อลัน เลฟอร์ต ซีอีโอ และผู้ร่วมก่อตั้ง StrongestLayer – ซีรีส์สัมภาษณ์

อลัน เลฟอร์ต เป็นผู้นำด้านความปลอดภัยไซเบอร์ที่มีประสบการณ์มากกว่า 15 ปี ในการสร้างและขยายผลิตภัณฑ์ด้านความปลอดภัยที่ใช้โดยบริษัท Fortune 500 เขาเคยเป็นผู้นำด้านผลิตภัณฑ์และธุรกิจที่ Proofpoint, McAfee และ Intel (INTC ) Security โดยมุ่งเน้นไปที่การป้องกันภัยคุกคามขั้นสูง ความเสี่ยงภายใน และการวิเคราะห์เชิงพฤติกรรม ที่ Intel เขาได้ช่วยขับเคลื่อนกลยุทธ์ผลิตภัณฑ์ข้ามตลาดทั่วโลก โดยนำทีมในประเทศสหรัฐอเมริกา ยุโรป และอิสราเอล ในปัจจุบันในฐานะซีอีโอของ StrongestLayer อลันกำลังใช้ประสบการณ์ในระดับองค์กรที่ลึกซึ้งเพื่อป้องกันการโจมตีแบบฟิชชิงที่ใช้ AI ก่อนที่จะถึงมือผู้ใช้ – โดย重新กำหนดความปลอดภัยของอีเมลสำหรับยุค AI

StrongestLayer เป็นแพลตฟอร์มความปลอดภัยอีเมลที่เป็นเจ้าของ AI โดยออกแบบมาเพื่อป้องกันการโจมตีแบบฟิชชิงและภัยคุกคามทางอีเมลที่ซับซ้อน โดยใช้เครื่องยนต์ TRACE ที่เป็นกรรมสิทธิ์ของตน โดยใช้โมเดลภาษาขนาดใหญ่ การอนุมานเชิงพฤติกรรม และการวิเคราะห์บริบทเพื่อระบุอีเมลที่มีเจตนาร้ายที่ระบบแบบดั้งเดิมที่ใช้กฎไม่สามารถจับได้ แพลตฟอร์มนี้สามารถรวมเข้ากับ Microsoft 365 และ Google Workspace ได้อย่างรวดเร็ว โดยเพิ่มการป้องกันเบราว์เซอร์ และให้การฝึกอบรมพนักงานที่ขับเคลื่อนโดย AI โดยให้บริการทั้งการป้องกันที่แข็งแกร่งและวัฒนธรรมที่ตระหนักถึงความปลอดภัยมากขึ้น

อะไรเป็นแรงบันดาลใจให้คุณและผู้ร่วมก่อตั้งเริ่มต้น StrongestLayer และช่องว่างเฉพาะในภูมิทัศน์ด้านความปลอดภัยไซเบอร์ที่คุณพยายามแก้ไขตามประสบการณ์ของคุณที่บริษัทต่างๆ เช่น Proofpoint, FireEye และ Mandiant?

บริษัทได้พัฒนาไปพร้อมกับมุมมองของแต่ละผู้ร่วมก่อตั้ง มันเริ่มต้นด้วย Riz ซีทีโอของเรา ที่รับรู้ว่าการฟิชชิงกำลัง变得ซับซ้อนเกินไปสำหรับการฝึกอบรมพนักงานแบบดั้งเดิม ความคิดเห็นของเขาคือว่าการปรับแต่งโดยใช้ AI สามารถปรับปรุงความตระหนักถึงความปลอดภัยได้อย่างมีนัยสำคัญ

เมื่อ Josh เข้าร่วมในฐานะ Chief Product Officer ของเรา เขาได้นำชิ้นส่วนที่หายไปมา ในขณะที่ทดสอบผลิตภัณฑ์แรกของเรา เขาได้ค้นพบว่าการวิเคราะห์ AI ของเรากำลังตรวจจับการโจมตีที่ซับซ้อนซึ่งผู้ให้บริการด้านความปลอดภัยอีเมลที่มีอยู่ไม่สามารถตรวจจับได้ นั่นคือเมื่อเรารู้ว่าเราไม่ได้เพียงแต่ปรับปรุงการฝึกอบรมเท่านั้น แต่ยังตรวจจับช่องว่างพื้นฐานในการตรวจจับภัยคุกคาม

