologien en barnetransport-sammenkomst, kan du dele noen detaljer om dette?

En av de største bankene i verden fant ut at et datterselskap i Europa ble brukt til å hvitevask penger som var ment til å finansiere barnetransport. Det var en svært sofistikert plan som involverte mange grenseoverskridende bankoverføringer relatert til «medisinsk turisme» uten klar forretningsaktivitet. Det er en type kriminalitet som er nesten umulig å oppdage hvis du ikke vet hva du leter etter. Vårt system oppdaget det på noen dager. Banken meldte umiddelbart en SAR, og en etterforskning av lovens folk avslørte at det var knyttet til barnetransport.

Kan du gi oss et annet eksempel på en suksesshistorie med ThetaRay-plattformen?

En av de største bankene i verden installerte våre systemer og ble i stand til å håndtere risiko mye mer suksessfullt. De var tidligere ikke i stand til å betjene kunder med grenseoverskridende betalinger til høyrisikoland i Asia og Afrika, men når de installerte vårt system, kunne de begynne å betjene disse landene. Dette økte deres lønnsomhet og kundetilfredshet betydelig og, på en måte, hjalp til å forbedre verden ved å muliggjøre finansiell inklusjon, så innbyggerne i disse landene kunne motta penger. Tidligere måtte mennesker som prøvde å sende penger til disse regionene betale enorme gebyrer eller, i noen tilfeller, var det forbudt å gjøre det.

Er det noe annet du ville dele om ThetaRay?

Vi bruker en svært unik og sofistikert type AI. Prof. Coifman har mottatt priser fra DARPA og National Science Foundation; han og Prof. Averbuch er briljante matematikere. Men dette gjør at noen mennesker undrer seg, “Er det for sofistikert? Er det farlig? Spiller vi med ild?” Hver ny innovasjon skaper frykt. Når trykking ble oppfunnet, var mennesker redd for at det ville bety slutten på menneskelig hukommelse. Når biler ble oppfunnet, var mennesker redd for at det ville bety slutten på familienheten, fordi mennesker kunne flytte til andre steder. Men fordeler er mye sterkere enn ulemper. I denne verden av finansiell kriminalitet har vi ingen valg enn å skape kraftig og sofistikert AI som vil hjelpe oss, fordi de dårlige guttene har brukt AI i en stund og følger ingen regler eller reguleringer. Vi må fortsette å utvikle digitale beskyttelse som vi kan trene, utdanne og pleie for å hjelpe oss å beskytte våre systemer mot rogue AI. Vi er svært stolte av å hjelpe finansielle institusjoner å utføre flere transaksjoner på en måte som er mer lønnsom, samtidig som vi utvikler en mye tryggere verden av betalinger og skaper tillit der ingen tillit eksisterte før. Takk for det flotte intervjuet, lesere som ønsker å lære mer kan besøke ThetaRay.