Aditya K Sood, VP för säkerhetsutveckling och AI-strategi, Aryaka – Intervjuer

Aditya K Sood (Ph.D) är VP för säkerhetsutveckling och AI-strategi på Aryaka. Med mer än 16 års erfarenhet tillhandahåller han strategisk ledning inom informationssäkerhet, som täcker produkter och infrastruktur. Dr. Sood är intresserad av artificiell intelligens (AI), molnsäkerhet, automatiserad malwareanalys och analys, programsäkerhet och säker programdesign. Han har skrivit flera artiklar för olika tidskrifter och tidningar, inklusive IEEE, Elsevier, Crosstalk, ISACA, Virus Bulletin och Usenix.

Aryaka erbjuder nätverks- och säkerhetslösningar, med enhetlig SASE som en tjänst. Lösningen är utformad för att kombinera prestanda, smidighet, säkerhet och enkelhet. Aryaka stöder kunder i olika skeden av deras säkra nätverksåtkomstresa, och hjälper dem att modernisera, optimera och omvandla sina nätverks- och säkerhetsmiljöer.

Kan du berätta mer om din resa inom cybersäkerhet och AI, och hur den ledde dig till din nuvarande roll på Aryaka?

Min resa inom cybersäkerhet och AI började med en fascination för teknikens potential att lösa komplexa problem. Tidigt i min karriär fokuserade jag på cybersäkerhet, hotinformation och säkerhetsutveckling, vilket gav mig en solid grund i att förstå hur system interagerar och var sårbarheter kan ligga. Denna exponering ledde mig naturligt till att dyka djupare inom cybersäkerhet, där jag insåg den kritiska betydelsen av att skydda data och nätverk i en alltmer sammanlänkad värld. När AI-teknologier uppstod, såg jag deras enorma potential för att omvandla cybersäkerheten – från automatiserad hotdetektering till prediktiv analys.

Att gå med i Aryaka som VP för säkerhetsutveckling och AI-strategi var ett perfekt läge på grund av deras ledande ställning inom enhetlig SASE som en tjänst, molnförsta WAN-lösningar och innovationsfokus. Min roll tillåter mig att syntetisera min passion för cybersäkerhet och AI för att hantera moderna utmaningar som säker hybridarbete, SD-WAN-optimering och realtids hotshantering. Aryakas sammansmältning av AI och cybersäkerhet ger organisationer möjlighet att ligga före hoten samtidigt som de levererar exceptionell nätverksprestanda, och jag är glad att vara en del av denna mission.

Hur ser du att AI omformar säkerhetslandskapet under de kommande åren?

AI står på gränsen till att omvandla säkerhetslandskapet, och befriar oss från bördan av rutinuppgifter, så att vi kan fokusera på mer komplexa utmaningar. Dess förmåga att analysera stora datamängder i realtid möjliggör för säkerhetssystem att identifiera avvikelser, mönster och framväxande hot på ett sätt som överträffar mänskliga förmågor. AI/ML-modeller utvecklas kontinuerligt, vilket förbättrar deras noggrannhet i att upptäcka och omgå avancerade, bestående hot (APTs) och noll-dagarssårbarheter. Dessutom är AI på väg att revolutionera incidenthantering (IR) genom att automatisera repetitiva och tidskänsliga uppgifter, såsom isolering av komprometterade system eller blockering av skadlig verksamhet, vilket betydligt minskar svarstider och mitigierar potentiell skada. Dessutom kommer AI att hjälpa till att överbrygga säkerhetsklyftan genom att automatisera rutinuppgifter och förbättra mänskligt beslutsfattande, vilket möjliggör för säkerhetsteam att koncentrera sig på mer komplexa utmaningar.

Men motståndare utnyttjar snabbt samma förmågor som gör AI till ett kraftfullt försvar, för att utveckla mer avancerade hot, såsom deepfake-phishingattacker, adaptiv social ingenjörskonst och AI-driven malware. Denna trend kommer att leda till en “AI-vapenkapprustning”, där organisationer måste kontinuerligt innovativa för att hålla jämna steg med dessa utvecklande hot.

Vilka är de viktigaste nätverksutmaningarna som företag möter när de distribuerar AI-applikationer, och varför tror du att dessa frågor blir alltmer kritiska?

