Ameesh Divatia, Co-founder & CEO of Baffle – Interview Serie

Ameesh Divatia er co-founder & CEO af Baffle, et selskab, der fokuserer på at integrere datasikkerhed i alle aspekter af datapipelinen for at simplificere skydatasikkerhed og minimere virkningen af dataudtræninger.

Dets platform tilbyder en no-code, let-at-implementere løsning, der sikrer følsomme data uden at påvirke ydeevnen eller kræve ændringer i programmer. Baffles teknologi er kompatibel med større cloud-udbydere som AWS, Azure, IBM og GCP. Ved at betjene en bred vifte af kunder, fra Fortune 25-virksomheder til små og mellemstore virksomheder, beskytter Baffle over 100 milliarder poster verden over og samarbejder med systemintegratorer for effektiv implementering.

Hvad motiverede dig til at co-founde Baffle, Inc., og hvordan formede dine tidligere erhvervserfaringer din tilgang i de tidlige faser af virksomheden?

Efter min sidste virksomheds exit tog jeg en meget nødvendig pause for at genopladde og tænke over, hvad jeg virkelig ville gøre herefter. Jeg har altid elsket at bygge virksomheder, så jeg startede med at have samtaler med en tidligsphase-VC-ven, og han introducerede mig til Priyadarshan “PD” Kolte, som ville blive min co-founder. Han udfordrede os med en intriguerende spørgsmål, forkledt som en udfordring: “Hvordan får man værdi fra data, mens man stadig beskytter det?” Den udfordring fik mig – at løse svære problemer er, hvad jeg lever for. Der var en glærende lukke i dataprotektion, især omkring at simplificere kryptering og beskytte data “i brug”. Ni år senere er vi her, hvor vi besvarer det spørgsmål med Baffle.

Med opkomsten af generativ AI, hvordan kan virksomheder sikre, at deres data forbliver sikre, mens de stadig udnytter fordelene ved AI-teknologier?

Dette er et spørgsmål, som hver virksomhed, der eksperimenterer med AI, bør stille. Sikkerhed og innovation føles ofte som to modsatrettede kræfter, men de behøver ikke at være det. Nøglen er en gennembrud-innovation kaldet Privacy Enhanced Computation (PEC), der starter med kryptering – ved at holde data beskyttet i ro, under transport og mens de er i brug. Ved at kryptere følsomme data før de kommer til AI-modellerne først og derefter bruge PEC til at behandle dem, kan du stadig få de indsigt, du behøver, uden at kompromittere med sikkerheden. Det handler om at være foran spillet, opdatere sikkerhedsprotokoller og udnytte værktøjer som Baffle for at minimere risici. Du behøver ikke at ofre innovation for sikkerhed.

Kan du forklare den specifikke rolle, som kryptering spiller i beskyttelse af AI-genereret data og -modeller? Hvordan adskiller det sig fra traditionelle dataprotektionsmetoder?

Kryptering af AI-data er som at indpakke din mest værdifulde ejendom i bobleplast – uanset hvor meget den bliver kastet rundt, forbliver den beskyttet. Tænk på det som at låse data, mens du bruger det. Traditionelle metoder fokuserer på at sikre data, når det ikke er i brug (i ro) eller når det bevæger sig (under transport). Men med AI tilføjer vi en ny lag kompleksitet, fordi dataene skal forblive krypteret, selv når de behandles af modeller. Baffle fokuserer på denne “data-i-brug”-beskyttelse, der sikrer, at ydeevnen ikke påvirkes, men sikkerheden ikke ofres.

Baffle har nyligt lanceret en dataprotektionsløsning specifikt til GenAI-projekter. Kan du dele mere detaljer om, hvordan denne løsning fungerer, og hvad der gør den unik på markedet?

Vores GenAI-løsning handler om at gøre kryptering enkelt og effektiv, selv når du arbejder med AI. Den kan kobles til en eksisterende AI-pipeline ved at beskytte data, mens det indtastes. Dette følges af en funktion kaldet real-spørgbar kryptering, der behandler data uden at afsløre dem. Det vigtigste er, at du ikke behøver at ændre noget i din AI-pipeline – ingen omskrivning af kode, ingen besvær. Bare kobl det til og gå. Vi har fokuseret på let brug og sikret, at sikkerhed ikke kommer i vejen for innovation, hvilket er hvorfor kunder finder denne løsning så attraktiv.

