ยารีฟ ฟิชแมน ประธานฝ่ายผลิตภัณฑ์ของ Deep Instinct – ซีรีส์สัมภาษณ์

ยารีฟ ฟิชแมน เป็นประธานฝ่ายผลิตภัณฑ์ (CPO) ของ Deep Instinct โดยมีประสบการณ์มากกว่า 20 ปีในด้านการจัดการผลิตภัณฑ์สำหรับแบรนด์ B2B ทั่วโลก ฟิชแมน曾ดำรงตำแหน่งสำคัญหลายตำแหน่ง รวมถึงตำแหน่งผู้นำด้านผลิตภัณฑ์ของ Microsoft (MSFT ) และหัวหน้าฝ่ายจัดการผลิตภัณฑ์ด้านความปลอดภัยคลาวด์และ IoT ของ CheckPoint เขาได้รับปริญญาตรีสาขาวิศวกรรมระบบข้อมูลจากมหาวิทยาลัย Ben Gurion และปริญญาโทด้านบริหารธุรกิจจาก Technion, สถาบันเทคโนโลยีแห่งอิสราเอล

Deep Instinct เป็นบริษัทด้านความปลอดภัยไซเบอร์ที่ใช้เทคนิคการเรียนรู้ลึกในการป้องกันและตรวจจับมาเลเวียร์

คุณสามารถเล่าเรื่องราวของคุณในอุตสาหกรรมความปลอดภัยไซเบอร์และวิธีที่มันส่งผลต่อแนวทางของคุณในการจัดการผลิตภัณฑ์ได้หรือไม่?

ตลอดระยะเวลา 20 ปีในการทำงานของฉัน ฉันได้ทำงานในหลายองค์กร B2B ทั่วโลก รวมถึง Check Point Software Technologies (CHKP ) และ Microsoft โดยที่ฉันนำทีมการจัดการผลิตภัณฑ์และกลยุทธ์ และสร้างประสบการณ์ด้านความปลอดภัยไซเบอร์บนคลาวด์ เอนด์พอยต์ เน็ตเวิร์ก และแอปพลิเคชัน SaaS

ในระหว่างทาง ฉันได้เรียนรู้แนวปฏิบัติที่ดีที่สุดต่างๆ – ตั้งแต่วิธีการจัดการทีมไปจนถึงวิธีการกำหนดกลยุทธ์ที่เหมาะสม – ซึ่งได้กำหนดรูปแบบการนำทีมของฉันที่ Deep Instinct การทำงานในบริษัทด้านความปลอดภัยไซเบอร์หลายแห่งในขนาดต่างๆ ได้ทำให้ฉันเข้าใจถึงรูปแบบการจัดการและวิธีการสร้างกระบวนการที่รองรับทีมที่เคลื่อนไหวอย่างรวดเร็ว ฉันยังได้เห็นด้วยตัวเองวิธีการปล่อยผลิตภัณฑ์และวางแผนสำหรับการเข้ากันได้ของผลิตภัณฑ์และตลาด ซึ่งเป็นสิ่งสำคัญสำหรับความสำเร็จทางธุรกิจ

อะไรที่ดึงดูดคุณให้เข้าร่วม Deep Instinct และวิธีการที่บทบาทของคุณเปลี่ยนแปลงไปตั้งแต่คุณเริ่มงานเป็นประธานฝ่ายผลิตภัณฑ์?

ในฐานะผู้เชี่ยวชาญในอุตสาหกรรม ฉันไม่ค่อยตื่นเต้นกับเทคโนโลยีใหม่ๆ ฉันได้รู้จัก Deep Instinct ขณะที่ทำงานที่ Microsoft เมื่อฉันเรียนรู้เกี่ยวกับศักยภาพของเทคโนโลยีการป้องกันแบบคาดการณ์ ฉันรู้สึกว่า Deep Instinct เป็นเรื่องจริงและทำสิ่งที่ไม่เหมือนใคร ฉันเข้าร่วมบริษัทเพื่อช่วยสร้างเฟรมเวิร์กการเรียนรู้ลึกและสร้างกรณีการใช้งานสำหรับโซลูชันความปลอดภัยข้อมูลแบบ zero-day