ฉันเข้าร่วมในฐานะซีอีโอในต้นปี 2025 หลังจากที่ได้ให้คำปรึกษากับทีม และเห็นโอกาสเชิงกลยุทธ์อย่างชัดเจน หาก AI เท่านั้นที่สามารถป้องกันการโจมตี AI ที่มีอาวุธแล้ว เราต้องคิดใหม่ไม่เพียงแต่การตรวจจับ แต่ยังวิธีการที่เราจะเสริมศักยภาพให้กับมนุษย์ในความเป็นจริงใหม่นี้ การตัดสินใจจึงง่าย – ไปกับการตรวจจับและป้องกันที่เป็นเจ้าของ AI ทั้งหมด

ทำไมคุณคิดว่าอีเมลยังคงเป็นเวกเตอร์การโจมตีที่สำคัญ โดยเฉพาะในยุค AI ที่สร้างขึ้น?

อีเมลยังคงเป็นเวกเตอร์การโจมตีที่สำคัญเพราะเป็นช่องทางเดียวที่บริบททางธุรกิจมีความสำคัญที่สุด และ AI ที่สร้างขึ้นได้ทำให้การเอาเปรียบบริบทนั้นง่ายขึ้น

การโจมตีอีเมลแบบดั้งเดิมเป็นแบบปริมาณและชัดเจน AI เปลี่ยนเกมทั้งหมด – ผู้โจมตีสามารถสร้างอีเมลที่มีลักษณะส่วนบุคคลได้ ซึ่งเข้าใจลำดับชั้นขององค์กร มีปฏิสัมพันธ์ทางสื่อสาร และอ้างอิงถึงกระบวนการทางธุรกิจที่แท้จริง พวกเขาไม่ได้ส่งอีเมลฟิชชิงทั่วไปอีกต่อไป แต่พวกเขากำลังสร้างการโจมตีที่ดูเหมือนจริงสำหรับองค์กรเฉพาะ

อีเมลยังเป็นที่ที่การตัดสินใจเชื่อถือเกิดขึ้นทุกวัน พนักงานได้รับคำขอจากผู้ขาย ผู้ร่วมธุรกิจ และเพื่อนร่วมงานอย่างสม่ำเสมอ ซึ่งต้องใช้การตัดสินใจโดยใช้วิจารณญาณเกี่ยวกับความถูกต้อง

ความท้าทายพื้นฐานคือความปลอดภัยอีเมลมักจะเกี่ยวกับการตรวจจับรูปแบบ “ไม่ดี” แต่การโจมตี AI ดูเหมือนจะดีจากด้านเทคนิคในขณะที่มีเจตนาร้าย

วิธีการของ StrongestLayer ในการสร้างสถาปัตยกรรม LLM-เจ้าของแตกต่างจากโซลูชันความปลอดภัยอีเมลแบบดั้งเดิมอย่างไร?

เราสร้างสถาปัตยกรรม LLM-เจ้าของแบบแรก ซึ่งแตกต่างจากผู้ให้บริการที่เพิ่มคุณสมบัติ LLM ลงในระบบจับคู่รูปแบบที่มีอยู่ ความแตกต่างอยู่ที่สถาปัตยกรรม – LLM จัดการกระบวนการวิเคราะห์ทั้งหมด แทนที่จะเป็นโมดูลเสริม

โซลูชันแบบดั้งเดิมดำเนินงานเหมือนระบบศาลที่มีเพียงผู้ฟ้องเท่านั้น – พวกเขาสามารถล่าหา “ความผิด” ได้เท่านั้น โดยไม่มีกลไกใดๆ ในการพิสูจน์ “ความบริสุทธิ์” ซึ่งสร้างความตึงเครียดระหว่างผลบวกลวงและผลลบลวงที่ไม่สามารถแก้ไขได้ภายในสถาปัตยกรรมของผู้ฟ้องเท่านั้น

