Rami Habal, основатель и генеральный директор Magnitude – серия интервью

Rami Habal, основатель и генеральный директор Magnitude — опытный руководитель в области кибербезопасности и ИИ‑продуктов, чья карьера охватывает корпоративную безопасность, машинное обучение, потребительские технологии и стартапы с венчурным финансированием. До основания Magnitude он работал предпринимателем‑в‑резиденции в Ballistic Ventures и провёл более четырёх лет в Abnormal Security, занимая должности главный директор по продукту и главный директор по работе с клиентами. Ранее Хабал руководил многоустройственным опытом Amazon Alexa, возглавлял продукт в Reverb и был одним из первых сотрудников Proofpoint, где помогал создавать и выводить на рынок продукты безопасности, пока компания росла от стартапа к предстоящему IPO. Его опыт также включает венчурный капитал, мобильные технологии, API и продуктовую стратегию, что даёт ему широкую экспертизу на стыке кибербезопасности, ИИ и корпоративного программного обеспечения.

Magnitude — это компания в сфере кибербезопасности, основанная на ИИ, сосредоточенная на преобразовании управления рисками сторонних поставщиков (TPRM) от периодических проверок соответствия к непрерывной функции безопасности. Ее платформа с множеством агентов использует специализированные ИИ‑агенты для оценки поставщиков и продуктов, непрерывного мониторинга уязвимостей и других изменений рисков, картирования зависимостей четвертого, пятого и более глубоких уровней, автоматизации коммуникаций с поставщиками и помощи в управлении исправлениями. Вместо того чтобы полагаться в основном на анкеты и разовые оценки, Magnitude разработана для рассуждения в соответствии с политиками организации и предоставления решений, основанных на доказательствах, с прослеживаемыми источниками и обоснованием. Более широкая цель — обеспечить командам безопасности непрерывную видимость в всё более сложных экосистемах программного обеспечения и поставщиков, позволяя аналитикам‑человека сосредоточиться на более ценных решениях.

После создания продуктов в Proofpoint, Amazon Alexa и Abnormal Security, что убедило вас, что сейчас подходящий момент для основания Magnitude? Было ли какое‑то конкретное осознание или проблема клиента, заставившие вас поверить, что автономное управление рисками сторонних поставщиков должно стать отдельной компанией?

Я понял, что после работы в Abnormal я хочу создать компанию. Я не знал, какую проблему стоит превратить в основу компании. На протяжении всей карьеры меня привлекали практические продукты машинного обучения, решающие широкие, универсальные потребности, такие как защита электронной почты в Proofpoint, голосовые вычисления с Alexa и поведенческая безопасность в Abnormal. Я хотел найти ещё одну проблему с аналогичным охватом, способную помочь предприятиям.

Затем появились агенты. Пройдя через предыдущую волну машинного обучения, я понял, что это не просто ещё одна функция продукта. Это сдвиг платформы, а такие происходят не часто.

Пока я был предпринимателем‑в‑резиденции в Ballistic Ventures, я начал беседовать с директорами по информационной безопасности (CISO) о том, где этот сдвиг может иметь наибольшее влияние. Управление рисками сторонних поставщиков постоянно поднималось в обсуждениях. Исторически TPRM размещался в функции GRC, поскольку риск поставщиков менялся достаточно медленно, чтобы периодические проверки успевали за ним. Однако это предположение начало разрушаться. Все соглашались, что это серьёзная проблема, но большинство организаций всё ещё управляли ею с помощью ежегодных анкет, электронных таблиц, периодических обзоров и обширной ручной работы. Реакция была единообразной: управление рисками сторонних поставщиков критично, но у нас всё ещё нет хорошего способа решить эту задачу.

Это и стало осознанием, лежащим в основе Magnitude. Я понял, что традиционная модель больше не работает, и нам нужна технология, способная полностью изменить операционную модель, а не просто ускорить старый процесс, основанный на электронных таблицах. С самого начала я полагал, что каждый поставщик в конечном итоге получит рой агентов, постоянно оценивающих связанные с ним риски. Magnitude выросла из этой убеждённости.

