Saryu Nayyar, CEO và Người sáng lập của Gurucul – Loạt phỏng vấn

Saryu Nayyar là một chuyên gia an ninh mạng được công nhận quốc tế, tác giả, diễn giả và thành viên của Hội đồng Công nghệ Forbes. Cô có hơn 15 năm kinh nghiệm trong lĩnh vực an ninh thông tin, quản lý danh tính và truy cập, quản lý rủi ro IT và tuân thủ, cũng như quản lý rủi ro an ninh.

Cô được vinh danh là Người phụ nữ doanh nhân thắng lợi của EY vào năm 2017. Cô đã giữ các vị trí lãnh đạo trong chiến lược sản phẩm và dịch vụ an ninh tại Oracle (ORCL ), Simeio, Sun Microsystems, Vaau (được Sun mua lại) và Disney. Saryu cũng đã dành nhiều năm trong các vị trí cấp cao tại thực hành quản lý rủi ro và an ninh công nghệ của Ernst & Young.

Gurucul là một công ty an ninh mạng chuyên về an ninh dựa trên hành vi và phân tích rủi ro. Nền tảng của công ty sử dụng học máy, trí tuệ nhân tạo và dữ liệu lớn để phát hiện các mối đe dọa từ bên trong, vi phạm tài khoản và các cuộc tấn công tiên tiến trên các môi trường kết hợp. Gurucul được biết đến với Nền tảng Phân tích An ninh và Rủi ro Unified, tích hợp SIEM, UEBA (Phân tích Hành vi Người dùng và Thực thể), XDR và phân tích danh tính để cung cấp phát hiện và phản hồi mối đe dọa theo thời gian thực. Công ty phục vụ các doanh nghiệp, chính phủ và MSSPs, nhằm giảm thiểu các cảnh báo sai và tăng tốc độ khắc phục mối đe dọa thông qua tự động hóa thông minh.

Điều gì đã truyền cảm hứng cho bạn để thành lập Gurucul vào năm 2010, và bạn đang cố gắng giải quyết vấn đề gì trong lĩnh vực an ninh mạng?

Gurucul được thành lập để giúp các nhóm Vận hành An ninh và Quản lý Rủi ro từ Bên trong có được sự rõ ràng về các rủi ro an ninh quan trọng nhất ảnh hưởng đến hoạt động kinh doanh của họ. Kể từ năm 2010, chúng tôi đã áp dụng một cách tiếp cận phân tích hành vi và dự đoán, thay vì dựa trên quy tắc, điều này đã tạo ra hơn 4.000 mô hình học máy đưa ra các bất thường và hành vi đáng ngờ vào contextoacross nhiều kịch bản tấn công và rủi ro khác nhau. Chúng tôi đã xây dựng nền tảng này và chuyển từ giúp các công ty lớn trong Fortune 50 giải quyết thách thức Rủi ro từ Bên trong sang giúp các công ty có được sự rõ ràng sâu sắc về tất cả các rủi ro an ninh. Đây là lời hứa của REVEAL, nền tảng Phân tích Dữ liệu và An ninh Unified, AI-Driven của chúng tôi. Hiện tại, chúng tôi đang xây dựng trên nhiệm vụ AI của mình với tầm nhìn cung cấp một nền tảng Phân tích An ninh Tự động, sử dụng Học máy làm nền tảng nhưng hiện đang bổ sung các khả năng Trí tuệ nhân tạo Tạo và Đại lý trên toàn bộ vòng đời mối đe dọa. Mục tiêu là để các nhà phân tích và kỹ sư dành ít thời gian hơn trong sự phức tạp và nhiều thời gian hơn để tập trung vào công việc có ý nghĩa. Cho phép máy móc khuếch đại định nghĩa hoạt động hàng ngày của họ.

Đã từng giữ các vị trí lãnh đạo tại Oracle, Sun Microsystems và Ernst & Young, bạn đã rút ra những bài học quan trọng nào từ những kinh nghiệm đó và áp dụng vào việc thành lập Gurucul?

Kinh nghiệm lãnh đạo của tôi tại Oracle, Sun Microsystems và Ernst & Young đã giúp tôi giải quyết các thách thức an ninh phức tạp và cung cấp cho tôi sự hiểu biết về các thách thức mà các CEO và CISO của Fortune 100 phải đối mặt. Tổng thể, nó cho phép tôi có một vị trí quan trọng để xem xét các thách thức công nghệ và kinh doanh mà hầu hết các nhà lãnh đạo an ninh phải đối mặt và truyền cảm hứng cho tôi xây dựng các giải pháp để lấp đầy những khoảng trống đó.