ความสำเร็จของเราคือการรวบรวมหลักฐานแบบคู่ เราเปลี่ยนพาราได้ม完全โดยการให้การฟ้องร้องทุกฉบับวันใน “ศาล” ระบบของเราดำเนินการทั้งในฐานะทนายฝ่ายจำเลยและผู้ฟ้อง ในขณะที่ LLM ที่เป็นกลางชั่งน้ำหนักหลักฐานและตัดสิน

สถาปัตยกรรมต้องการโครงสร้างพื้นฐานใหม่: การประสานงาน LLM-เจ้าของ การสังเคราะห์หลักฐานแบบคู่ อัลกอริทึมสำหรับการวิเคราะห์เชิงวिशेष และสถาปัตยกรรมแบบไม่มีหน่วยความจำสำหรับความเป็นส่วนตัวของข้อมูลองค์กร เราให้พลังการวิเคราะห์ของนักวิเคราะห์ระดับยอดเยี่ยม 1,000 คนพร้อมกับความจำของปลา – ความสามารถในการวิเคราะห์สูงสุด โดยไม่มีการรักษาข้อมูล

คุณสามารถอธิบายได้อย่างไรว่าระบบ TRACE (Threat Reasoning AI Correlation Engine) ของคุณทำงานและอะไรที่ทำให้มีประสิทธิภาพสูงในการต่อต้านการฟิชชิงที่ใช้ AI?

TRACE ทำงานผ่านการรวบรวมหลักฐานแบบคู่ ซึ่งเปลี่ยนแปลงเศรษฐศาสตร์ของความปลอดภัยอีเมล

สำหรับอีเมลทุกฉบับ เราดำเนินการสอบสวนแบบคู่ขนาน: การรวบรวมหลักฐานฝ่ายจำเลยสำหรับอีเมลปกติ และการรวบรวมหลักฐานฝ่ายโจมตีสำหรับสัญญาณภัย LLM ที่เป็นกลางชั่งน้ำหนักหลักฐานทั้งหมดเพื่อตัดสินใจโดยอัตโนมัติด้วยความมั่นใจ

ลองพิจารณาการชำระเงิน 50 ล้านเหรียญสหรัฐฯ จาก CFO ของคุณในช่วงปิดงบการเงินไตรมาส Legacy ระบบจะเห็นภาษาที่เร่งด่วน จำนวนมาก และเวลาหลังเวลาทำการ – ทุกรูปแบบร้องว่า “ภัยคุกคาม” อีเมลถูกกักขัง และธุรกิจถูกขัดขวาง

สถาปัตยกรรมการรวบรวมหลักฐานแบบคู่ของเราดำเนินการสอบสวนแบบคู่ขนาน: หลักฐานฝ่ายจำเลยรวมถึงรูปแบบการสื่อสารของ CFO ความสัมพันธ์ที่จัดตั้งขึ้นของซัพพลายเออร์ การชำระเงินภายในขีดจำกัดของการซื้อ และการปฏิบัติตามกระบวนการทำงานที่มีเอกสาร ไว้หลักฐานฝ่ายโจมตีรวมถึงข่าวกรองภัยคุกคามภายนอก การวิเคราะห์เจตนาการสื่อสาร การพยายามหลบเลี่ยงอำนาจ และรูปแบบการหลอกลวงเร่งด่วน

LLM ตัดสินชั่งน้ำหนักหลักฐานทั้งหมด สัญญาณความถูกต้องที่แข็งแกร่งกว่าสัญญาณภัยคุกคามที่ไม่สำคัญ อีเมลผ่านการตรวจสอบโดยอัตโนมัติด้วยความมั่นใจสูง ความต่อเนื่องของธุรกิจได้รับการรักษาไว้ และนักวิเคราะห์มุ่งเน้นไปที่ภัยคุกคามที่แท้จริง