Вы описываете наступление «эры Мифос», когда ИИ может выявлять и использовать уязвимости быстрее, чем успевают реагировать люди. Какие изменения вы наблюдали за последний год, которые убедили вас, что этот сдвиг уже происходит, а не является лишь будущей проблемой?

Самое значительное изменение, которое я наблюдаю, — это скорость, с которой теперь происходят эти атаки. Год назад большинство обсуждений всё ещё касалось того, что ИИ может в конечном итоге позволить злоумышленнику сделать. Сейчас мы видим, как эти возможности реализуются в реальном времени. ИИ может помочь атакующему исследовать гораздо более обширную экосистему программного обеспечения, обнаруживать ранее неизвестные уязвимости и атаковать их в масштабе, который трудно сопоставить с возможностями человеческой команды.

В эпоху Мифос системы ИИ продемонстрировали способность выявлять более 2 000 ранее неизвестных дефектов в программных экосистемах, а медианное время от обнаружения уязвимости до создания эксплойта, вооружённого для использования, прогнозируется менее одного часа к концу 2026 года. Пока время между обнаружением и вооружением продолжает сокращаться, это создаёт разрыв между тем, как быстро может появиться экспозиция, и тем, как быстро могут реагировать традиционные циклы обзора.

Мы также наблюдаем, что шаблон инцидентов движется в том же направлении. По нашим данным, частота атак на цепочки поставок возросла с примерно 13 инцидентов в месяц в 2024 году до 41 инцидента в месяц в 2026 году. Мы заметили, что активность растёт одновременно с существенными улучшениями передовых моделей. Я не могу утверждать, что каждый выпуск модели напрямую приводит к росту атак, но эту тенденцию трудно игнорировать. Инструменты становятся более мощными, пока темпы атак ускоряются.

То, что действительно подтверждает для меня эту перемену, — разговоры, которые я веду с руководителями по безопасности. Они больше не рассматривают риск третьих сторон как нечто, что можно решить ежегодным обзором и пересмотреть при продлении контракта. Они чувствуют уязвимость в месяцы между этими обзорами, потому что их поставщики, программные зависимости и нижестоящие субподрядчики постоянно меняются.

Для меня эпоха Mythos означает, что окно для понимания и реагирования на риск сужается, тогда как потенциальное воздействие одного скомпрометированного поставщика расширяется. Периодический процесс соответствия просто не был рассчитан на такую среду.

Многие предприятия стремительно внедряют AI‑агенты по всей своей организации. Как руководителям по безопасности следует переосмыслить управление, когда эти агенты всё чаще взаимодействуют с внешними поставщиками, API и нижестоящими зависимостями?

Первое, что должны понять руководители по безопасности, — это то, что даже AI‑агент, созданный внутри компании, может быть не полностью внутренним. Он может опираться на внешнюю платформу, сторонний навык через MCP, сервис вроде Google Drive или другую технологию, которой организация не управляет напрямую. И каждый из этих провайдеров может иметь собственных поставщиков.

Недостаточно просто одобрять самого агента. Руководителям необходимо знать, к какой информации агент имеет доступ, какие действия он может выполнять, от каких внешних сервисов он зависит и когда требуется человеческое одобрение. Также им нужно понимать, как эти зависимости могут изменяться со временем, когда агент получает новые возможности, подключается к новым системам или начинает полагаться на дополнительные нижестоящие провайдеры. Эти контрольные меры также нельзя установить один раз и забыть. По мере того как агент приобретает новые возможности или соединения, его управление должно соответствующим образом адаптироваться.

Целью не должно быть замедление внедрения AI. Цель — предоставить компаниям достаточную видимость, чтобы они могли уверенно использовать агентов. Управление должно стать постоянной практикой безопасности, а не одноразовым одобрением, выполненным при вводе нового инструмента.

