Yariv Fishman, Chief Product Officer w Deep Instinct – Wywiad

Yariv Fishman jest Chief Product Officer (CPO) w Deep Instinct, jest doświadczonym menedżerem produktu z ponad 20-letnim doświadczeniem w zarządzaniu na stanowiskach kierowniczych w znanych globalnych firmach B2B. Fishman pełnił wiele prominentnych ról, w tym stanowiska kierownicze w firmie Microsoft (MSFT ), gdzie kierował portfelem produktów Cloud App Security i zainicjował program MSSP i partnerstwo w dziedzinie bezpieczeństwa, oraz stanowisko Head of Product Management, Cloud Security & IoT Security w firmie CheckPoint. Ukończył studia licencjackie w dziedzinie inżynierii systemów informacyjnych na Uniwersytecie Ben Gurion oraz studia MBA na Technion, Izraelskim Instytucie Technologii.

Deep Instinct to firma zajmująca się cyberbezpieczeństwem, która stosuje głębokie uczenie się w cyberbezpieczeństwie. Firma wykorzystuje sztuczną inteligencję do zapobiegania i wykrywania złośliwego oprogramowania.

Czy możesz opowiedzieć nam o swojej drodze w branży cyberbezpieczeństwa i jak ukształtowała twoje podejście do zarządzania produktem?

Przez całe moje 20-letnie kariery zawodowej pracowałem w kilku globalnych firmach B2B, w tym w Check Point Software Technologies (CHKP ) i Microsoft, gdzie kierowałem zarządzaniem produktem i strategią oraz budowałem swoje doświadczenie w dziedzinie bezpieczeństwa chmury publicznej, punktu końcowego, sieci i aplikacji SaaS.

W trakcie tej drogi nauczyłem się różnych najlepszych praktyk – od tego, jak zarządzać zespołem, do tego, jak określić właściwą strategię – które ukształtowały sposób, w jaki kieruję w Deep Instinct. Praca w wielu firmach zajmujących się cyberbezpieczeństwem różnej wielkości pozwoliła mi uzyskać całościowy widok stylów zarządzania i nauczyć się, jak najlepiej tworzyć procesy, które wspierają szybko rozwijające się zespoły. Zobaczyłem również na własne oczy, jak wydawać produkty i planować dopasowanie produktu do rynku, co jest kluczowe dla sukcesu biznesowego.

Czy możesz powiedzieć, co skłoniło cię do dołączenia do Deep Instinct, i jak twoja rola ewoluowała od czasu, gdy zostałeś Chief Product Officer?

Jako weteran branży rzadko się ekscytuję nowymi technologiami. Po raz pierwszy usłyszałem o Deep Instinct, pracując w Microsoft. Gdy dowiedziałem się o możliwościach techniki predykcyjnej prewencji, szybko zrozumiałem, że Deep Instinct to coś wyjątkowego i że robi coś unikalnego. Dołączyłem do firmy, aby pomóc w produktowaniu jej ramienia głębokiego uczenia się, tworząc dopasowanie do rynku i przypadki użycia dla tego pierwszego na świecie rozwiązania bezpieczeństwa danych zero-day.

Od czasu dołączenia do zespołu trzy lata temu moja rola uległa zmianie i ewolucji wraz z naszym biznesem. Początkowo skupiłem się na budowaniu naszego zespołu zarządzania produktem i odpowiednich procesów. Teraz jesteśmy silnie ukierunkowani na strategię i to, jak marketingujemy nasze możliwości bezpieczeństwa danych zero-day na dzisiejszym dynamicznym i coraz bardziej niebezpiecznym rynku.

Deep Instinct wykorzystuje unikalne ramienie głębokiego uczenia się w swoich rozwiązaniach cyberbezpieczeństwa. Czy możesz omówić zalety głębokiego uczenia się w porównaniu z tradycyjnym uczeniem maszynowym w prewencji zagrożeń?

