Ameesh Divatia, medstifter og CEO af Baffle – Interviewserie

Ameesh Divatia er medstifter og CEO af Baffle, et selskab, der fokuserer på at integrere datasikkerhed i alle aspekter af datapipelines for at simplificere skydataskyning og minimere effekten af dataudfald.

Deres platform tilbyder en løsning uden kode, der er let at installere, og som sikrer følsomme data uden at påvirke ydeevnen eller kræve ændringer i applikationer. Baffles teknologi er kompatibel med større cloud-leverandører såsom AWS, Azure, IBM og GCP. Ved at betjene en bred vifte af kunder, fra Fortune 25-selskaber til små og mellemstore virksomheder, beskytter Baffle over 100 milliarder poster på verdensplan, og samarbejder med systemintegratorer for en effektiv installation.

Hvad motiverede dig til at stifte Baffle, Inc., og hvordan formede dine tidligere erfaringer som iværksætter din tilgang i de tidlige faser af selskabet?

Efter min sidste virksomheds exit tog jeg en nødvendig pause for at genopladde og tænke over, hvad jeg virkelig ville gøre herefter. Jeg har altid elsket at bygge virksomheder, så jeg begyndte at have samtaler med en tidlig fase-VC-ven, og han introducerede mig for Priyadarshan “PD” Kolte, som ville blive min medstifter. Han udfordrede os med en interessant spørgsmål, forkledt som en udfordring: “Hvordan får man værdi fra data, mens man stadig beskytter det?” Den udfordring fik mig fanget—løsning af svære problemer er, hvad jeg lever for. Der var et åbenlyst hul i dataskyning, især omkring simplificering af kryptering og beskyttelse af data “i brug”. Ni år senere er vi her, og besvarer det spørgsmål med Baffle.

Med opblomstringen 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 enhver virksomhed, der arbejder 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), som starter med kryptering—beskyttelse af data, mens de er i ro, under transport og mens de er i brug. Ved at kryptere følsomme data før de når AI-modellerne og derefter bruge PEC til at behandle dem, kan du stadig få de indsigt, du har brug for, uden at kompromittere med sikkerheden. Det handler om at holde sig foran spillet, opdatere sikkerhedsprotokoller og udnytte værktøjer som Baffle til 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 dataskyningmetoder?

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

Baffle har nyligt lanceret en dataskyningssolution 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 enkel og effektiv, selv når du arbejder med AI. Den kobler sig til en eksisterende AI-pipeline ved at beskytte data, mens de indtages. Dette følges af en funktion kaldet real-spørgbar kryptering, som behandler data uden at afsløre dem. Det vigtigste er, at du ikke behøver at ændre noget i din AI-pipeline—ingen kodeændringer, ingen besvær. Bare kobl den til og gå. Vi har fokuseret på let brug og sikret, at sikkerhed ikke kommer i vejen for innovation, hvilket er grunden til, at kunder finder denne løsning så attraktiv.

Dit platform understreger “ingen kode”-ændringer for implementering af dataskyning. Hvordan gavner denne tilgang virksomheder, især de med store og komplekse datapipelines?

Ingen ønsker at ødelægge noget, der allerede fungerer. Med vores “ingen kode”-tilgang behøver virksomheder ikke at nedbryde deres eksisterende applikationer eller dataflytninger 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 problemer, der normalt følger med integration af ny teknologi.

Hvordan adskiller Baffles Real Spørgbar Kryptering sig fra andre krypteringsmetoder, og hvad er fordelene ved denne metode for virksomheder, der håndterer storstilet dataanalyse?

Real Spørgbar Kryptering er vores hemmelige sauce. I modsætning til traditionel kryptering, som kræver, at du dekrypterer data i datalageret, før du analyserer dem (og dermed afslører dem), låser vi dig til at 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.

Dataskyning under brug 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 dataskygningsregler?

Når data er under brug—bliver behandlet af systemer—is det normalt på sit mest sårbare punkt. Derfor er det kritisk at beskytte det i realtid, især med regler som GDPR, som kræver en holdning kaldet “dataskyning ved design”. Vores platform sikrer, at selv når data behandles, er det stadig krypteret. Denne tilgang eliminerer det risikable vindue af afsløring, hvor dataudfald ofte sker, og hjælper virksomheder med at forblive i overensstemmelse 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 angribere også. Fjendtlige angreb—hvor onde aktører forsøger at manipulere data, der påvirker en AI-modells output—er en voksende bekymring. Vi tackler dette ved at fokusere på datasiden. Ved at kryptere 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 dataskyningstrategier, 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 legitimationsnøgle kan få adgang til følsomme data, og holder ting låst tæt og reducerer risikoen for dataudfald.

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 udvikling?

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 alle virksomheder står overfor—dataskyning. Med stigende cybertrusler 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 grund til denne vækst. Fremover planlægger vi at fortsætte med at 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, kan besøge Baffle.