强生层CEO兼联合创始人Alan LeFort – 采访系列

Alan Lefort 是一位拥有超过 15 年经验的网络安全领导者，他曾为 Fortune 500 公司打造和扩展安全产品。他曾在 Proofpoint、McAfee 和 Intel (INTC ) Security 领导产品和业务部门，专注于高级威胁保护、内部风险和行为分析。在 Intel，他帮助制定了全球市场的产品战略，领导了美国、欧洲和以色列的团队。现在，作为 StrongestLayer 的 CEO，Alan 正在利用他丰富的企业经验来阻止 AI 驱动的钓鱼攻击，重新定义电子邮件安全的 AI 时代。

StrongestLayer 是一个 AI 本土的电子邮件安全平台，旨在阻止高级钓鱼和商业电子邮件泄露攻击。使用其专有的 TRACE 引擎，它应用大型语言模型、行为推断和上下文分析来识别传统基于规则的系统无法识别的恶意电子邮件。该平台可以快速与 Microsoft 365 和 Google Workspace 集成，添加浏览器保护，并提供 AI 驱动的员工培训，提供组织强大的防御和更安全的文化。

是什么启发你和你的联合创始人创立 StrongestLayer，你们试图解决网络安全领域的哪些具体问题，基于你们在 Proofpoint、FireEye 和 Mandiant 的经验?

公司的发展是每个联合创始人的观点。它始于我们的 CTO Riz，他认识到钓鱼攻击变得太复杂，传统的员工培训已经不能满足要求。他的见解是，AI 驱动的定制可以从根本上提高安全意识。

当我们的首席产品官 Josh 加入时，他带来了缺失的部分。在测试我们的早期产品时，他发现我们的 AI 分析正在检测复杂的攻击，而既有的电子邮件安全供应商完全没有检测到。这时我们意识到，我们不仅仅是在提高培训水平，我们正在识别威胁检测中的一个基本缺口。

我在 2025 年初加入 StrongestLayer担任 CEO，此前我曾担任团队顾问，我清楚地看到战略机会：如果只有 AI 才能抵御 AI 武器化攻击，那么我们需要重新思考不仅仅是检测，而是如何在这个新现实中赋予人类权力。决定很简单：全力以赴地进行 AI 本土检测和预防。

为什么你认为电子邮件仍然是一个至关重要的攻击向量，特别是在生成式 AI 的时代?

电子邮件仍然是主要的攻击向量，因为它是业务背景最重要的渠道，而生成式 AI 已经使得利用这种背景变得轻而易举。

传统的电子邮件攻击是基于量的，很明显。AI 改变了游戏规则 – 攻击者现在可以生成个性化的电子邮件，了解组织等级结构，模仿通信风格，并引用实际的业务流程。他们不再发送通用的钓鱼邮件；他们正在制作看起来真实的攻击，针对特定的组织。

电子邮件也是每天做出信任决策的地方。员工经常从供应商、合作伙伴和同事那里收到需要判断合法性的请求。AI 驱动的攻击利用这些信任关系，伪装成来自已知实体的合理请求。

根本的挑战是电子邮件安全一直专注于检测“坏”的技术模式，但 AI 攻击在技术上看起来很好，但却有恶意的意图。

StrongestLayer 的 LLM 本土架构与传统的电子邮件安全解决方案有什么根本区别?

我们构建了第一个 LLM 作为主架构，这与将 LLM 功能添加到现有的基于模式匹配的系统的供应商不同。区别在于架构 – LLM 编排整个分析过程，而不是作为一个附加模块。

传统的解决方案运作像一个检察官单一的法院系统 – 它们只能寻找有罪的证据，没有机制来证明清白。这造成了经典的假阳性/假阴性紧张局势，这在检察官单一的架构中永远无法解决。

我们的突破是双重证据收集。我们打破了检察官单一的范式，通过让每封电子邮件都有机会被审判。我们的系统同时扮演检察官和辩护律师的角色，而一个公正的 LLM 法官则权衡证据并做出判决。

架构需要完全新的基础设施：LLM 作为主协调，双重证据综合算法，专家混合架构用于专门分析，零内存架构用于企业数据隐私。我们提供了成千上万名精英分析师的推理能力，具有金鱼的记忆力 – 最大的分析能力，零数据持久性。

你能解释你的 TRACE（Threat Reasoning AI Correlation Engine）系统如何工作，以及它是什么使其在抵御 AI 驱动的钓鱼攻击中独特有效?