ตั้งแต่ฉันเข้าร่วมทีมมา 3 ปี บทบาทของฉันเปลี่ยนแปลงไปพร้อมกับธุรกิจของเรา ในตอนแรก ฉันเน้นการสร้างทีมการจัดการผลิตภัณฑ์และกระบวนการที่เกี่ยวข้อง ตอนนี้ เราเน้นย้ำถึงกลยุทธ์และวิธีการตลาดความสามารถด้านความปลอดภัยข้อมูลแบบ zero-day ของเราในตลาดที่เคลื่อนไหวอย่างรวดเร็วและอันตรายมากขึ้น

Deep Instinct ใช้เฟรมเวิร์กการเรียนรู้ลึกที่ไม่เหมือนใครสำหรับโซลูชันความปลอดภัยไซเบอร์ คุณสามารถอธิบายถึงข้อดีของการเรียนรู้ลึกมากกว่าการเรียนรู้แบบดั้งเดิมในการป้องกันภัยคุกคามได้หรือไม่?

คำว่า “AI” ถูกใช้อย่างกว้างขวางเพื่อใช้ในการต่อสู้กับภัยคุกคามแบบ zero-day แต่ในขณะที่หลายๆ ผู้ให้บริการด้านความปลอดภัยไซเบอร์กล่าวว่าพวกเขานำ AI มาใช้ การเรียนรู้แบบดั้งเดิม (ML) ยังคงเป็นส่วนสำคัญของผลิตภัณฑ์ของพวกเขา ML ไม่เหมาะสมกับงานนี้ ML มีการฝึกอบรมบนชุดข้อมูลที่จำกัด (โดยทั่วไป 2-5%) มีความแม่นยำเพียง 50-70% กับภัยคุกคามที่ไม่รู้จัก และทำให้เกิดผลบวกลวงตัว นอกจากนี้ยังต้องการการแทรกแซงจากมนุษย์เพราะถูกฝึกอบรมบนชุดข้อมูลที่เล็กกว่า ซึ่งเพิ่มโอกาสในการเกิดอคติและข้อผิดพลาดของมนุษย์

ไม่ใช่ทุก AI ที่เท่ากัน การเรียนรู้ลึก (DL) ซึ่งเป็นรูปแบบที่ทันสมัยที่สุดของ AI เป็นเทคโนโลยีเดียวที่สามารถป้องกันและอธิบายภัยคุกคามแบบ zero-day ที่ทราบและไม่ทราบได้ ความแตกต่างระหว่างโซลูชันที่ใช้ ML และ DL จะเห็นได้ชัดเมื่อตรวจสอบความสามารถในการระบุและป้องกันภัยคุกคามที่ทราบและไม่ทราบ ไม่เหมือน ML DL ถูกสร้างขึ้นบนเครือข่ายประสาทเทียม ทำให้สามารถเรียนรู้และฝึกอบรมด้วยข้อมูลดิบได้ ความสามารถนี้ช่วยให้ DL สามารถระบุ ป้องกัน และอธิบายภัยคุกคามที่ซับซ้อนได้ ด้วยความเข้าใจในองค์ประกอบพื้นฐานของไฟล์ข้อมูลที่เป็นอันตราย DL ช่วยให้ทีมสามารถกำหนดและรักษาความปลอดภัยข้อมูลที่แข็งแกร่งได้อย่างรวดเร็ว และป้องกันภัยคุกคามที่จะเกิดขึ้นก่อนที่จะเกิดขึ้น

Deep Instinct ได้เปิดตัว DIANNA ซึ่งเป็นแอสซิสตントด้านความปลอดภัยไซเบอร์ที่ใช้ AI แบบเจเนอเรตีฟเป็นครั้งแรก คุณสามารถอธิบายแรงบันดาลใจเบื้องหลัง DIANNA และฟังก์ชันหลักๆ ของมันได้หรือไม่?