Традиционное управление рисками третьих сторон опирается на анкеты и периодические обзоры. Почему вы считаете, что эта модель фундаментально рушится в среде, управляемой AI? 

Проблема традиционной модели TPRM в том, что она предоставляет лишь снимок того, что поставщик заявил как правду в конкретный момент времени. Компания может заполнить анкету при первом одобрении и затем не проходить повторный обзор до продления, что может произойти через годы. За это время её технологии, практики безопасности, AI‑модели, использование данных и поставщики могут полностью измениться. Мы едва способны предсказать, что изменится в ближайшие недели, поэтому опираться на многолетнюю оценку уже не имеет смысла.

Также возникает вопрос о достоверности информации. Ответ, введённый кем‑то, кто пытается продвинуть сделку, не равен факту, подтверждённому независимым аудитом, подписанным корпоративным документом или другим проверяемым источником. Руководителям по безопасности необходимо знать не только сам ответ, но и его источник и актуальность.

Наконец, анкеты обычно останавливаются на прямом поставщике. Они редко показывают N‑й уровень, хотя скрытые отношения с 4‑м и 5‑м звеньями могут создавать реальную уязвимость. Злоумышленники теперь знают, что самым слабым звеном предприятия является не само предприятие, а один из этих нижестоящих поставщиков. А атака на этих поставщиков в конечном итоге даёт им доступ к предприятию. Это просто дешевле и легче.

Поэтому я не считаю, что ответ заключается лишь в использовании AI для более быстрого заполнения анкет. В такой модели всегда будут пробелы. Сама модель должна измениться: от периодических, саморепортируемых снимков к непрерывному, в реальном времени, основанному на доказательствах пониманию риска, насколько глубоко оно простирается в цепочке поставок компании.

Magnitude вводит концепцию автономного AI‑рабочего силового состава для команд безопасности. Где, по вашему мнению, находится баланс между принятием решений, управляемых AI, и человеческим контролем, особенно в случае высоко‑влияющих решений по безопасности? 

Автономность не обязана означать отсутствие ответственности. Я считаю, что AI должен выполнять критически важную, но повторяющуюся работу, которая поглощает большую часть времени команды безопасности, тогда как люди остаются вовлечёнными, когда решение требует суждения, контекста или несёт значительные бизнес‑последствия. Факт в том, что ни одна команда безопасности сегодня не обладает достаточными ресурсами для выполнения текущих задач. AI может помочь заполнить этот пробел.

Качество AI имеет огромное значение. Когда всё сделано правильно, AI выступает в роли умножителя силы: он даёт команде большую ёмкость и позволяет людям сосредоточиться на более ценной работе. Когда всё сделано плохо, происходит обратный эффект, потому что каждый вывод необходимо проверять вручную. Для высоко‑влияющих решений по безопасности система должна быть высокого качества и уметь показывать, какие доказательства она использовала и как пришла к своей рекомендации, создавая аудируемую запись.

Уровень надзора также будет различаться в зависимости от организации. Крупная компания с устоявшейся командой безопасности может использовать AI больше как автопилот, при этом люди контролируют работу и вмешиваются в случае исключений. Меньшая организация может решить автоматизировать большую часть программы, поскольку у неё нет персонала или бюджета для создания большой команды. В любом случае должны быть чёткие точки, где проблема эскалируется к человеку.

В конечном итоге организация должна иметь возможность решить, насколько сильно она хочет привлекать людей, исходя из важности принятия решения. Цель не в том, чтобы исключить людей из обеспечения безопасности. Она заключается в том, чтобы помочь им более эффективно использовать своё время, принимать более быстрые бизнес‑решения и сохранять человеческое внимание для тех решений, где оно приносит наибольшую ценность.

Ваша команда объединяет экспертизу в области ИИ, кибербезопасности и платформ массового потребления. Как это сочетание повлияло на то, как вы разработали Magnitude по сравнению с традиционными продуктами кибербезопасности? 