TRACE 通过双重证据收集运作，这从根本上改变了电子邮件安全的经济学。

对于每封电子邮件，我们同时进行两项平行调查：公众辩护律师收集正常性指标，检察官收集威胁信号。一个公正的 LLM 法官权衡所有证据做出自信的自动化决策。

假设您收到一封来自 CFO 的 500 万美元的供应商付款邮件，遗传算法看到紧急语言、大金额、非工作时间的时间戳 – 每个模式都在尖叫威胁。电子邮件被隔离，业务中断。

我们的双重证据架构运行平行调查：公众辩护律师的证据包括 CFO 的通信模式、供应商的已建立关系、付款在采购限制范围内、遵循已记录的工作流程。检察官的证据包括外部威胁情报、通信意图分析、权限绕过尝试、紧急操纵模式。

LLM 法官权衡所有证据。强大的合法性指标超过了轻微的威胁信号。电子邮件自动清除，具有高置信度，业务连续性保持，分析师专注于实际威胁。

TRACE 使其在抵御 AI 攻击中独特有效的原因是，我们专注于稳定的指标，这些指标在攻击新颖性方面保持一致 – 业务合法性模式和恶意意图模式保持一致，即使攻击方法完全新颖。

随着 AI 现在能够在大规模上生成个性化电子邮件，你的平台如何保持领先于这些不断演变的威胁?

关键的洞察是，虽然 AI 使攻击生成变得无限可扩展，但它并没有解决攻击者的业务逻辑问题。

AI 可以制作完美的语法，模仿通信风格，并引用组织的公共信息。但是，它无法完美地理解内部业务流程、审批工作流程、合同周期和关系动态，所有这些都在每个组织中同时发生。

我们的平台通过专注于业务合理性而不是技术模式来保持领先。随着 AI 攻击在技术上变得更加复杂，它们往往在业务逻辑上变得更加绝望 – 制造不必要的紧急情况，绕过正常的流程，或请求不符合已建立关系的操作。

我们还从跨客户的学习中受益，而无需暴露个别客户的数据。业务逻辑滥用的模式通常在组织之间是一致的，即使技术实现不同。

目前哪些类型的组织最容易受到 AI 增强的钓鱼攻击，你的平台如何解决他们独特的挑战?

具有复杂的供应商关系和审批流程的组织面临最高的风险 – 特别是金融服务、医疗保健和法律公司。这些行业具有有价值的数据、已建立的业务流程，攻击者可以研究这些流程，并且员工经常处理敏感的请求。

中型公司面临着特定的挑战：它们具有企业级的义务和复杂性，但没有相应的安全人员或预算。它们足够成熟，成为有吸引力的目标，但又受到资源的限制，以至于高级攻击成功。

我们的平台通过自动化业务背景分析来解决这个问题，这通常需要专门的安全分析师。与其要求团队手动调查每个可疑的请求，TRACE 提供了帮助组织快速做出明智决策的推理。

我们还专注于用户体验，因为这些组织无法承担会产生运营摩擦或需要大量培训的解决方案。

你的预测性活动检测系统如何快速识别和中和假公司网站?

我们的方法结合了实时域名注册监控和业务背景分析。

我们持续监控全球域名注册，寻找可能表明冒名顶替活动的模式 – 与合法域名类似的拼写、注册时间集群和与攻击准备一致的基础设施模式。

但关键的区别在于将这种技术情报与业务背景相关联。当我们看到可能冒充客户供应商或合作伙伴的域名注册时，我们可以根据业务关系和周期预测活动目标和时间。

“中和”发生在早期警告中 – 我们在电子邮件发送前几周内通知客户关于潜在的冒名顶替活动，使他们能够准备防御并通知员工注意特定的威胁。

这种预活动检测仅仅是因为我们了解技术攻击基础设施和攻击者可能利用的业务背景才成为可能。

在构建真正的 LLM 本土网络安全解决方案时，你遇到了哪些最困难的技术问题?