Termin „AI” jest szeroko stosowany jako panaceum, aby wyposażyć organizacje w walkę z zagrożeniami zero-day. Jednakże, podczas gdy wiele dostawców cyberbezpieczeństwa twierdzi, że wprowadza AI do walki, uczenie maszynowe (ML) – mniej zaawansowana forma AI – pozostaje kluczową częścią ich produktów. ML jest niewłaściwe do tego zadania. Rozwiązania ML są szkolone na ograniczonych podzbiorach dostępnych danych (zwykle 2-5%), oferują tylko 50-70% dokładności w przypadku nieznanych zagrożeń i wprowadzają fałszywe pozytywy. Wymagają również interwencji ludzkiej, ponieważ są szkolone na mniejszych zbiorach danych, co zwiększa szanse na ludzkie uprzedzenia i błędy.

Nie wszystkie AI są równe. Głębokie uczenie się (DL), najbardziej zaawansowana forma AI, jest jedyną technologią, która może zapobiegać i wyjaśniać znane i nieznane zagrożenia zero-day. Różnica między rozwiązaniami ML a DL staje się widoczna, gdy badamy ich zdolność do identyfikacji i zapobiegania znanych i nieznanych zagrożeniom. W przeciwieństwie do ML, DL opiera się na sieciach neuronowych, co pozwala mu na samodzielne uczenie się i szkolenie na surowych danych. Ta autonomia pozwala DL na identyfikację, wykrywanie i zapobieganie złożonym zagrożeniom. Dzięki zrozumieniu podstawowych składników plików złośliwych, DL umożliwia zespołom szybkie ustanowienie i utrzymanie silnej pozycji bezpieczeństwa danych, powstrzymując następne zagrożenie, zanim jeszcze się pojawi.

Deep Instinct niedawno wprowadził DIANNA, pierwszego asystenta cyberbezpieczeństwa zasilanego przez generatywne AI. Czy możesz wyjaśnić inspirację za DIANNA i jej kluczowe funkcjonalności?

Deep Instinct jest jedynym dostawcą na rynku, który może przewidywać i zapobiegać atakom zero-day. Podatności zero-day w przedsiębiorstwach są w crescendo. Zobaczyliśmy 64% wzrost ataków zero-day w 2023 roku w porównaniu z 2022 rokiem, i wydaliśmy Deep Instinct’s Artificial Neural Network Assistant (DIANNA), aby przeciwdziałać temu rosnącemu trendowi. DIANNA jest pierwszym i jedynym asystentem cyberbezpieczeństwa zasilanym przez generatywne AI, który zapewnia ekspertową analizę złośliwego oprogramowania i wyjaśnialność dla ataków zero-day i nieznanych zagrożeń.

Co wyróżnia DIANNA spośród innych tradycyjnych narzędzi AI, które wykorzystują LLM, jest jej zdolność do zapewnienia wglądu w dlaczego nieznane ataki są szkodliwe. Dziś, jeśli ktoś chce wyjaśnić atak zero-day, musi go uruchomić w sandboxie, co może zająć dni, a ostatecznie nie dostarczy szczegółowego ani ukierunkowanego wyjaśnienia. Podczas gdy ten podejście jest cenne, oferuje tylko retrospektywną analizę z ograniczonym kontekstem. DIANNA nie tylko analizuje kod, ale także rozumie intencję, potencjalne działania i wyjaśnia, co kod jest przeznaczony do wykonania: dlaczego jest szkodliwy i jak może wpłynąć na systemy. Ten proces pozwala zespołom SOC na skupienie się na alertach i zagrożeniach, które naprawdę mają znaczenie.

Jak DIANNA różni się od tradycyjnych narzędzi AI na rynku cyberbezpieczeństwa pod względem zapewnienia ekspertowej analizy złośliwego oprogramowania?

DIANNA jest jak wirtualny zespół analityków złośliwego oprogramowania i specjalistów od reagowania na incydenty, którzy zapewniają głęboką analizę znanych i nieznanych ataków, wyjaśniając techniki atakujących i zachowania plików złośliwych.