När företag går in i AI-applikationer möter de brådskande nätverksutmaningar. De krävande AI-arbetsbelastningarna, som innefattar överföring och bearbetning av stora datamängder i realtid, skapar ett omedelbart behov av hög bandbredd och ultralåg latens. Till exempel är realtids AI-applikationer som autonoma system eller prediktiv analys beroende av omedelbar databearbetning, där även de minsta fördröjningarna kan störa resultaten. Dessa krav överträffar ofta de traditionella nätverksinfrastrukturers förmåga, vilket leder till frekventa prestandabottleneck.

Skalbarhet är en kritisk utmaning i AI-distributioner. AI-arbetsbelastningarnas dynamiska och oförutsägbara natur kräver nätverk som kan snabbt anpassa sig till förändrade resurskrav. Företag som distribuerar AI i hybrid- eller multi-molnmiljöer möter ytterligare komplexitet eftersom data och arbetsbelastningar distribueras över olika platser. Behovet av sömlös dataöverföring och skalbarhet över dessa miljöer är uppenbart, men komplexiteten i att uppnå detta utan avancerade nätverkslösningar är lika uppenbar. Tillförlitlighet är också av yttersta vikt – AI-system stöder ofta kritiska uppgifter, och även mindre driftstopp eller dataförlust kan leda till betydande störningar eller felaktiga AI-utdata.

Säkerhet och dataintegritet komplicerar ytterligare AI-distributioner. AI-modeller förlitar sig på stora mängder känsliga data för utbildning och inferens, vilket gör säker dataöverföring och skydd mot brott eller manipulation till en topprioritet. Denna utmaning är särskilt akut i branscher med stränga regelefterlevnadskrav, såsom hälsovård och finans, där organisationer måste uppfylla regleringskrav tillsammans med prestandabehov.

När företag alltmer antar AI blir dessa nätverksutmaningar alltmer kritiska, vilket understryker behovet av avancerade, AI-klara nätverkslösningar som erbjuder hög bandbredd, låg latens, skalbarhet och robust säkerhet.

Hur hanterar Aryakas plattform de ökade bandbredds- och prestandakraven för AI-arbetsbelastningar, särskilt när det gäller att hantera den belastning som orsakas av dataöverföring och behovet av snabb beslutsfattning?

Aryaka, med sin intelligenta, flexibla och optimerade nätverksledning, är unikt utrustad för att hantera de ökade bandbredds- och prestandakraven för AI-arbetsbelastningar. Överföringen av stora datamängder mellan distribuerade platser, såsom edge-enheter, datacenter och molnmiljöer, belastar ofta traditionella nätverk betydligt. Aryakas lösning ger lättnad genom att dynamiskt dirigera trafik över de mest effektiva och tillgängliga vägarna, med hjälp av flera anslutningsalternativ för att optimera bandbredd och minska latens.

En viktig fördel med Aryakas lösning är dess förmåga att prioritera kritiska AI-relaterade trafikflöden genom applikationsmedveten routning. Genom att identifiera och prioritera latenskänsliga arbetsbelastningar, såsom realtidsdataanalys eller maskinlärningsmodellinferens, ser Aryaka till att AI-applikationer får de nödvändiga nätverksresurserna för snabb beslutsfattning. Dessutom stöder Aryakas lösning dynamisk bandbreddsallokering, vilket möjliggör för företag att med tillförsikt skala resurser upp eller ner baserat på AI-arbetsbelastningskrav, förhindrar flaskhalsar och säkerställer konsekvent prestanda även under toppanvändning.

Dessutom erbjuder Aryakas plattform proaktiv övervaknings- och analytikfunktioner, vilket ger synlighet i nätverksprestanda och AI-arbetsbelastningsbeteende. Denna proaktiva strategi möjliggör för företag att identifiera och lösa prestandaproblem innan de påverkar AI-systemens drift, säkerställande oavbruten drift. I kombination med avancerade säkerhetsfunktioner som CASB, SWG, FWaaS, slut-till-slut-kryptering, ZTNA och andra, skyddar Aryakas plattform integriteten hos AI-data.

Hur introducerar AI-antagande nya sårbarheter eller angreppsytor inom företagsnätverk?

AI-antagande introducerar nya sårbarheter och angreppsytor inom företagsnätverk på grund av de unika sätten som AI-system opererar och interagerar med data. En betydande risk kommer från de stora mängderna känsliga data som AI-system kräver för utbildning och inferens. Om dessa data avlyssnas, manipuleras eller stjäls under överföring eller lagring, kan det leda till brott, modellkorruption eller regelefterlevnadsbrott. Dessutom är AI-algoritmer känsliga för motståndarattacker, där illvilliga aktörer introducerar noggrant utformade indata (t.ex. ändrade bilder eller data) för att vilseleda AI-system till att fatta felaktiga beslut. Dessa attacker kan kompromettera kritiska applikationer som bedrägeridetektering eller autonoma system, vilket leder till allvarliga operativa eller ryktesmässiga skador. AI-antagande introducerar också risker relaterade till automatisering och beslutsfattning. Illvilliga aktörer kan utnyttja automatiserad beslutsfattning genom att mata in falsk data, vilket leder till oavsiktliga resultat eller operativa störningar.

