Yariv Fishman, Chief Product Officer i Deep Instinct – Intervju-serie

Yariv Fishman er Chief Product Officer (CPO) i Deep Instinct, og han er en erfaren produktleder med over 20 års ledererfaring i kjente globale B2B-merker. Fishman har hatt flere fremtredende roller, inkludert lederstillinger i Microsoft (MSFT ) hvor han ledet Cloud App Security-produktporteføljen og initierte MSSP- og sikkerhetspartnerprogrammet, og som leder for produktledelse, sky-sikkerhet og IoT-sikkerhet i CheckPoint. Han har en B.Sc i informasjonssystemer fra Ben Gurion University og en MBA fra Technion, Israel Institute of Technology.

Deep Instinct er et selskap som tilbyr sikkerhetsløsninger basert på dypt læring. Selskapet bruker kunstig intelligens til å forebygge og oppdage malware.

Kan du fortelle oss om din reise i sikkerhetsbransjen og hvordan den har formet din tilnærming til produktledelse?

I løpet av mine 20 år lange karriere, har jeg jobbet i flere globale B2B-organisasjoner, inkludert Check Point Software Technologies (CHKP ) og Microsoft, hvor jeg ledet produktledelse og strategi og bygget opp min erfaring innen sikkerhet i offentlige skytjenester, sluttpunkter, nettverk og SaaS-applikasjoner.

Underveis har jeg lært forskjellige beste praksis – fra hvordan man leder et team til hvordan man informerer om riktig strategi – som har formet hvordan jeg leder i Deep Instinct. Å jobbe for flere sikkerhetsselskaper av ulike størrelser har gitt meg en helhetlig oversikt over ledelsesstiler og lært meg hvordan man best skaper prosesser som støtter raskt flytende team. Jeg har også sett hvordan man kan lansere produkter og planlegge for produkt-markedsfit, som er kritisk for forretnings-suksess.

Hva var det som førte deg til å slutte seg til Deep Instinct, og hvordan har din rolle utviklet seg siden du startet som Chief Product Officer?

Som en bransje-veteran, blir jeg sjelden spennende over ny teknologi. Jeg hørte først om Deep Instinct mens jeg jobbet i Microsoft. Da jeg lærte om mulighetene med prediktiv forebyggingsteknologi, forsto jeg raskt at Deep Instinct var det ekte og gjorde noe unikt. Jeg sluttet meg til selskapet for å hjelpe med å produktisere deres dypt læring-rammeverk, å skape markedsmessig fit og brukstilfeller for denne første-av- dens-type null-dags datasikkerhetsløsning.

Siden jeg sluttet meg til teamet for tre år siden, har min rolle endret seg og utviklet seg sammen med vår forretning. Først og fremst fokuserte jeg på å bygge opp vårt produktledelsesteam og relevante prosesser. Nå er vi tungt fokusert på strategi og hvordan vi markedsfører våre null-dags datasikkerhets-kapasiteter i dagens raskt flytende og stadig mer farlige marked.

Deep Instinct bruker et unikt dypt læring-rammeverk for sine sikkerhetsløsninger. Kan du diskutere fordelen med dypt læring sammenlignet med tradisjonell maskinlæring i trussel-forebygging?

Begrepet “AI” brukes ofte som en universell løsning for å utruste organisasjoner i kampen mot null-dags-trusler. Imidlertid, mens mange sikkerhetsleverandører hevder å bringe AI til kampen, er maskinlæring (ML) – en mindre avansert form for AI – fortsatt en sentral del av deres produkter. ML er uegnet for oppgaven. ML-løsninger er trent på begrensede undergrupper av tilgjengelige data (vanligvis 2-5%), tilbyr bare 50-70% nøyaktighet med ukjente trusler og introduserer feilpositive. De krever også menneskelig inngripen fordi de er trent på mindre datamengder, øker sjansen for menneskelig feil og bias.

Ikke all AI er like. Dypt læring (DL), den mest avanserte formen for AI, er den eneste teknologien som kan forebygge og forklare kjente og ukjente null-dags-trusler. Forskjellen mellom ML- og DL-baserte løsninger blir tydelig når man undersøker deres evne til å identifisere og forebygge kjente og ukjente trusler. I motsetning til ML er DL bygget på neurale nettverk, som gjør det mulig for det å lære seg selv og trene på rådata. Denne selvstendigheten gjør det mulig for DL å identifisere, oppdage og forebygge komplekse trusler. Med sin forståelse av de grunnleggende komponentene i skadelige filer, gir DL teamene mulighet til å raskt etablere og opprettholde en robust datasikkerhets-posture, og forhindre den neste trusselen før den overhodet materialiserer.

Deep Instinct lanserte nylig DIANNA, den første generative AI-drevne sikkerhetsassistenten. Kan du forklare inspirasjonen bak DIANNA og dens nøkkel-funksjoner?

Deep Instinct er den eneste leverandøren på markedet som kan forutsi og forebygge null-dags-angrep. Foretaks null-dags-sårbarheter er på vei opp. Vi så en 64% økning i null-dags-angrep i 2023 sammenlignet med 2022, og vi lanserte Deep Instincts kunstig neuralt nettverk-assistent (DIANNA) for å bekjempe denne voksende trenden. DIANNA er den første og eneste generative AI-drevne sikkerhetsassistenten som tilbyr ekspert-nivå malware-analyse og forklarbarhet for null-dags-angrep og ukjente trusler.