Inne narzędzia AI mogą tylko identyfikować znane zagrożenia i istniejące wektory ataku. DIANNA idzie dalej niż tradycyjne narzędzia AI, oferując organizacjom bezprecedensowy poziom ekspertyzy i wglądu w nieznane skrypty, dokumenty i surowe pliki binarne, aby przygotować się do ataków zero-day. Dodatkowo, DIANNA zapewnia zwiększoną widoczność procesu decyzyjnego modeli prewencji Deep Instinct, umożliwiając organizacjom dostosowanie swojej postawy bezpieczeństwa do maksymalnej skuteczności.

Jakie są główne wyzwania, którym DIANNA przeciwdziała w obecnej sytuacji cyberbezpieczeństwa, szczególnie w odniesieniu do nieznanych zagrożeń?

Problemem ataków zero-day dzisiaj jest brak informacji o tym, dlaczego incydent został zatrzymany i uznany za szkodliwy. Analitycy zagrożeń muszą spędzić znaczną ilość czasu, aby określić, czy był to atak szkodliwy czy fałszywy pozytyw. W przeciwieństwie do innych rozwiązań cyberbezpieczeństwa, Deep Instinct regularnie blokował ataki zero-day za pomocą naszego unikalnego rozwiązania DL. Jednak klienci prosili o szczegółowe wyjaśnienia, aby lepiej zrozumieć naturę tych ataków. Opracowaliśmy DIANNA, aby udoskonalić możliwości głębokiego uczenia się Deep Instinct, zmniejszyć obciążenie przeciążonych zespołów SecOps i zapewnić czas rzeczywisty wyjaśnialność nieznanych, złożonych zagrożeń. Nasza zdolność do skupienia modeli GenAI na konkretnych artefaktach pozwala nam zapewnić kompleksową, a zarazem ukierunkowaną odpowiedź, aby zapełnić lukę na rynku.

DIANNA jest znaczącym postępem dla branży i konkretnym przykładem zdolności AI do rozwiązywania realnych problemów. Wykorzystuje wyłącznie statyczną analizę, aby zidentyfikować zachowanie i intencję różnych formatów plików, w tym plików binarnych, skryptów, dokumentów, plików skrótów i innych typów plików dostarczających zagrożenia. DIANNA jest więcej niż tylko postępem technologicznym; jest to strategiczna zmiana w kierunku bardziej intuicyjnego, wydajnego i skutecznego środowiska cyberbezpieczeństwa.

Czy możesz wyjaśnić, jak DIANNA tłumaczy kod binarny i skrypty na raporty w języku naturalnym i jakie korzyści to przynosi zespołom bezpieczeństwa?

Proces ten jest częścią naszego sekretu. Na wysokim poziomie możemy wykryć złośliwe oprogramowanie, które ramiona głębokiego uczenia się oznacza w ramach ataku, a następnie wprowadzić je jako metadane do modelu LLM. Poprzez ekstrakcję metadanych bez ujawniania wrażliwych informacji, DIANNA zapewnia wyjaśnialność zero-day i ukierunkowane odpowiedzi, których klienci szukają.

Jak AI ewoluuje, aby skuteczniej przeciwdziałać atakom wygenerowanym przez AI?

Wraz ze wzrostem ataków opartych na AI, aby utrzymać przewagę nad coraz bardziej zaawansowanymi atakującymi, konieczne jest wyjście poza tradycyjne narzędzia AI i innowacje z lepszym AI, szczególnie głębokim uczeniem się. Deep Instinct jest pierwszą i jedyną firmą cyberbezpieczeństwa, która wykorzystuje głębokie uczenie się w swojej technologii bezpieczeństwa danych, aby zapobiegać zagrożeniom przed ich wystąpieniem i przewidywać przyszłe zagrożenia. Rozwiązanie bezpieczeństwa danych zero-day Deep Instinct może przewidywać i zapobiegać znane, nieznane i zero-day zagrożeniom w czasie krótszym niż 20 milisekund, 750 razy szybciej niż najszybsze oprogramowanie ransomware może zaszyfrować – co czyni je niezwykle ważnym dodatkiem do każdego stosu bezpieczeństwa, zapewniając kompleksową, warstwową ochronę przed zagrożeniami w środowiskach hybrydowych.

Dziękujemy za wspaniały wywiad. Czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Deep Instinct.