สิ่งที่ทำให้ระบบนี้มีประสิทธิภาพสูงในการต่อต้านการโจมตี AI คือการมุ่งเน้นไปที่สัญญาณที่เสถียรซึ่งยังคงไม่เปลี่ยนแปลงแม้เมื่อวิธีการโจมตีจะใหม่และไม่เคยเห็นมาก่อน – รูปแบบความถูกต้องทางธุรกิจและรูปแบบเจตนาร้าย

ด้วย AI ที่ช่วยให้ผู้โจมตีสามารถสร้างอีเมลส่วนบุคคลได้ขนาดใหญ่ คุณจะทำให้แพลตฟอร์มของคุณอยู่หน้าภัยคุกคามที่เปลี่ยนแปลงอย่างไร?

ข้อคิดหลักคือแม้ว่า AI จะทำให้การสร้างการโจมตีสามารถทำได้ขนาดใหญ่ แต่ก็ไม่สามารถแก้ปัญหาตรรกะทางธุรกิจให้กับผู้โจมตีได้

AI สามารถสร้างไวยากรณ์ที่สมบูรณ์แบบ มีปฏิสัมพันธ์ทางสื่อสาร และอ้างอิงข้อมูลสาธารณะเกี่ยวกับองค์กรได้ แต่ไม่สามารถเข้าใจกระบวนการทางธุรกิจภายใน องค์กรการทำงาน การจัดซื้อจัดจ้าง และการเคลื่อนไหวของความสัมพันธ์ข้ามองค์กรทั้งหมดได้

แพลตฟอร์มของเรารักษาความก้าวหน้าโดยการมุ่งเน้นไปที่เหตุผลทางธุรกิจมากกว่ารูปแบบทางเทคนิค เมื่อการโจมตี AI มีความซับซ้อนมากขึ้นในด้านการนำเสนอทางเทคนิค มักจะกลายเป็นเรื่องสิ้นหวังมากขึ้นในด้านตรรกะทางธุรกิจ – ทำให้เกิดความเร่งด่วนโดยไม่จำเป็น การหลบเลี่ยงกระบวนการที่ปกติ หรือการร้องขอที่ไม่สอดคล้องกับความสัมพันธ์ที่จัดตั้งขึ้น

เรายังได้รับประโยชน์จากการเรียนรู้ข้ามลูกค้าโดยไม่เปิดเผยข้อมูลลูกค้าแต่ละราย รูปแบบการละเมิดตรรกะทางธุรกิจมักจะสอดคล้องกันระหว่างองค์กร แม้ว่าการนำไปใช้ทางเทคนิคจะแตกต่างกัน

องค์กรประเภทใดที่มีความเสี่ยงสูงสุดต่อการฟิชชิงที่ได้รับการปรับปรุงด้วย AI ในปัจจุบัน และแพลตฟอร์มของคุณจะแก้ไขความท้าทายที่ไม่เหมือนใครของพวกเขาอย่างไร?

องค์กรที่มีความสัมพันธ์กับซัพพลายเออร์และกระบวนการอนุมัติที่ซับซ้อนมีความเสี่ยงสูงสุด โดยเฉพาะอย่างยิ่งบริษัทบริการทางการเงิน บริการสุขภาพ และบริษัทกฎหมาย เหล่านี้มีข้อมูลที่มีค่า มีกระบวนการทางธุรกิจที่ผู้โจมตีสามารถวิจัยได้ และพนักงานที่จัดการคำขอทางธุรกิจที่ละเอียดอ่อนเป็นประจำ

บริษัทขนาดกลางต้องเผชิญกับความท้าทายเฉพาะ: พวกเขามีภาระผูกพันและความซับซ้อนที่ระดับองค์กร แต่ไม่มีพนักงานด้านความปลอดภัยหรืองบประมาณที่จะจับคู่ได้ พวกเขามีความซับซ้อนที่ดึงดูดใจเป็นเป้าหมาย แต่ขาดทุนในการโจมตีขั้นสูง