Каждый из наших опытов научил нас чему‑то разному о том, что должно хорошо выполнять продукт ИИ‑безопасности. В кибербезопасности ответ полезен только тогда, когда ему можно доверять, проследить его до доказательств и принять меры. Работая в области ИИ и машинного обучения, мы поняли, что реальная возможность заключается не просто в суммировании информации, а в преобразовании экспертной работы в систему, способную выполнять её последовательно. Создание платформ, таких как Alexa и Pandora, научило нас мыслить о надёжности и удобстве использования в очень большом масштабе.

Эти уроки оттолкнули нас от традиционной модели кибербезопасности, заключающейся в создании очередной панели мониторинга или потока оповещений для уже перегруженной команды. Мы разработали Magnitude так, чтобы она сама выполняла работу: собирала и проверяла информацию, оценивала поставщиков, отслеживала изменения, связывала новую информацию с бизнес‑рисками и помогала продвигать проблемы к их решению.

За кулисами это подразумевает работу нескольких специализированных агентов ИИ в сотрудничестве. Однако опыт клиента должен оставаться простым. Командам безопасности не нужно становиться экспертами по ИИ, чтобы понять, что обнаружила система, почему это важно и какие действия следует предпринять.

Результатом стал продукт, рассчитанный на непрерывную работу с тысячами поставщиков, при этом соответствующий требованиям, необходимым для принятия высоко‑значимых решений в области безопасности. Это не ИИ, наложенный на старый рабочий процесс. Он был создан с самого начала исходя из идеи, что ИИ может выполнять большую часть рабочего процесса сам, предоставляя людям необходимые доказательства, видимость и контроль.

Одна из главных проблем, связанных с ИИ в кибербезопасности, заключается в том, что он усиливает как защитников, так и атакующих. Считаете ли вы, что преимущество сейчас находится на стороне защитников или противников, и что определит, кто будет опережать друг друга в ближайшие несколько лет?

Я считаю, что сегодня преимущество склоняется в сторону противников, особенно в атаках на цепочки поставок. Я бы не сказал, что защитники находятся в безнадёжном отставании. Призыв к действию для защитников — перестать рассматривать это как будущую проблему и действовать быстрее уже сейчас. Обе стороны имеют доступ к многим тем же инструментам ИИ, но экономика и время выхода на рынок в данный момент выгодны атакующему.

ИИ делает тестирование большего количества путей атак дешевле и проще, позволяет запускать больше попыток на N‑уровнях глубины и повторять этот процесс в масштабе. Когда атакующий компрометирует широко используемого поставщика или программный компонент, одна успешная атака может распространиться на сотни и даже тысячи компаний.

У защитников более сложная задача, поскольку им необходимо понять и защищать обширную сеть поставщиков, программных компонентов и последующих подрядчиков, а также предприятиям требуется время, чтобы отреагировать, приобрести подходящее программное обеспечение и внедрить эти инструменты, что создает окно возможностей для атакующих.

То, что определит, кто будет опережать, — сможет ли защитник изменить эту формулу. Им необходимо перейти от редких проверок и ручных последующих действий к непрерывному мониторингу и более быстрым мерам. Автоматизированные системы управления и защиты, которые постоянно отслеживают изменения, связывают их с бизнес‑рисками и способны быстро реагировать, сделают атаки труднее масштабировать и дороже повторять.

Кибербезопасность всегда была игрой в кошки‑мышки. ИИ не меняет этого, но ускоряет процесс и повышает ставки. Защитникам нужны системы, способные учиться, адаптироваться и действовать с той же скоростью, с которой начинают работать атакующие.

Цепочки поставок ИИ становятся всё более сложными, организации полагаются на многочисленные базовые модели, SaaS‑поставщиков и автономные агенты. Какие новые риски, по вашему мнению, предприятия всё ещё недооценивают?

Самый недооценённый риск — это технологии, находящиеся за продуктом, который компания считает одобренным. Даже внутренний агент может зависеть от внешних платформ, плагинов, подрядчиков или программных компонентов. Эти скрытые связи создают риск N‑го уровня, то есть поставщиков, находящихся за прямым поставщиком.