Deep Instinct เป็นเพียงผู้ให้บริการเดียวในตลาดที่สามารถคาดการณ์และป้องกันการโจมตีแบบ zero-day ได้ ความเสี่ยงด้านความปลอดภัยข้อมูลแบบ zero-day ในองค์กรกำลังเพิ่มขึ้น เราเห็นการเพิ่มขึ้น 64% ในการโจมตีแบบ zero-day ในปี 2023 เมื่อเทียบกับปี 2022 และเราได้เปิดตัว Deep Instinct’s Artificial Neural Network Assistant (DIANNA) เพื่อตอบสนองต่อแนวโน้มที่เพิ่มขึ้นนี้ DIANNA เป็นแอสซิสตントด้านความปลอดภัยไซเบอร์ที่ใช้ AI แบบเจเนอเรตีฟเพื่อให้การวิเคราะห์มาเลเวียร์และความสามารถในการอธิบายสำหรับการโจมตีแบบ zero-day และภัยคุกคามที่ไม่ทราบ

สิ่งที่ทำให้ DIANNA แตกต่างจากเครื่องมือ AI แบบดั้งเดิมที่ใช้ LLMs คือความสามารถในการให้ข้อมูลเชิงลึกเกี่ยวกับ เหตุผล ที่การโจมตีที่ไม่ทราบเป็นอันตราย วันนี้ หากใครต้องการอธิบายการโจมตีแบบ zero-day พวกเขาจะต้องผ่านการวิเคราะห์แบบซานด์บ็อกซ์ ซึ่งอาจใช้เวลาหลายวัน และสุดท้ายก็ไม่ได้ให้คำอธิบายที่มีรายละเอียดหรือมุ่งเน้น DIANNA ไม่เพียงแต่วิเคราะห์โค้ดเท่านั้น แต่ยังเข้าใจเจตนา การกระทำที่เป็นไปได้ และอธิบายว่าโค้ดถูกออกแบบมาเพื่อทำอะไร: ทำไมมันจึงเป็นอันตราย และจะส่งผลกระทบต่อระบบอย่างไร การดำเนินนี้ช่วยให้ทีม SOC มีเวลาในการมุ่งเน้นไปที่การแจ้งเตือนและภัยคุกคามที่แท้จริง

DIANNA มีความสามารถในการให้การวิเคราะห์มาเลเวียร์ระดับ专家 ซึ่งแตกต่างจากเครื่องมือ AI แบบดั้งเดิมในตลาดความปลอดภัยไซเบอร์อย่างไร?

DIANNA เหมือนกับมีทีมวิเคราะห์มาเลเวียร์และผู้เชี่ยวชาญด้านการตอบสนองต่อเหตุการณ์เสมือนจริงที่ปลายนิ้วของคุณ เพื่อให้การวิเคราะห์ที่ลึกซึ้งเกี่ยวกับการโจมตีที่ทราบและไม่ทราบ โดยอธิบายเทคนิคของนักโจมตีและพฤติกรรมของไฟล์ข้อมูลที่เป็นอันตราย

เครื่องมือ AI แบบดั้งเดิมสามารถระบุภัยคุกคามที่ทราบและเวกเตอร์การโจมตีที่มีอยู่ได้เท่านั้น DIANNA ไปไกลกว่าเครื่องมือ AI แบบดั้งเดิม โดยให้ความเชี่ยวชาญและข้อมูลเชิงลึกที่ไม่เคยเห็นมาก่อนแก่องค์กรเกี่ยวกับスคริปต์ที่ไม่ทราบ ไฟล์เอกสาร และไบนารี่รอว์ เพื่อเตรียมพร้อมสำหรับการโจมตีแบบ zero-day นอกจากนี้ DIANNA ยังให้ความสามารถในการมองเห็นการตัดสินใจของโมเดลการป้องกันของ Deep Instinct ซึ่งช่วยให้องค์กรสามารถปรับแต่งความปลอดภัยให้เหมาะสมที่สุด

DIANNA ตอบสนองต่อความท้าทายหลักๆ ใดในภูมิทัศน์ความปลอดภัยไซเบอร์ในปัจจุบัน โดยเฉพาะอย่างยิ่งเกี่ยวกับภัยคุกคามที่ไม่ทราบ?