แพลตฟอร์มของเราจะแก้ไขปัญหานี้โดยการทำให้การวิเคราะห์บริบททางธุรกิจเป็นอัตโนมัติ ซึ่งปกติจะต้องใช้การสอบสวนของนักวิเคราะห์ด้านความปลอดภัยแทนการให้ทีมสอบสวนทุกคำขอที่น่าสงสัย TRACE ให้เหตุผลที่ช่วยให้องค์กรตัดสินใจได้อย่างรวดเร็ว

เรายังเน้นไปที่ประสบการณ์ของผู้ใช้เพราะองค์กรเหล่านี้ไม่สามารถทนต่อโซลูชันที่สร้างความเสียหายต่อการดำเนินงานหรือต้องการการฝึกอบรมอย่างกว้างขวาง

คุณสามารถอธิบายได้อย่างไรว่าระบบการตรวจจับแคมเปญที่คาดการณ์ล่วงหน้าของคุณสามารถระบุและทำให้เว็บไซต์บริษัทปลอมเป็นกลางได้อย่างรวดเร็ว?

แนวทางของเรารวมการตรวจสอบการลงทะเบียนโดเมนแบบเรียลไทม์กับการวิเคราะห์บริบททางธุรกิจ

เราตรวจสอบการลงทะเบียนโดเมนทั่วโลกอย่างต่อเนื่อง โดยค้นหารูปแบบที่บ่งบอกถึงแคมเปญการปลอมตัว การจดจำโดเมนที่คล้ายกับโดเมนที่ถูกต้อง การจดจำเวลาและโครงสร้างพื้นฐานที่สอดคล้องกับการเตรียมการโจมตี

แต่สิ่งที่แตกต่างคือการเชื่อมโยงการวิเคราะห์ทางเทคนิคกับบริบททางธุรกิจ เมื่อเราพบโดเมนที่จดทะเบียนซึ่งสามารถปลอมตัวเป็นซัพพลายเออร์หรือพันธมิตรของลูกค้า เราสามารถคาดการณ์เป้าหมายและเวลาแคมเปญตามความสัมพันธ์และรอบการทำงานของธุรกิจ

การ “ทำให้เป็นกลาง” เกิดขึ้นผ่านการเตือนล่วงหน้า – เราเตือนลูกค้าเกี่ยวกับแคมเปญการปลอมตัวที่อาจเกิดขึ้นหลายสัปดาห์ก่อนที่อีเมลจะถูกส่ง ทำให้พวกเขาสามารถเตรียมการป้องกันและแจ้งให้พนักงานทราบเกี่ยวกับภัยคุกคามที่เฉพาะเจาะจงที่ต้องระวัง

การตรวจจับแคมเปญก่อนที่จะเกิดขึ้นนี้เป็นไปได้เพียงเพราะเราเข้าใจทั้งโครงสร้างพื้นฐานการโจมตีทางเทคนิคและบริบททางธุรกิจที่ผู้โจมตีจะใช้ประโยชน์

ปัญหาทางเทคนิคที่ยากที่สุดที่คุณพบในการสร้างโซลูชันความปลอดภัยไซเบอร์ที่เป็นเจ้าของ AI จริงๆ คืออะไร?

ปัญหาที่ยากที่สุดคือการสร้างระบบที่สามารถให้เหตุผลเกี่ยวกับบริบททางธุรกิจโดยไม่เปิดเผยข้อมูลองค์กรที่ละเอียดอ่อน ในขณะเดียวกันก็พิสูจน์ว่ามันทำงานได้เทียบกับการโจมตีใหม่ที่ระบบดั้งเดิมไม่สามารถจับได้

เรามีการยืนยันเมื่อระบบ TRACE ของเราค้นพบการโจมตีแบบใช้ Microsoft 365 Direct Send ซึ่งทั้ง Microsoft (MSFT ) และผู้นำตลาดไม่สามารถตรวจจับได้ การโจมตีนี้ถูกเผยแพร่และตรวจสอบโดย Dark Reading มันใช้คุณลักษณะของ Microsoft อย่างถูกต้อง ใช้การบิดเบือนภาพแบบไดนามิก และสร้างหน้าฟิชชิงแบบส่วนบุคคล – เทคนิคใหม่ที่ไม่มีรูปแบบที่จะจับคู่