Hva som skiller DIANNA fra andre tradisjonelle AI-verktøy som utnytter LLM’er, er dens evne til å gi innsikt i hvorfor ukjente angrep er skadelige. I dag, hvis noen ønsker å forklare et null-dags-angrep, må de kjøre det gjennom en sandbox, som kan ta dager og, til slutt, ikke gi noen omfattende eller fokusert forklaring. Mens denne tilnærmingen er verdifull, tilbyr den bare retrospektiv analyse med begrensede kontekst. DIANNA analyserer ikke bare koden; den forstår hensikten, potensielle handlinger og forklarer hva koden er designet til å gjøre: hvorfor den er skadelig, og hvordan den kan påvirke systemer. Denne prosessen gir SOC-teamene tid til å fokusere på varsler og trusler som virkelig teller.

Hvordan skiller DIANNA’s evne til å gi ekspert-nivå malware-analyse seg fra tradisjonelle AI-verktøy på sikkerhetsmarkedet?

DIANNA er som å ha et virtuelt team av malware-analytikere og incident-svarsteam til å gi dypt analyse inn i kjente og ukjente angrep, og forklare teknikker og atferd hos skadelige filer.

Andre AI-verktøy kan bare identifisere kjente trusler og eksisterende angrepsvektorer. DIANNA går ut over tradisjonelle AI-verktøy, og tilbyr organisasjonene en utenforliggende nivå av ekspertise og innsikt i ukjente skript, dokumenter og rå binærer for å forberede seg på null-dags-angrep. I tillegg tilbyr DIANNA forbedret synlighet inn i beslutningsprosessen til Deep Instincts forebyggingsmodeller, som gjør det mulig for organisasjonene å finjustere sin sikkerhets-posture for maksimal effektivitet.

Hva er de primære utfordringene DIANNA løser i dagens sikkerhetslandskap, særlig når det gjelder ukjente trusler?

Problemet med null-dags-angrep i dag er mangelen på informasjon om hvorfor en hendelse ble stoppet og ble betraktet som skadelig. Trussel-analytikere må bruke betydelig tid på å bestemme om det var et skadelig angrep eller en feilpositiv. I motsetning til andre sikkerhetsløsninger, blokkerte Deep Instinct jevnt null-dags-angrep med vår unike DL-løsning. Imidlertid, kundene våre ba om detaljerte forklaringer for å bedre forstå naturen til disse angrepene. Vi utviklet DIANNA for å forbedre Deep Instincts dypt læring-kapasiteter, redusere belastningen på overarbeidete SecOps-team og gi sanntids-forklarbarhet inn i ukjente, sofistikerte trusler. Vår evne til å fokusere GenAI-modellene på spesifikke artefakter gjør det mulig for oss å gi en omfattende, men fokusert, respons for å løse markedsgapet.

DIANNA er en betydelig fremgang for industrien og et konkret eksempel på AI’s evne til å løse virkelige problemer. Den utnytter bare statisk analyse for å identifisere atferd og hensikt hos ulike filformater, inkludert binærer, skript, dokumenter, gjenkoblingsfiler og andre trussel-leveringsfil-typer. DIANNA er mer enn bare en teknologisk fremgang; det er en strategisk skift mot en mer intuitiv, effektiv og effektiv sikkerhetsmiljø.

Kan du utdype hvordan DIANNA oversetter binærkode og skript til naturlige språk-rapporter og hvilke fordeler dette bringer til sikkerhets-team?

Den prosessen er en del av vår hemmelige saus. På et høyt nivå kan vi detektere malware som dypt læring-rammeverket merker innenfor et angrep og deretter mata det som metadata inn i LLM-modellen. Ved å trekke ut metadata uten å eksponere følsomme opplysninger, gir DIANNA null-dags-forklarbarhet og fokuserte svar som kundene våre søker.

Hvordan ser du på hvordan AI vil utvikle seg for å motvirke disse truslene mer effektivt, med tanke på økningen av AI-genererte angrep?

Som AI-baserte trusler øker, krever det å holde seg foran stadig mer sofistikerte angripere å gå ut over tradisjonelle AI-verktøy og innovere med bedre AI, spesielt dypt læring. Deep Instinct er det første og eneste sikkerhetsselskapet som bruker dypt læring i sin datasikkerhetsteknologi for å forebygge trusler før de forårsaker en brudd og forutsi fremtidige trusler. Deep Instincts null-dags datasikkerhetsløsning kan forutsi og forebygge kjente, ukjente og null-dags-trusler på <20 millisekunder, 750 ganger raskere enn den raskeste ransomware kan kryptere – og gjør det til en essensiell tilføyelse til hver sikkerhetsstak, og tilbyr fullstendig, flerlaget beskyttelse mot trusler på tvers av hybride miljøer.

Takk for det flotte intervjuet, lesere som ønsker å lære mer bør besøke Deep Instinct.