ปัญหาเกี่ยวกับการโจมตีแบบ zero-day ในปัจจุบันคือการขาดข้อมูลเกี่ยวกับเหตุผลที่เหตุการณ์ถูกหยุดและถือว่าเป็นอันตราย นักวิเคราะห์ภัยคุกคามต้องใช้เวลามากในการกำหนดว่ามันเป็นการโจมตีที่เป็นอันตรายหรือผลบวกลวงตัวหรือไม่ ไม่เหมือนกับโซลูชันความปลอดภัยไซเบอร์อื่นๆ Deep Instinct มีการป้องกันการโจมตีแบบ zero-day อย่างสม่ำเสมอด้วยโซลูชัน DL ที่ไม่เหมือนใคร ของเรา แต่ลูกค้าถามหาคำอธิบายที่มีรายละเอียดเพื่อเข้าใจธรรมชาติของการโจมตีเหล่านี้ เราได้พัฒนา DIANNA เพื่อเพิ่มความสามารถของ Deep Instinct ในด้านการเรียนรู้ลึก ลดภาระงานของทีม SecOps ที่ทำงานหนัก และให้ความสามารถในการอธิบายแบบเรียลไทม์เกี่ยวกับภัยคุกคามที่ซับซ้อนและไม่ทราบ

DIANNA เป็นการพัฒนาที่สำคัญสำหรับอุตสาหกรรมและเป็นตัวอย่างที่เป็นรูปธรรมของความสามารถของ AI ในการแก้ปัญหาที่แท้จริง DIANNA ใช้การวิเคราะห์สถิติเพื่อระบุพฤติกรรมและเจตนาของไฟล์ข้อมูลต่างๆ รวมถึงไบนารี่ สคริปต์ เอกสาร ไฟล์ย่อทาง และรูปแบบไฟล์อื่นๆ ที่ใช้ในการส่งมอบภัยคุกคาม DIANNA มากกว่าแค่ความก้าวหน้าทางเทคโนโลยี มันเป็นการเปลี่ยนแปลงเชิงกลยุทธ์ที่มุ่งไปสู่สภาพแวดล้อมความปลอดภัยไซเบอร์ที่มีประสิทธิภาพและเป็นมิตรมากขึ้น

คุณสามารถอธิบายวิธีการที่ DIANNA แปลโค้ดไบนารี่และสคริปต์เป็นรายงานภาษาธรรมชาติและผลประโยชน์ที่ได้รับจากทีมความปลอดภัย?

กระบวนการนั้นเป็นส่วนหนึ่งของ “ซอสลับ” ของเรา ในระดับสูง เราสามารถตรวจจับมาเลเวียร์ที่เฟรมเวิร์กการเรียนรู้ลึกของเรา标记ไว้ภายในการโจมตี และจากนั้นให้ข้อมูลที่เป็นเมตาดาต้าไปยังโมเดล LLM โดยการถอดรหัสเมตาดาต้าโดยไม่เปิดเผยข้อมูลที่ไวต่อความปลอดภัย DIANNA ให้ความสามารถในการอธิบายแบบ zero-day และคำตอบที่มุ่งเน้นซึ่งลูกค้ากำลังมองหา

เมื่อการโจมตีแบบ AI เพิ่มขึ้น คุณเห็นว่า AI จะพัฒนาอย่างไรเพื่อตอบโต้ภัยคุกคามเหล่านี้ได้อย่างมีประสิทธิภาพมากขึ้น?

เมื่อภัยคุกคามที่ใช้ AI เพิ่มขึ้น การอยู่หน้าผู้โจมตีที่ซับซ้อนมากขึ้นจำเป็นต้องมีการพัฒนาด้าน AI ที่ดีกว่า โดยเฉพาะการเรียนรู้ลึก Deep Instinct เป็นบริษัทด้านความปลอดภัยไซเบอร์แห่งแรกและแห่งเดียวที่ใช้การเรียนรู้ลึกในการป้องกันภัยคุกคามก่อนที่จะเกิดการละเมิดและคาดการณ์ภัยคุกคามในอนาคต โซลูชันความปลอดภัยข้อมูลแบบ zero-day ของ Deep Instinct สามารถคาดการณ์และป้องกันภัยคุกคามที่ทราบและไม่ทราบได้ภายในเวลาไม่ถึง 20 มิลลิวินาที ซึ่งเร็วกว่าเวลาที่รันซอมแวร์สามารถเข้ารหัสได้ 750 เท่า ทำให้เป็นส่วนเสริมที่จำเป็นสำหรับทุกๆ สแต็คความปลอดภัย โดยให้การป้องกันที่ครอบคลุมและหลายชั้นสำหรับภัยคุกคามทั่วทั้งระบบไฮบริด

ขอขอบคุณสำหรับการสัมภาษณ์ที่ดี ผู้อ่านสามารถเยี่ยมชม Deep Instinct เพื่อเรียนรู้เพิ่มเติม