Nền tảng REVEAL của Gurucul khác biệt như thế nào so với các giải pháp SIEM (Quản lý Sự kiện và Thông tin An ninh) truyền thống?

Các giải pháp SIEM truyền thống phụ thuộc vào các phương pháp dựa trên quy tắc tĩnh, dẫn đến các cảnh báo sai, tăng chi phí và chậm trễ trong việc phát hiện và phản hồi. Nền tảng REVEAL của chúng tôi là bản địa đám mây và được thúc đẩy bởi AI, sử dụng học máy tiên tiến, phân tích hành vi và đánh giá rủi ro động để phát hiện và phản hồi mối đe dọa theo thời gian thực. Không giống như các nền tảng truyền thống, REVEAL liên tục thích nghi với các mối đe dọa đang phát triển và tích hợp trên các môi trường trên cơ sở, đám mây và kết hợp để có phạm vi an ninh toàn diện. Được công nhận là giải pháp SIEM “Tầm nhìn nhất” trong Quadrant Ma thuật của Gartner trong ba năm liên tiếp, REVEAL tái định nghĩa SIEM được thúc đẩy bởi AI với độ chính xác, tốc độ và khả năng hiển thị không có đối thủ. Hơn nữa, SIEMs gặp khó khăn với vấn đề quá tải dữ liệu. Chúng quá tốn kém để tiêu thụ mọi thứ cần thiết cho tầm nhìn hoàn chỉnh và ngay cả khi chúng làm điều đó, nó chỉ thêm vào vấn đề cảnh báo sai. Gurucul hiểu vấn đề này và đó là lý do tại sao chúng tôi có một giải pháp Quản lý Đường ống Dữ liệu bản địa và được thúc đẩy bởi AI, lọc dữ liệu không quan trọng sang lưu trữ chi phí thấp, tiết kiệm tiền, trong khi vẫn giữ khả năng chạy tìm kiếm liên bang trên tất cả dữ liệu. Các hệ thống phân tích là một tình huống “rác vào, rác ra”. Nếu dữ liệu đầu vào bị phồng lên, không cần thiết hoặc không đầy đủ, thì đầu ra sẽ không chính xác, có thể hành động hoặc cuối cùng được tin cậy.

Bạn có thể giải thích cách học máy và phân tích hành vi được sử dụng để phát hiện mối đe dọa theo thời gian thực không?

Nền tảng của chúng tôi sử dụng hơn 4.000 mô hình học máy để liên tục phân tích tất cả các tập dữ liệu liên quan và xác định các bất thường và hành vi đáng ngờ theo thời gian thực. Không giống như các hệ thống an ninh truyền thống dựa trên quy tắc tĩnh, REVEAL phát hiện mối đe dọa khi chúng xuất hiện. Nền tảng cũng sử dụng Phân tích Hành vi Người dùng và Thực thể (UEBA) để thiết lập các đường cơ sở hành vi bình thường của người dùng và thực thể, phát hiện các sai lệch có thể chỉ ra mối đe dọa từ bên trong, tài khoản bị xâm phạm hoặc hoạt động độc hại. Hành vi này được ngữ cảnh hóa thêm bởi một động cơ dữ liệu lớn kết hợp, làm giàu và liên kết dữ liệu an ninh, mạng, IT, IoT, đám mây, danh tính, ứng dụng kinh doanh và thông tin tình báo mối đe dọa từ bên trong và ngoài. Điều này thông báo cho một động cơ đánh giá rủi ro động, gán các mức độ rủi ro theo thời gian thực để giúp ưu tiên phản hồi với các mối đe dọa quan trọng. Cùng nhau, những khả năng này cung cấp một cách tiếp cận toàn diện, được thúc đẩy bởi AI để phát hiện và phản hồi mối đe dọa theo thời gian thực, điều này giúp REVEAL khác biệt so với các giải pháp an ninh truyền thống.

Làm thế nào nền tảng REVEAL của Gurucul giúp giảm thiểu các cảnh báo sai so với các hệ thống an ninh mạng truyền thống?