У большинства предприятий всё ещё крайне ограниченная видимость этой более глубокой прослойки. Они могут знать, с кем заключили контракт, но не знают о каждом внешнем сервисе, программном компоненте или субподрядчике, который в конечном итоге поддерживает продукт.

Другой вопрос — степень взаимосвязанности этих систем. Уязвимость в одном плагине или поддерживающем сервисе может выйти за пределы конкретного поставщика. Она может открыть путь к более крупной платформе и затем затронуть множество организаций, использующих её. Это означает, что относительно небольшой поставщик может стать гораздо более значительным источником угроз.

Итак, вопрос, который должны задавать руководители по управлению рисками, — это не просто «Какую модель ИИ мы используем?». Скорее: «От чего зависит эта система, от чего зависят её поставщики и как проблема где‑нибудь в этой цепочке может достичь нас?» Пока компании не смогут ответить на эти вопросы, они будут продолжать наследовать риски, которые они не видят.

Смотря за пределы сегодняшних больших языковых моделей, какие технологические разработки в течение следующих пяти лет, по вашему мнению, наиболее существенно изменят кибербезопасность предприятий и управление рисками? 

Я не считаю, что определяющим изменением будет одна новая модель. Это переход от ИИ, который отвечает на вопросы, к ИИ‑системам, способным постоянно наблюдать за происходящим, связывать информацию из разных источников и принимать действия.

Следующее поколение моделей будет не просто немного лучше; они станут гораздо более мощными. Однако более значительный сдвиг произойдёт за счёт специализированных агентов, работающих совместно в рамках операций по безопасности. Сегодня обзоры поставщиков, информация об угрозах, бизнес‑риски и устранение последствий часто управляются в отдельных инструментах и разными командами. Со временем эти функции начнут объединяться.

Я ожидаю, что системы безопасности станут гораздо более связанными, объединяя информацию об угрозах, бизнес‑контекст, политики компании и действия по реагированию, а не управляя ими в отдельных инструментах. Это позволит распознать, что поставщик подвергся новой угрозе, понять, какие части бизнеса могут быть затронуты, и помочь начать реагирование без ожидания нескольких ручных передач.

Это превратит управление рисками из серии периодических упражнений в непрерывную операционную способность. Самые сильные программы управления рисками будут построены вокруг контекста предприятия, надёжных доказательств и способности преобразовывать информацию в надёжные действия.

Если бы вы могли дать один совет CISO и руководителям предприятий, готовящимся к следующему поколению угроз, основанных на ИИ, что бы это было и какие действия они должны сегодня расставить в приоритет?

Мой совет — перестать рассматривать риски цепочки поставок как ежегодное упражнение. Риски меняются постоянно, и ваш подход должен идти в ногу с ними. Среда живёт и дышит. Она слишком взаимосвязана, и меняется слишком быстро, чтобы серия отдельных обзоров и инструментов могла успевать.

Защищать эту возникающую поверхность атаки можно с помощью единой AI‑нативной управляющей плоскости, обеспечивающей непрерывное автономное управление и защиту всех ваших внешних рисков.

Начинать следует с тех частей бизнеса, которые имеют наибольшее значение. Определите поставщиков и внешние сервисы, поддерживающие эти критически важные операции, выясните, где находятся скрытые зависимости, и установите чёткую ответственность за то, что произойдёт, когда будет обнаружен риск. Затем автоматизируйте как можно больше текущего мониторинга и рутинных реакций, при этом оставляя людей вовлечёнными в решения, имеющие серьёзные бизнес‑последствия.

Цель состоит не просто в сборе большего объёма информации. Речь идёт о постоянном соединении того, что вы знаете, определении того, что имеет значение, и принятии мер до того, как проблема с поставщиком превратится в масштабную проблему компании.

Спасибо за отличное интервью, читатели, желающие узнать больше, должны посетить Magnitude.