Ярів Фішман, Головний керівник з продукції у Deep Instinct – Інтерв’ю серія

Ярів Фішман є Головним керівником з продукції (CPO) у Deep Instinct, він є досвідченим керівником з управління продуктами з більш ніж 20-річним досвідом керівництва у відомих глобальних брендах B2B. Фішман займав кілька відомих посад, включаючи керівні посади у Microsoft (MSFT ), де він керував портфелем продуктів Cloud App Security та ініціював програму MSSP та безпеки партнерів, а також Голови управління продуктами, Cloud Security та IoT Security у CheckPoint. Він має ступінь бакалавра з інформаційних систем інженерії університету Бен-Гуріона та ступінь магістра ділового адміністрування у Техніоні, Ізраїльському технологічному інституті.

Deep Instinct є компанією з кібербезпеки, яка застосовує глибоке навчання до кібербезпеки. Компанія реалізує штучний інтелект для завдання попередження та виявлення шкідливого ПО.

Розкажіть нам про свій шлях у галузі кібербезпеки та як він сформував ваш підхід до управління продуктами?

Під час моєї 20-річної кар’єри я працював у декількох глобальних організаціях B2B, включаючи Check Point Software Technologies (CHKP ) та Microsoft, де я керував управлінням продуктами та стратегією та набув досвіду у сфері кібербезпеки у публічному хмарі, на кінцевих точках, мережах та застосунках SaaS.

По дорозі я вивчив різні найкращі практики – від того, як керувати командою, до того, як сформувати правильну стратегію – які сформували мій підхід до керівництва у Deep Instinct. Робота у декількох компаніях з кібербезпеки різного розміру дозволила мені отримати цілісний погляд на стилі керівництва та вивчити, як створити процеси, які підтримують швидкозмінні команди. Я також бачив на власні очі, як випускати продукти та планувати продукто-ринковий фіт, який є критично важливим для бізнес-успіху.

Що спонукало вас до приєднання до Deep Instinct, та як ваша роль еволюціонувала з моменту початку роботи як Головного керівника з продукції?

Як ветеран галузі, я рідко захоплююсь новими технологіями. Я вперше дізнався про Deep Instinct під час роботи у Microsoft. Коли я дізнався про можливості технології передбачувального попередження, я швидко зрозумів, що Deep Instinct є справжнім інноваційним продуктом і робить щось унікальне. Я приєднався до компанії, щоб допомогти створити ринковий фіт та випадки використання для цього першого у своєму роді рішення з безпеки даних нульових днів.

З моменту приєднання до команди три роки тому моя роль змінилася та еволюціонувала разом з нашим бізнесом. Спочатку я зосередився на будівництві нашої команди управління продуктами та відповідних процесів. Тепер ми сильно зосереджені на стратегії та тому, як ми ринкові нашу здатність забезпечувати безпеку даних нульових днів у сучасному швидкозмінному та все більш небезпечному ринку.

Deep Instinct використовує унікальну структуру глибокого навчання для своїх рішень з кібербезпеки. Розкажіть про переваги глибокого навчання над традиційним машинним навчанням у попередженні загроз.

Термін “штучний інтелект” широко використовується як панacea для обладнання організацій у боротьбі проти загроз нульових днів. Однак, хоча багато постачальників кібербезпеки стверджують, що вони привносять штучний інтелект до боротьби, машинне навчання (ML) – менш розвинена форма штучного інтелекту – залишається основною частиною їхніх продуктів. ML не підходить для цього завдання. Рішення ML тренуються на обмежених підмножинах доступних даних (зазвичай 2-5%), пропонують лише 50-70% точності з невідомими загрозами та вводять помилкові позитиви. Вони також вимагають втручання людини, оскільки вони тренуються на менших наборах даних, що збільшує шанси людської помилки та помилок.

Не весь штучний інтелект є рівним. Глибоке навчання (DL), найрозвиненіша форма штучного інтелекту, є єдиною технологією, здатною попереджувати та пояснювати відомі та невідомі загрози нульових днів. Відмінність між рішеннями ML та DL стає очевидною при розгляді їхньої здатності визначати та попереджувати відомі та невідомі загрози. На відміну від ML, DL побудований на нейронних мережах, що дозволяє йому самостійно навчатися та тренуватися на сирих даних. Ця автономія дозволяє DL визначати, виявляти та попереджувати складні загрози. З його розумінням фундаментальних компонентів шкідливих файлів, DL надає командам можливість швидко встановити та підтримувати міцну позицію з безпеки даних, відбиваючи наступну загрозу, навіть до того, як вона виникне.

Deep Instinct недавно запустила DIANNA, першого генеративного штучного інтелекту-помічника з кібербезпеки. Розкажіть про джерело натхнення для DIANNA та її ключові функції.

Deep Instinct є єдиною компанією на ринку, яка може передбачити та попередити загрози нульових днів. Ульові вразливості нульових днів зростають. Ми побачили 64% зростання загроз нульових днів у 2023 році порівняно з 2022 роком, і ми випустили штучний інтелект-помічник DIANNA, щоб боротися з цією зростаючою тенденцією. DIANNA є першим і єдиним генеративним штучним інтелекту-помічником, який забезпечує експертний аналіз шкідливого ПО та пояснюваність для загроз нульових днів та невідомих загроз.