Nền tảng REVEAL giảm thiểu các cảnh báo sai bằng cách sử dụng phân tích ngữ cảnh được thúc đẩy bởi AI, phân tích hành vi và học máy để phân biệt hoạt động người dùng hợp pháp với các mối đe dọa thực sự. Không giống như các giải pháp truyền thống, REVEAL tinh chỉnh khả năng phát hiện của mình theo thời gian, cải thiện độ chính xác trong khi giảm thiểu tiếng ồn. UEBA của nó phát hiện các sai lệch từ đường cơ sở hoạt động với độ chính xác cao, cho phép các nhóm an ninh tập trung vào các rủi ro an ninh hợp pháp thay vì bị áp đảo bởi các cảnh báo sai. Trong khi Học máy là một khía cạnh cơ bản, trí tuệ nhân tạo tạo và đại lý đóng vai trò quan trọng trong việc thêm ngữ cảnh vào ngôn ngữ tự nhiên để giúp các nhà phân tích hiểu chính xác những gì đang xảy ra xung quanh một cảnh báo và thậm chí tự động hóa phản hồi với các cảnh báo đó.

Vai trò của trí tuệ nhân tạo đối thủ trong các mối đe dọa an ninh mạng hiện đại là gì và Gurucul chống lại những rủi ro đang phát triển này như thế nào?

Trước hết, chúng tôi đã thấy trí tuệ nhân tạo đối thủ được áp dụng cho “trái cây thấp nhất”, tức là vector con người và các mối đe dọa dựa trên danh tính. Đây là lý do tại sao phân tích hành vi và danh tính là rất quan trọng để xác định các hành vi bất thường, đưa chúng vào ngữ cảnh và dự đoán hành vi độc hại trước khi nó lan rộng hơn. Hơn nữa, trí tuệ nhân tạo đối thủ là “đinh coffin” cho các phương pháp phát hiện dựa trên chữ ký. Các đối thủ đang sử dụng AI để tránh các quy tắc phát hiện được định nghĩa bởi TTP, nhưng một lần nữa, họ không thể tránh các phát hiện dựa trên hành vi theo cùng một cách. Các đội SOC không được trang bị đầy đủ để tiếp tục viết các quy tắc để theo kịp và sẽ yêu cầu một cách tiếp cận hiện đại để phát hiện mối đe dọa, điều tra và phản hồi. Hành vi và ngữ cảnh là những thành phần chính. Cuối cùng, các nền tảng như REVEAL phụ thuộc vào một vòng lặp phản hồi liên tục và chúng tôi liên tục áp dụng AI để giúp chúng tôi tinh chỉnh các mô hình phát hiện của mình, đề xuất các mô hình mới và thông báo về thông tin tình báo mối đe dọa mới mà toàn bộ hệ sinh thái khách hàng của chúng tôi có thể được hưởng lợi.

Làm thế nào hệ thống đánh giá rủi ro dựa trên điểm của Gurucul cải thiện khả năng ưu tiên mối đe dọa của các nhóm an ninh?

Hệ thống đánh giá rủi ro động của nền tảng của chúng tôi gán các mức độ rủi ro theo thời gian thực cho người dùng, thực thể và hành động dựa trên các hành vi quan sát được và phân tích ngữ cảnh. Điều này cho phép các nhóm an ninh ưu tiên các mối đe dọa quan trọng, giảm thời gian phản hồi và tối ưu hóa tài nguyên. Bằng cách định lượng rủi ro trên thang điểm 0–100, REVEAL đảm bảo rằng các tổ chức tập trung vào các sự cố quan trọng nhất thay vì bị áp đảo bởi các cảnh báo có độ ưu tiên thấp. Với một điểm rủi ro thống nhất bao gồm tất cả các nguồn dữ liệu doanh nghiệp, các nhóm an ninh có được sự rõ ràng và kiểm soát lớn hơn, dẫn đến việc ra quyết định nhanh hơn và thông minh hơn.

Trong một thời đại có ngày càng nhiều vi phạm dữ liệu, các giải pháp an ninh mạng được thúc đẩy bởi AI có thể giúp các tổ chức ngăn chặn các mối đe dọa từ bên trong như thế nào?

Các mối đe dọa từ bên trong là một rủi ro an ninh đặc biệt khó khăn do bản chất tinh vi của chúng và quyền truy cập mà nhân viên có. REVEAL của chúng tôi phát hiện các sai lệch từ các đường cơ sở hành vi đã thiết lập, xác định các hoạt động rủi ro như truy cập dữ liệu không được phép, thời gian đăng nhập không bình thường và lạm dụng đặc quyền. Đánh giá rủi ro động cũng liên tục đánh giá các hành vi theo thời gian thực, gán các mức độ rủi ro để ưu tiên các mối đe dọa từ bên trong quan trọng nhất. Những khả năng được thúc đẩy bởi AI này cho phép các nhóm an ninh phát hiện và giảm thiểu các mối đe dọa từ bên trong trước khi chúng leo thang thành vi phạm. Dữ liệu quản lý rủi ro từ bên trong là một cuộc đua với thời gian. Các nhóm quản lý rủi ro từ bên trong cần phải phản hồi và cộng tác nhanh chóng, với quyền riêng tư hàng đầu. Ngữ cảnh một lần nữa là rất quan trọng ở đây và thêm các sai lệch hành vi với ngữ cảnh từ các hệ thống danh tính, ứng dụng HR và tất cả các nguồn dữ liệu liên quan khác cung cấp cho các nhóm này vũ khí để nhanh chóng xây dựng và bảo vệ một trường hợp bằng chứng để doanh nghiệp có thể phản hồi và giảm thiểu trước khi xảy ra vi phạm dữ liệu.