Dit platform fremhæver “ingen kode”-ændringer for at implementere dataprotektion. Hvordan gavner denne tilgang virksomheder, især de med store, komplekse datapipelines?

Ingen ønsker at bryde noget, der allerede fungerer. Med vores “ingen kode”-tilgang behøver virksomheder ikke at nedtage deres eksisterende programmer eller datapipelines for at tilføje kryptering. Dette er en stor fordel for store organisationer med komplekse datapipelines, fordi det betyder, at de kan styrke sikkerheden uden at risikere afbrydelser. Det er hurtigere, lettere og fjerner mange af de hovedpiner, der normalt følger med integration af ny teknologi.

Hvordan adskiller Baffles Real Queryable Encryption sig fra andre krypteringsmetoder, og hvad er fordelene for virksomheder, der håndterer storstilet dataanalyse?

Real Queryable Encryption er vores hemmelige sauce. I modsætning til traditionel kryptering, der kræver, at du dekrypterer data i datalageret, før du analyserer det (og dermed afslører det), låter vi dig køre forespørgsler på de krypterede data selv. Det er som at have kagen og spise den – du får indsigt uden at risikere sikkerheden. Dette er en game-changer, især for virksomheder, der håndterer enorme mængder følsomme data, som i finans eller sundhedssektoren, hvor overholdelse er uafviselig.

Data-i-brug-beskyttelse er en kritisk funktion i Baffles platform. Kan du forklare, hvordan dette fungerer, og hvorfor det er afgørende for virksomheder, især i sammenhæng med GDPR og andre dataprotektionsregler?

Når data er i brug – behandles af systemer – er det normalt på sin mest sårbare. Derfor er det kritisk at beskytte det i realtid, især med regler som GDPR, der kræver en holdning kaldet “dataprojektion ved design”. Vores platform sikrer, at selv når data behandles, er det stadig krypteret. Denne tilgang eliminerer det risikable vindue af eksponering, hvor dataudtræninger ofte sker, og hjælper virksomheder med at forblive samarbejdende og sikre.

Da AI-modeller bliver mere komplekse, hvad er de primære udfordringer i at sikre disse modeller mod fjendtlige angreb, og hvordan adresserer Baffle disse udfordringer?

AI-modeller bliver smartere, men angriberne også. Fjendtlige angreb – hvor onde aktører forsøger at manipulere de data, der påvirker en AI-models output – er en voksende bekymring. Vi tackler dette ved at fokusere på datasiden. Ved at kryptere de data, som AI-modellerne afhænger af, gør vi det meget sværere for nogen at manipulere med modellens integritet. Det er som at give AI-modellen en låst skab med data – ingen kommer ind uden nøglen.

Kan du diskutere betydningen af rollebaseret adgangskontrol (RBAC) i moderne dataprotektionsstrategier, især for organisationer, der bruger multi-tenant cloud-miljøer?

I multi-tenant cloud-miljøer er RBAC en nødvendighed. Forestil dig, at du har en masse mennesker, der deler den samme cloud-infrastruktur. Uden RBAC er det som at give alle adgang til hele bygningen i stedet for kun deres kontor. Vores platform integrerer RBAC, så kun autoriserede personer baseret på deres individuelle rolle eller legitimationsoplysninger kan få adgang til følsomme data, og holder ting låst tæt og reducerer risikoen for dataudtræninger.

Baffle har oplevet betydelig vækst i de seneste år, med en fordobling af omsætningen i det sidste år. Hvad tilskriver du denne vækst til, og hvordan planlægger du at fortsætte denne trajektori?

Vi rider på en bølge af efterspørgsel, fordi vi har bygget den rette løsning for det rette problem. Vores vækst skyldes en ting: vi løser et problem, som hver virksomhed står overfor – dataprotektion. Med stigende cybersikkerhedsTrusler og strengere regler vender virksomheder sig til os for løsninger, der fungerer uden at bremse dem. Vores fokus på real-spørgbar kryptering og let brug er en stor årsag til denne vækst. Fremover planlægger vi at fortsætte med at presse grænserne for innovation, udvide vores produkter og bygge stærke partnerskaber, der tager os ind i nye markeder.

Tak for det gode interview. Læsere, der ønsker at lære mere, skal besøge Baffle.