Що відрізняє DIANNA від традиційних інструментів штучного інтелекту, які використовують LLM, є її здатність забезпечувати бачення того, чому невідомі атаки є шкідливими. Сьогодні, якщо хтось хоче пояснити атаку нульових днів, їм потрібно запустити її у пісочниці, що може зайняти дні, і в кінцевому підсумку не забезпечить розвиненого чи зосередженого пояснення. Хоча це підходящий підхід, він пропонує лише ретроспективний аналіз з обмеженим контекстом. DIANNA не тільки аналізує код, але також розуміє намір, потенційні дії та пояснює, що код призначений для виконання: чому він шкідливий, і як він може вплинути на системи. Цей процес дозволяє командам SOC зосередитися на сигналах та загрозах, які справді мають значення.

Як здатність DIANNA забезпечувати експертний аналіз шкідливого ПО відрізняється від традиційних інструментів штучного інтелекту на ринку кібербезпеки?

DIANNA є як у віртуальній команді аналітиків шкідливого ПО та фахівців з реагування на інциденти, які забезпечують глибокий аналіз відомих та невідомих атак, пояснюючи техніку атакувальників та поведінку шкідливих файлів.

Інші інструменти штучного інтелекту можуть лише визначати відомі загрози та існуючі вектори атак. DIANNA перевершує традиційні інструменти штучного інтелекту, пропонуючи організаціям безпрецедентний рівень експертизи та бачення невідомих скриптів, документів та сирих бінарних файлів для підготовки до загроз нульових днів. Крім того, DIANNA забезпечує підвищену видимість процесу прийняття рішень моделей попередження Deep Instinct, що дозволяє організаціям налаштувати свою позицію з безпеки для максимальної ефективності.

Які основні проблеми DIANNA вирішує у сучасному ландшафті кібербезпеки, особливо щодо невідомих загроз?

Проблема з атаками нульових днів сьогодні полягає у відсутності інформації про те, чому інцидент був зупинений та визнаний шкідливим. Аналітики загроз повинні витратити значну кількість часу на визначення того, чи була це шкідлива атака чи помилковий позитив. На відміну від інших рішень з кібербезпеки, Deep Instinct регулярно блокував атаки нульових днів за допомогою нашого унікального рішення DL. Однак клієнти запитували детальні пояснення, щоб краще зрозуміти природу цих атак. Ми розробили DIANNA, щоб покращити можливості глибокого навчання Deep Instinct, зменшити навантаження на команди SecOps та забезпечити реальну пояснюваність невідомих, складних загроз. Наша здатність зосередити моделі генеративного штучного інтелекту на конкретних артефактах дозволяє нам забезпечити комплексну, проте зосереджену відповідь на ринковий розрив.

DIANNA є суттєвим кроком вперед для галузі та реальним прикладом здатності штучного інтелекту вирішувати реальні проблеми. Вона використовує лише статичний аналіз для визначення поведінки та намірів різних форматів файлів, включаючи бінарні файли, скрипти, документи, файли-посилання та інші типи файлів, що передаються загрозами. DIANNA є більше ніж просто технологічним кроком вперед; це стратегічний зсув до більш інтуїтивного, ефективного та ефективного середовища кібербезпеки.

Розкажіть про те, як DIANNA перекладає бінарний код та скрипти у звіти природної мови та які вигоди це приносить командам з безпеки?

Цей процес є частиною нашого секретного соусу. На високому рівні ми можемо виявити шкідливе ПО, яке структура глибокого навчання позначає у атаці, а потім подати його як метадані у модель LLM. Виключаючи метадані без розкриття конфіденційної інформації, DIANNA забезпечує пояснюваність нульових днів та зосереджені відповіді, які клієнти шукають.

Як ви бачите розвиток штучного інтелекту для більш ефективного протидії цим загрозам?

З ростом атак, заснованих на штучному інтелекті, залишатися попереду все більш складних атакувальників вимагає руху за межі традиційних інструментів штучного інтелекту та інновацій з кращим штучним інтелектом, зокрема глибоким навчанням. Deep Instinct є першою та єдиною компанією з кібербезпеки, яка використовує глибоке навчання у своїй технології безпеки даних для попередження загроз до того, як вони спричинять порушення, та передбачення майбутніх загроз. Рішення Deep Instinct з безпеки даних нульових днів може передбачати та попереджувати відомі, невідомі та загрози нульових днів усього за <20 мілісекунд, що у 750 разів швидше, ніж найшвидше програмне забезпечення для шифрування – роблячи його необхідним доповненням до кожного стеку безпеки, забезпечуючи повну, багаторівневу захист від загроз у гібридних середовищах.

Дякуємо за велике інтерв’ю. Читачам, які бажають дізнатися більше, рекомендуємо відвідати Deep Instinct.