Làm thế nào giải pháp phân tích danh tính của Gurucul nâng cao an ninh so với các công cụ IAM (Quản lý Danh tính và Truy cập) truyền thống?

Các giải pháp IAM truyền thống tập trung vào kiểm soát truy cập và xác thực nhưng thiếu thông tin và khả năng hiển thị để phát hiện tài khoản bị xâm phạm hoặc lạm dụng đặc quyền theo thời gian thực. REVEAL vượt qua những hạn chế này bằng cách sử dụng phân tích hành vi được thúc đẩy bởi AI để liên tục đánh giá rủi ro người dùng, điều chỉnh động các mức độ rủi ro và thực thi các quyền truy cập thích ứng, giảm thiểu việc lạm dụng và đặc quyền không hợp lệ. Bằng cách tích hợp với các khuôn khổ IAM hiện có và thực thi truy cập tối thiểu, giải pháp của chúng tôi nâng cao an ninh danh tính và giảm bề mặt tấn công. Vấn đề với quản lý IAM là sự phân tán của hệ thống danh tính và sự thiếu kết nối giữa các hệ thống danh tính khác nhau. Gurucul cung cấp cho các nhóm một cái nhìn 360° về các rủi ro danh tính trên tất cả cơ sở hạ tầng danh tính. Bây giờ họ có thể ngừng phê duyệt truy cập nhưng thay vào đó áp dụng một cách tiếp cận dựa trên rủi ro đối với các chính sách truy cập. Hơn nữa, họ có thể đẩy nhanh khía cạnh tuân thủ của IAM và chứng minh một cách tiếp cận giám sát liên tục và toàn diện đối với các kiểm soát truy cập trên toàn tổ chức.

Các mối đe dọa an ninh mạng chính mà bạn dự đoán trong năm năm tới là gì và AI có thể giúp giảm thiểu chúng như thế nào?

Các mối đe dọa dựa trên danh tính sẽ tiếp tục gia tăng, vì chúng đã thành công. Các đối thủ sẽ tăng gấp đôi việc giành được truy cập bằng cách đăng nhập vào danh tính hoặc tấn công cơ sở hạ tầng danh tính. Tự nhiên, các mối đe dọa từ bên trong sẽ tiếp tục là một vector rủi ro quan trọng cho nhiều doanh nghiệp, đặc biệt là khi shadow IT tiếp tục. Cho dù có ác ý hay bất cẩn, các công ty sẽ ngày càng cần tầm nhìn vào rủi ro từ bên trong. Hơn nữa, AI sẽ tăng tốc các biến thể của TTP truyền thống, vì các đối thủ biết rằng đó là cách họ có thể tránh các quy tắc phát hiện được định nghĩa bởi TTP và nó sẽ có chi phí thấp cho họ để tạo ra các chiến thuật, kỹ thuật và giao thức thích ứng. Do đó, một lần nữa, tại sao tập trung vào hành vi trong ngữ cảnh và có các hệ thống phát hiện có thể thích nghi nhanh như vậy sẽ rất quan trọng trong tương lai có thể dự đoán được. Sẽ là thấp chi phí cho họ để sáng tạo các chiến thuật, kỹ thuật và giao thức thích ứng. Do đó, một lần nữa, tại sao tập trung vào hành vi trong ngữ cảnh và có các hệ thống phát hiện có thể thích nghi nhanh như vậy sẽ rất quan trọng trong tương lai có thể dự đoán được. Sẽ là thấp chi phí cho họ để sáng tạo các chiến thuật, kỹ thuật và giao thức thích ứng. Do đó, một lần nữa, tại sao tập trung vào hành vi trong ngữ cảnh và có các hệ thống phát hiện có thể thích nghi nhanh như vậy sẽ rất quan trọng trong tương lai có thể dự đoán được.

Cảm ơn bạn vì cuộc phỏng vấn tuyệt vời, độc giả muốn tìm hiểu thêm có thể truy cập Gurucul.