En annan utmaning uppstår från komplexiteten och den distribuerade naturen hos AI-arbetsbelastningar. AI-system involverar ofta sammanlänkade komponenter över edge-enheter, molnplattformar och infrastruktur. Denna intrikata väv av sammanlänkning utökar betydligt angreppsytan, eftersom varje element och kommunikationsväg representerar en potentiell ingångspunkt för angripare. Att kompromettera en edge-enhet, till exempel, kan tillåta lateralt rörelse över nätverket eller ge en väg för att manipulera data som bearbetas eller överförs till centrala AI-system. Dessutom kan osäkra API:er, ofta använda för att integrera AI-applikationer, exponera sårbarheter om de inte skyddas tillräckligt.

När företag alltmer förlitar sig på AI för kritiska funktioner blir konsekvenserna av dessa sårbarheter alltmer allvarliga, vilket understryker det brådskande behovet av robusta säkerhetsåtgärder. Organisationer måste agera snabbt för att hantera dessa utmaningar, såsom adversarial utbildning för AI-modeller, skydd av datapipelines och antagande av nolltillitsarkitekturer för att skydda AI-drivna miljöer.

Vilka strategier eller teknologier implementerar du på Aryaka för att hantera dessa AI-specifika säkerhetsrisker?

Aryakas plattform använder slut-till-slut-kryptering för data under överföring och i vila för att skydda de stora mängderna känsliga data som AI-system förlitar sig på. Dessa åtgärder skyddar AI-datapipelines, förhindrar avlyssning eller manipulation under överföring mellan edge-enheter, datacenter och molntjänster. Dynamisk trafikdirigering förbättrar också säkerheten och prestandan genom att dirigera AI-relaterad trafik via säkra och effektiva vägar, samtidigt som kritiska arbetsbelastningar prioriteras för att minimera latens och säkerställa tillförlitlig beslutsfattning.

Aryakas AI Observer-lösning övervakar nätverkstrafik genom att analysera loggar för misstänkt aktivitet. Centraliserad synlighet och analytik som tillhandahålls av Aryaka möjliggör för organisationer att övervaka säkerheten och prestandan hos AI-arbetsbelastningar, och proaktivt identifiera potentiellt skadligt beteende och riskfyllt beteende hos slutanvändare, inklusive kritiska servrar och värdar. AI Observer använder AI/ML-algoritmer för att utlösa säkerhetsincidentmeddelanden baserat på allvarlighetsgraden som beräknas med hjälp av olika parametrar och variabler för beslutsfattning.

Aryakas AI>Secure inline-nätverkslösning, som kommer under andra halvåret 2025, kommer att möjliggöra för organisationer att dissekera trafiken mellan slutanvändare och AI-tjänstslutpunkter (ChatGPT, Gemini, copilot etc.) för att avslöja attacker som promptinjektioner, informationsläckage och skyddsräcken. Dessutom kan strikta policys åläggas för att begränsa kommunikation med ogodkända och sanktionerade GenAI-tjänster/applikationer. Dessutom hanterar Aryaka AI-specifika säkerhetsrisker genom att implementera avancerade strategier som kombinerar nätverks- och robusta säkerhetsåtgärder. En kritisk strategi är antagandet av Zero Trust Network Access (ZTNA), som påtvingar strikt verifiering för varje användare, enhet och applikation som försöker interagera med AI-arbetsbelastningar.

Genom att anställa dessa omfattande åtgärder hjälper Aryaka företag att skydda sina AI-miljöer mot utvecklande risker, samtidigt som de möjliggör skalbar och effektiv AI-distribution.

Kan du dela exempel på hur AI används både för att förbättra säkerhet och som ett verktyg för potentiella nätverkskompromisser?

AI spelar en avgörande roll i cybersäkerhet. Det är ett kraftfullt verktyg för att förbättra nätverkssäkerhet och en resurs som illvilliga aktörer kan utnyttja för sofistikerade attacker. Att erkänna dessa tillämpningar understryker AI:s transformerande potential i cybersäkerhetslandskapet och möjliggör för oss att navigera riskerna det introducerar.

