Saryu Nayyar，Gurucul的CEO和创始人 – 采访系列

Saryu Nayyar 是一位国际知名的网络安全专家、作者、演讲者和福布斯科技委员会成员。她在信息安全、身份和访问管理、IT风险和合规、安全风险管理领域拥有超过15年的经验。

她于2017年被评为EY企业家获奖者。她曾在Oracle (ORCL ) 、Simeio、Sun Microsystems、Vaau（被Sun收购）和迪士尼等公司担任安全产品和服务策略的领导职务。Saryu还曾在安永的技术安全和风险管理实践中担任高级职务多年。

Gurucul 是一家网络安全公司，专门从事基于行为的安全和风险分析。其平台利用机器学习、人工智能和大数据来检测内部威胁、账户泄露和跨混合环境的高级攻击。Gurucul以其统一的安全和风险分析平台而闻名，该平台集成了SIEM、UEBA（用户和实体行为分析）、XDR和身份分析，以提供实时威胁检测和响应。该公司为企业、政府和MSSP提供服务，旨在通过智能自动化减少误报并加快威胁缓解。

是什么启发你在2010年创立Gurucul，并且你当时试图解决网络安全领域的什么问题？

Gurucul成立的目的是帮助安全运营和内部风险管理团队对影响其业务的最关键的网络风险有所了解。自2010年以来，我们采取了行为和预测分析的方法，而不是基于规则的方法，这使我们生成了4000多个机器学习模型，这些模型将用户和实体的异常放入不同攻击和风险场景的背景中。我们以此为基础，扩展了我们的业务，从帮助大型财富50强公司解决内部风险挑战，到帮助公司对所有网络风险有更深入的了解。这是我们统一和人工智能驱动的数据和安全分析平台REVEAL的承诺。现在，我们正在继续我们的AI使命，旨在提供一个自主驾驶的安全分析平台，使用机器学习作为基础，并在整个威胁生命周期中叠加生成和代理AI能力。目标是让分析师和工程师花费更少的时间处理复杂性，更多的时间专注于有意义的工作。让机器放大他们日常活动的定义。

在Oracle、Sun Microsystems和安永等公司担任领导职务后，你从这些经历中带来了什么关键的经验教训到Gurucul？

我在Oracle、Sun Microsystems和安永的领导经验加强了我解决复杂安全挑战的能力，并让我了解了Fortune 100 CEO和CISO面临的挑战。总的来说，这让我有机会从前排座位上看到技术和商业挑战，并激发我去构建解决方案来弥合这些差距。

Gurucul的REVEAL平台与传统的SIEM（安全信息和事件管理）解决方案有什么区别？

传统的SIEM解决方案依赖于静态、基于规则的方法，导致误报过多、成本增加和检测及响应延迟。我们的REVEAL平台是完全的云原生和人工智能驱动的，利用高级机器学习、行为分析和动态风险评分来实时检测和响应威胁。与传统平台不同，REVEAL不断适应不断演变的威胁，并在本地、云端和混合环境中集成，以提供全面的安全覆盖。作为Gartner魔力象限中三次连续被评为“最具远见”的SIEM解决方案，REVEAL以其无与伦比的精度、速度和可见性重新定义了人工智能驱动的SIEM。此外，SIEM在处理数据过载问题时会遇到困难。它们的成本太高，无法处理所有必要的数据，即使它们这样做，也会增加误报问题。Gurucul理解这个问题，这就是为什么我们有一个本地和人工智能驱动的数据管道管理解决方案，可以将非关键数据过滤到低成本存储中，节省资金，同时保留在所有数据中运行联邦搜索的能力。分析系统是一个“垃圾进，垃圾出”的情况。如果输入的数据是过载、不必要或不完整的，那么输出将不准确、不可行或不可信。

你能解释一下机器学习和行为分析如何实时检测威胁吗？

我们的平台利用4000多个机器学习模型不断分析所有相关数据集，并实时识别异常和可疑行为。与依赖静态规则的传统安全系统不同，REVEAL在威胁出现时就发现它们。该平台还使用用户和实体行为分析（UEBA）来建立正常用户和实体行为的基线，检测可能指示内部威胁、泄露的帐户或恶意活动的偏差。这种行为进一步由一个大数据引擎上下文化，该引擎关联、丰富并链接安全、网络、IT、IoT、云、身份、商业应用程序数据和内部和外部来源的威胁情报。这种信息告知一个动态风险评分引擎，该引擎为行为分配实时风险评分，以帮助优先响应关键威胁。这些功能共同提供了一种全面的人工智能驱动的实时威胁检测和响应方法，这使REVEAL与传统的安全解决方案区别开来。