ความท้าทายทางเทคนิคมีมาก: การสร้างการประสานงาน LLM-เจ้าของที่สามารถให้เหตุผลที่ซับซ้อนได้ ในขณะที่รักษาข้อมูลที่ละเอียดอ่อนให้อยู่ในระดับท้องถิ่น การหลีกเลี่ยงการหลอกลวงผลบวกลวงเมื่อเปลี่ยนจากรูปแบบการค้นหามาเป็นการให้เหตุผล และการปรับประสิทธิภาพเพื่อให้การตัดสินใจแบบเรียลไทม์ภายในความต้องการความล่าช้าของอีเมล

แต่การผ่านทางที่ยิ่งใหญ่ที่สุดคือการยืนยันว่าสถาปัตยกรรมการรวบรวมหลักฐานแบบคู่ของเราทำงานในโลกแห่งความเป็นจริงเทียบกับการโจมตีที่ผู้ให้บริการที่มีอยู่ต้องตกใจ นี่ทำให้เรามั่นใจว่าสถาปัตยกรรมสามารถจัดการกับเทคนิคใหม่ที่ผู้โจมตีจะพัฒนาได้

คุณเห็นภูมิทัศน์ของภัยคุกคามเปลี่ยนแปลงไปอย่างไรภายในปี 2026-2027 และคุณกำลังเตรียมแพลตฟอร์มของคุณเพื่อรับมือกับอนาคตอย่างไร?

ภายในปี 2026-2027 ฉันคาดว่าการโจมตีที่ได้รับการปรับปรุงด้วย AI จะกลายเป็นเรื่องปกติ ไม่ใช่ภัยคุกคามที่คงอยู่อย่างต่อเนื่อง เครื่องมือและเทคนิคจะกลายเป็นสินค้าโภคภัณฑ์ ทำให้กลุ่มผู้โจมตีเพิ่มขึ้นอย่างมาก

เราจะเห็นการโจมตีขยายออกไปนอกเหนือจากอีเมลไปยังช่องทางสื่อสารทางธุรกิจทั้งหมด – ทีม Slack การส่งข้อความบนมือถือ ผู้โจมตีจะจัดแคมเปญข้ามช่องทาง ทำให้การตรวจจับแบบจุดเดียวไม่เพียงพอ

เรากำลังเตรียมการโดยการสร้าง TRACE ให้เป็นเครื่องยนต์ให้เหตุผลที่สามารถนำไปใช้กับช่องทางสื่อสารทางธุรกิจใดๆ ได้ เทคโนโลยีหลัก – การทำความเข้าใจบริบทและเจตนารมณ์ – ไม่เฉพาะเจาะจงกับอีเมล

การเปลี่ยนแปลงครั้งสำคัญอีกอย่างคือการโจมตีที่ใช้ประโยชน์จากการนำ AI มาใช้ภายในองค์กร เมื่อบริษัทต่างๆ นำเครื่องมือ AI มาใช้ในการดำเนินธุรกิจ ผู้โจมตีจะโจมตีการผสานรวมและการไหลของข้อมูลเหล่านั้น

คุณได้เรียนรู้อะไรจากการติดตั้งจริง และสิ่งเหล่านั้นได้กำหนดเส้นทางผลิตภัณฑ์ของคุณอย่างไร?