AI revolutionerar nätverkssäkerhet genom avancerad hotdetektering och förebyggande. AI-modeller analyserar stora mängder nätverkstrafik i realtid, identifierar avvikelser, misstänkt beteende eller indikatorer på kompromettering (IOCs) som kan gå obemärkt förbi traditionella metoder. Till exempel kan AI-styrda system upptäcka och mildra Distributed Denial of Service (DDoS)-attacker genom att analysera nätverksprotokollmönster och svara automatiskt för att isolera skadliga källor. Dessutom är AI:s potential i beteendeanalys betydande, skapar profiler av normalt användarbeteende för att upptäcka insiderhot eller kontokompromettering. Men dess mest kraftfulla tillämpning är prediktiv analys, där AI-system förutser potentiella sårbarheter eller angreppsvägar, vilket möjliggör proaktiva försvar innan hot materialiseras.

Å andra sidan använder cyberkriminella AI för att utveckla mer avancerade attacker. AI-styrd skadlig kod kan anpassa sig för att undvika traditionella upptäcktsmetoder genom att ändra sina egenskaper dynamiskt. Angripare använder också AI/ML för att förbättra phishingkampanjer, skapar övertygande falska e-postmeddelanden eller meddelanden anpassade till enskilda mål genom datasökning och analys. En alarmerande trend är deepfakes i social ingenjörskonst. AI-genererad audio eller video kan övertygande imitera chefer eller betrodda personer för att manipulera anställda till att avslöja känslig information eller auktorisera bedrägliga transaktioner. Dessutom riktar sig adversarial AI-attacker direkt mot andra AI-system, introducerar manipulerad data för att orsaka felaktiga förutsägelser eller beslut som kan störa kritiska operationer som förlitar sig på AI-styrd automatisering.

AI:s dubbla användningar i cybersäkerhet understryker vikten av en proaktiv, skiktad säkerhetsstrategi. Medan organisationer måste utnyttja AI:s potential för att förbättra sina försvar, är det lika viktigt att förbli vaksam mot dess potentiella missbruk.

Hur skiljer sig Aryakas enhetliga SASE som en tjänst från traditionella nätverks- och säkerhetslösningar?

Aryakas enhetliga SASE som en tjänst är utformad för att skalas med ditt företag. Till skillnad från äldre system som förlitar sig på separata verktyg för nätverk (såsom MPLS) och säkerhet (såsom brandväggar och VPN), integrerar enhetlig SASE dessa funktioner, erbjuder en sömlös och skalbar lösning. Denna konvergens förenklar hantering och tillhandahåller konsekventa säkerhetsprinciper och prestanda för användare, oavsett plats. Genom att utnyttja en molnbaserad arkitektur eliminerar enhetlig SASE behovet av komplex on-premises-hårdvara, minskar kostnader och möjliggör för företag att anpassa sig snabbt till moderna hybridarbetsmiljöer.

En viktig differentierare för Aryaka är dess förmåga att stödja Zero Trust (ZT)-principer i stor skala. Det påtvingar identitetsbaserad åtkomstkontroll, kontinuerligt verifierar användar- och enhetsvärdighet innan åtkomst till resurser beviljas. I kombination med funktioner som Secure Web Gateways (SWG), Cloud Access Security Broker (CASB), Intrusion Detection and Prevention Systems (IDPS), Next-Gen Firewalls (NGFW) och nätverksfunktioner, tillhandahåller Aryaka robust skydd mot hot samtidigt som det skyddar känsliga data över distribuerade miljöer.

Aryaka förbättrar användarupplevelsen och prestandan. Enhetlig SASE utnyttjar Software-Defined Wide Area Networking (SD-WAN) för att optimera trafikdirigering, säkerställer låg latens och höghastighetsanslutningar. Detta är särskilt kritiskt för organisationer som antar molnapplikationer och distansarbete. Genom att leverera säkerhet och prestanda från en enhetlig plattform, minskar enhetlig SASE komplexitet, förbättrar skalbarhet och säkerställer att organisationer kan möta kraven från moderna, dynamiska IT-landskap.

Kan du förklara hur Aryakas OnePASS™-arkitektur stöder AI-arbetsbelastningar samtidigt som den säkerställer säker och effektiv dataöverföring?

Aryakas OnePASS™-arkitektur stöder AI-arbetsbelastningar genom att integrera säker, högpresterande nätverksanslutning med robusta säkerhets- och dataoptimeringsfunktioner. AI-arbetsbelastningar överför ofta stora mängder data mellan distribuerade miljöer, såsom edge-enheter, datacenter och molnbaserade AI-plattformar. OnePASS™ säkerställer att dessa dataflöden är effektiva och säkra genom att utnyttja Aryakas globala privata backbone och Secure Access Service Edge (SASE)-funktioner.