Gurucul的AI驱动方法如何帮助减少与传统网络安全系统相比的误报？

REVEAL平台通过利用人工智能驱动的上下文分析、行为洞察和机器学习来区分合法的用户活动和实际威胁，从而减少误报。与传统解决方案不同，REVEAL在时间的推移中完善其检测能力，提高准确性同时最小化噪音。其UEBA以高精度检测基线活动的偏差，使安全团队能够专注于合法的安全风险，而不是被误报淹没。虽然机器学习是基础方面，但生成和代理AI在进一步追加上下文以自然语言帮助分析师了解警报周围发生了什么以及甚至自动化警报响应方面发挥着重要作用。

对抗性AI在现代网络安全威胁中扮演什么角色，Gurucul如何应对这些不断演变的风险？

首先，我们已经看到对抗性AI被应用于最容易受到攻击的目标，即人为因素和基于身份的威胁。这就是为什么行为分析和身份分析对于识别异常行为、将其放入上下文并预测恶意行为在进一步蔓延之前至关重要的原因。另外，对抗性AI是基于签名的检测方法的致命一击。对手正在使用AI来规避这些TTP定义的检测规则，但同样，他们无法以同样的方式规避基于行为的检测。SOC团队没有足够的资源来不断编写规则以跟上对手的步伐，因此他们将需要一种现代的威胁检测、调查和响应方法。行为和上下文是关键成分。最后，像REVEAL这样的平台依赖于持续的反馈循环，我们不断应用AI来帮助我们完善我们的检测模型、推荐新模型并为我们的整个客户生态系统提供新的威胁情报的好处。

Gurucul的基于风险的评分系统如何提高安全团队优先处理威胁的能力？

我们的平台的动态风险评分系统根据观察到的行为和上下文洞察为用户、实体和操作分配实时风险评分。这使安全团队能够优先处理关键威胁，减少响应时间并优化资源。通过在0-100的范围内量化风险，REVEAL确保组织关注最紧迫的事件，而不是被低优先级的警报淹没。具有统一风险评分的企业数据源，安全团队获得了更大的可见性和控制力，从而带来更快、更明智的决策。

在数据泄露日益增加的时代，AI驱动的安全解决方案如何帮助组织防止内部威胁？

内部威胁是一个特别具有挑战性的安全风险，因为其性质微妙，员工拥有访问权限。REVEAL的UEBA检测偏离已建立的行为基线，识别未经授权的数据访问、异常登录时间和权限滥用的风险活动。动态风险评分还实时评估行为，分配风险级别以优先处理最紧迫的内部风险。这些人工智能驱动的功能使安全团队能够主动检测和减轻内部威胁，在其升级为泄露之前。鉴于行为分析的预测性质，内部风险管理是一个与时间赛跑的过程。内部风险管理团队需要快速响应和协作，优先考虑隐私。上下文在这里至关重要，追加来自身份系统、人力资源应用程序和所有其他相关数据源的行为偏差的上下文，为这些团队提供了快速构建和捍卫证据案例的弹药，因此业务可以在数据泄露发生之前响应和补救。

Gurucul的身份分析解决方案如何增强安全性，相比传统的IAM（身份和访问管理）工具？

传统的IAM解决方案专注于访问控制和身份验证，但缺乏实时检测泄露的帐户或权限滥用的智能和可见性。REVEAL通过利用人工智能驱动的行为分析来实时评估用户风险、动态调整风险评分和执行自适应访问授权，超越了这些限制，最大限度地降低了滥用和非法特权。通过与现有的IAM框架集成并执行最小特权访问，我们的解决方案增强了身份安全并减少了攻击面。IAM治理的问题是身份系统的蔓延和不同身份系统之间的互联互通的缺乏。Gurucul为团队提供了对其身份风险的360°视图，跨越所有身份基础设施。现在他们可以停止为访问政策盖章，而是采取基于风险的方法。另外，他们可以加快IAM的合规方面，并展示对访问控制的持续监控和整体方法，跨整个组织。

您在接下来的五年中预见的主要网络安全威胁是什么，AI如何帮助减轻这些威胁？

基于身份的威胁将继续蔓延，因为它们已经奏效。对手将加倍利用人为因素和基于身份的威胁。这就是为什么行为分析和身份分析对于识别异常行为、将其放入上下文并预测恶意行为在进一步蔓延之前至关重要的原因。另外，内部威胁将继续成为许多企业的主要风险因素，尤其是随着影子IT的继续。无论是恶意的还是疏忽的，公司将越来越需要内部风险的可见性。此外，AI将加速传统TTP的变化，因为对手知道这就是他们能够避免检测的方式，而且这对他们来说创造适应性策略、技术和协议的成本将很低。因此，专注于上下文中的行为并拥有能够跟上速度的检测系统将在可预见的未来至关重要。

感谢这次精彩的采访，希望了解更多的读者可以访问Gurucul。