บทเรียนที่ยิ่งใหญ่ที่สุดคือการโจมตีใหม่ๆ ที่ยืนยันแนวทางสถาปัตยกรรมของเราในลักษณะที่เราไม่สามารถคาดเดาได้ เมื่อระบบ TRACE ของเราค้นพบการโจมตีแบบใช้ Microsoft 365 Direct Send ที่ทั้ง Microsoft และผู้นำตลาดไม่สามารถตรวจจับได้ มันพิสูจน์สมมติฐานของเราว่าการให้เหตุผลสามารถเอาชนะการค้นหาตามรูปแบบได้เทียบกับเทคนิคใหม่ๆ

เรายังได้เรียนรู้ว่าประสบการณ์ของผู้ใช้มีความสำคัญมากกว่าที่เราคาดไว้ แต่ไม่ใช่ในลักษณะที่เราคาดหวัง ทีมความปลอดภัยไม่ต้องการเพียงการตรวจจับที่แม่นยำเท่านั้น แต่ยังต้องการเข้าใจว่าทำไมระบบจึงตัดสินใจด้วยการให้เหตุผลแบบคู่

เรายังพบว่าการตรวจจับการโจมตีใหม่สร้างความได้เปรียบทางการแข่งขันที่เราไม่ได้คาดหวัง เมื่อเราพิมพ์วิเคราะห์การโจมตีแบบ Direct Send ที่ Dark Reading ตรวจสอบ มันจัดตั้งความน่าเชื่อถือทางเทคนิคในลักษณะที่คำกล่าวอ้างทางการตลาดไม่สามารถทำได้ ผู้มีโอกาสเป็นลูกค้ารู้ว่าเราไม่ได้แค่กล่าวอ้างว่าสามารถตรวจจับการโจมตีที่ไม่รู้จักเท่านั้น แต่ยังพิสูจน์ด้วยกรณีที่ผู้ให้บริการที่มีอยู่ล้มเหลว

บทเรียนเหล่านี้กำหนดกลยุทธ์ของเราโดยเน้นความโปร่งใสและความถูกต้องทางเทคนิค เส้นทางผลิตภัณฑ์ของเรามุ่งเน้นไปที่ความสามารถในการอธิบายการให้เหตุผลและการแบ่งปันข่าวกรองภัยคุกคามกับชุมชนความปลอดภัยที่กว้างขึ้น

คุณเห็น StrongestLayer ในช่วงสองถึงสามปีข้างหน้า และมีวิสัยทัศน์ระยะยาวสำหรับบริษัทคืออะไร?

ในสองปีข้างหน้า ฉันเห็นเราเป็นเครื่องยนต์ให้เหตุผลที่ปกป้องทุกช่องทางสื่อสารทางธุรกิจ – ไม่ใช่แค่อีเมล แต่ยังรวมถึงทีม Slack การส่งข้อความบนมือถือ และช่องทางที่เกิดขึ้นใหม่อีกด้วย

รากฐานทางเทคนิคที่เราสร้างขึ้นด้วย TRACE – การทำความเข้าใจบริบทและเจตนารมณ์ทางธุรกิจ – ใช้ได้กับนอกเหนือจากความปลอดภัยของอีเมล เมื่อองค์กรนำช่องทางสื่อสารและเครื่องมือ AI มาใช้ พวกเขาต้องการการป้องกันที่สอดคล้องกันซึ่งเข้าใจตรรกะทางธุรกิจข้ามแพลตฟอร์มทั้งหมด

ในระยะยาว วิสัยทัศน์ของเราคือการเป็นชั้นความปลอดภัยที่ช่วยให้องค์กรสื่อสารได้อย่างมั่นใจในโลกที่ขับเคลื่อนด้วย AI เราต้องการให้ความปลอดภัยไม่ใช่สิ่งกีดขวางในการสื่อสาร แต่เป็นระบบที่ช่วยให้ธุรกิจนำเทคโนโลยีการสื่อสารใหม่ๆ มาใช้อย่างปลอดภัย

เป้าหมายสูงสุดคือการบรรลุจุดที่องค์กรไม่ต้องคิดถึงความปลอดภัยอีเมลเป็นปัญหาแยกต่างหาก – มันถูกสร้างเข้าไปในกระบวนการสื่อสารทางธุรกิจโดยอัตโนมัติ ปกป้องพวกเขาในขณะเดียวกันก็เพิ่มประสิทธิภาพการผลิต ขอขอบคุณสำหรับสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านที่ต้องการเรียนรู้เพิ่มเติมควรเยี่ยมชม StrongestLayer