Den globala privata backbone tillhandahåller låglatens, högbandbreddsanslutning, vilket är kritiskt för AI-arbetsbelastningar som kräver realtidsdata bearbetning och beslutsfattning. Denna optimerade nätverkskonfiguration säkerställer snabb och tillförlitlig dataöverföring, undviker flaskhalsar som ofta är förknippade med offentliga internetanslutningar. Arkitekturen utnyttjar också avancerade WAN-optimeringstekniker, såsom data deduplicering och komprimering, för att ytterligare förbättra effektivitet och minska belastningen på nätverksresurser. Det är idealiskt för stora datamängder och frekventa modelluppdateringar som är förknippade med AI-operationer, vilket ger förtroende för systemets prestanda.

Ur ett säkerhetsperspektiv påtvingar Aryakas OnePASS™-arkitektur en Zero Trust-ram, säkerställer att alla dataflöden autentiseras, krypteras och kontinuerligt övervakas. Integrerade säkerhetsfunktioner som Secure Web Gateway (SWG), Cloud Access Security Broker (CASB) och intrångsförebyggande system (IPS) skyddar känsliga AI-arbetsbelastningar mot cyberrisker. Dessutom, genom att möjliggöra edge-baserad principgenomföring, minskar OnePASS™ latens samtidigt som det säkerställer att säkerhetskontroller tillämpas konsekvent över distribuerade miljöer, vilket ger en känsla av säkerhet i systemets vaksamhet.

Aryakas single-pass-arkitektur integrerar alla väsentliga säkerhetsfunktioner i en enhetlig plattform. Denna integration möjliggör realtids nätverkstrafikinspektion och bearbetning utan behov av flera säkerhetsenheter. Kombinationen av säker, låglatensanslutning och robust hotskydd gör Aryakas OnePASS™-arkitektur unikt lämplig för moderna AI-arbetsbelastningar.

Vilka trender förutser du inom AI och nätverkssäkerhet när vi går in i 2025 och bortom?

När vi ser fram emot 2025 och bortom kommer AI att spela en avgörande roll i nätverkssäkerhet. AI-styrda hotdetekteringssystem kommer att fortsätta att utvecklas, utnyttjande AI/ML för att identifiera mönster av skadlig aktivitet med en aldrig tidigare skådad hastighet och noggrannhet. Dessa system kommer att excellera i att upptäcka noll-dagars sårbarheter och avancerade, bestående hot (APTs). AI kommer också att driva automatisering i incidenthantering, en utveckling som bör ge publiken förtroende för effektiviteten i framtida säkerhetssystem. Denna automatisering kommer att möjliggöra för Security Orchestration, Automation, and Response (SOAR)-system att neutralisera hot autonomt, minskar svarstider och reducerar belastningen på mänskliga analytiker. Dessutom, när kvantberäkning utvecklas, kan den potentiellt undergräva befintliga krypteringsstandarder i nätverkssäkerhet, vilket driver industrin mot kvantsäker kryptografi.

Men den ökande integrationen av AI i nätverkssäkerhet medför också utmaningar. Cyberkriminella utnyttjar AI-teknologier för att utveckla mer avancerade attacker, inklusive phishingkampanjer och undvikande malware. På grund av riskerna med partiska eller felaktigt tränade modeller, kommer AI-modellsårbarheter, som refererar till brister i designen eller implementeringen av AI-system, sannolikt att öka. Detta kommer att resultera i exploatering av AI-modeller genom nyligen upptäckta dataförgiftning och adversarial input-manipulationstekniker. Dessutom kommer antagandet av AI att förbättra upptäckten av säkerhetsrisker i tredjepartsbibliotek och paket som används i programvaruleveranskedjor.

Vi förutser också att AI-styrda verktyg kommer att möjliggöra bättre samarbete mellan säkerhetsverktyg, team och organisationer. AI-centrerade lösningar kommer att skapa personliga säkerhetsmodeller, vilket ger publiken en känsla av att deras säkerhetsbehov tillgodoses. Dessa modeller kommer att skapa individuella säkerhetsprinciper baserat på användarroller och beteende. Nationer kommer att samarbeta om att bygga ett globalt cybersäkerhetsramverk för AI-teknologier.

Tack för den utmärkta intervjun, läsare som vill lära sig mer bör besöka Aryaka.