最困难的问题是构建一个可以在不暴露敏感组织数据的情况下推理业务背景的系统，同时证明它可以抵御遗传算法遗漏的新型攻击。

我们最近获得了验证，当我们的 TRACE 系统检测到 Microsoft 365 Direct Send 攻击时，Microsoft (MSFT ) 的本地安全性和市场领先者都完全忽略了它。该攻击被 Dark Reading 发布和验证。它利用了合法的 Microsoft 功能，使用图像模糊技术，并动态生成个性化的钓鱼页面 – 完全新颖的技术，没有历史模式可以匹配。

技术挑战很大：构建 LLM 作为主协调，执行复杂的推理，同时保持敏感数据本地，避免在从模式匹配转移到推理时的假阳性陷阱，并优化性能以提供实时的电子邮件流决策。

但最大的突破是证明我们的双重证据架构在现实世界中有效，抵御了既有的供应商都无法检测到的攻击。这种验证给了我们信心，我们的架构可以处理攻击者下一步将要开发的任何新技术。

你如何看待 2026-2027 年威胁格局的演变，你们如何准备你的平台以应对未来的挑战?

到 2026-2027 年，我预计复杂的 AI 增强攻击将成为主流，而不仅仅是高级持续威胁。工具和技术将变得商品化，大大扩大威胁行为者的范围。

我们还将看到攻击扩展到所有商业通信渠道 – Teams、Slack、移动消息。攻击者将在多个渠道上编排活动，使单点检测变得不够。

我们正在通过构建 TRACE 作为一个可以应用于任何商业通信渠道的推理引擎来准备我们的平台。核心技术 – 了解业务背景和意图 – 不特定于电子邮件。我们还在跨渠道关联能力上投入了大量资金。

另一个重大变化将是攻击者利用组织内部的 AI 采用。随着公司部署 AI 工具用于业务流程，攻击者将针对这些集成和数据流。

你从现实世界的部署中吸取了哪些教训，这些教训如何塑造你的产品路线图?

最大的教训是新型攻击以我们无法预测的方式验证了我们的架构方法。当我们的 TRACE 系统检测到 Microsoft 365 Direct Send 攻击时，既有的供应商都无法检测到，这证明了我们的论点，即推理优于模式匹配，尤其是在面对真正新颖的技术时。

我们了解到，用户体验比我们最初预期的更重要，但方式不同。安全团队不仅仅想要准确的检测 – 他们希望了解系统为什么做出决定。我们的双重证据方法有帮助，因为分析师可以看到导致 LLM 法官判决的检察官和辩护律师的证据。

我们还发现，新型攻击检测创建了我们以前没有预料到的竞争优势。当我们发布 Direct Send 分析时，Dark Reading 验证了它，这在技术上建立了可信度，这是营销声明无法做到的。潜在客户意识到，我们不仅仅是在声称检测未知威胁 – 我们正在用既有的供应商失败的文件案例来证明它。

这些教训塑造了我们围绕透明度和技术验证的战略。我们的路线图现在强调不仅仅是检测能力，还强调了解释推理和与更广泛的安全社区共享威胁情报的能力。

你在接下来的两到三年内看到 StrongestLayer 的未来会是什么样子，你对公司的长期愿景是什么?

在接下来的两年内，我看到我们成为保护所有商业通信的推理引擎 – 不仅仅是电子邮件，还包括 Teams、Slack、移动消息和新兴渠道。

我们用 TRACE 建立的技术基础 – 了解业务背景和意图 – 适用于电子邮件安全之外。随着组织采用更多的通信渠道和 AI 工具，他们需要在所有平台上的一致保护，能够理解业务逻辑。

从长远来看，我们的愿景是成为帮助组织在 AI 驱动的世界中自信地进行沟通的智能层。我们不希望安全成为沟通的障碍；我们希望成为使企业能够安全地采用新通信技术的系统。

最终的目标是达到一个组织不再将电子邮件安全视为一个单独问题的阶段 – 它只是商业沟通的内置组成部分，自动保护他们同时提高生产力。感谢您接受这次精彩的采访，希望读者能够通过访问 StrongestLayer 学习更多内容。