Yoav Regev, CEO og medstifter af Sentra – Intervju-serie

Yoav Regev, medstifter og CEO, er en erfaren cybersecurity-professionel med over 20 års erfaring i Israels militære efterretningstjeneste, hvor han ledte Cyber-afdelingen. Han står nu i spidsen for Sentra, et selskab, der er dedikeret til at tackle moderne udfordringer i cloud- og datasikkerhed.

Sentra er en cloud-baseret, AI-drevet datasikkerhedsplatform, der er designet til at opdage, klassificere og overvåge både struktureret og ustruktureret data på tværs af IaaS, PaaS, SaaS og on-prem-miljøer. Den lægger vægt på at holde kundens data inden for deres egen infrastruktur, samtidig med at den anvender politik-gennemførelse, afvigelsesdetektion, mindst-privilegeret adgang og compliance-sikkerhedsforanstaltninger for at reducere eksponering og sikre følsomme aktiver.

De tilbragte over to årtier i Israels eliteenhed Unit 8200, herunder som chef for Cyber-afdelingen. Hvordan formede den erfaring din filosofi omkring cybersecurity – og hvordan førte det til, at du stiftede Sentra?

Efter at have ledet cyber-operationer i Unit 8200 i mange år, blev det overvældende klart, at alt kommer tilbage til data. Uanset om det var et brud, et ransomware-angreb eller en cyber-operation, var årsagen ofte den samme. Nogen vidste ikke, hvor deres data var, hvem havde adgang til det, eller hvordan det blev brugt. Vi så gang på gang, hvordan manglen på indsigt og kontrol kunne udløse hele systemer.

Det blev ved med mig, og da jeg begyndte at tale med CISO’er, CIO’er og sikkerhedsledere på tværs af brancher, gentog de igen og igen den samme kamp. Alle ønskede at flytte hurtigere, adoptere cloud, udnytte AI, men de kunne ikke, fordi de ikke fuldt ud forstod deres data. Hvad er følsomt? Hvad er stædt? Hvad har brug for beskyttelse?

Data er ikke længere kun en aktiv. Det er den afgørende faktor mellem et godt selskab og et stort selskab. Men kun hvis du kan kontrollere det. Sentra blev bygget for at give organisationer den indsigt og kontrol, de har brug for for at kunne udnytte deres data. For at innovere med tillid, skal du kende dit data, forstå dets kontekst og beskytte det på alle punkter.

Hvilke specifikke udfordringer eller mønstre så du i militære cyber-operationer, som du nu ser spille ud i erhvervslivet med AI og datasikkerhed?

I militæret afhang succes af hastighed. Du skulle flytte hurtigere end modstanderen. Det krævede konstant kortlægning, kontinuerlig vurdering og evnen til at handle, før noget blev til en krise.

I erhvervslivet er indsatsen anderledes, men udfordringen er den samme. Organisationer ønsker at flytte hurtigt, især med AI-udviklingens tempo. De skyder mere og mere data til kanten for at føde modeller, træffe beslutninger og personificere oplevelser. Men den acceleration kommer med risiko.

Tænk på Formel 1-racing. Alle fokuserer på, hvor hurtigt bilen kan køre, men det er bremse-systemet, der virkelig vinder løb. Hastighed uden kontrol er bare farligt. Med AI er kontrollerne lige så vigtige som kapaciteterne. Hvis du vil flytte hurtigt, skal du vide, hvordan du kontrollerer ved design, styring og stop, når det er nødvendigt. Det betyder, at du skal forstå dit data, før det kommer ind i systemet, og ikke efter noget går galt.

Hvorfor er traditionelle sikkerhedsværktøjer ikke længere tilstrækkelige i AI-æraen? Hvad gør sikring af AI-drevne arbejdsgange og generative modeller fundamentalt anderledes?

Traditionelle sikkerhedsværktøjer var aldrig designet til autonome systemer som AI. Disse værktøjer var bygget til miljøer, hvor mennesker gennemgik beslutninger og styrede adgang med klare perimetre.

AI fungerer ikke på den måde. Det behandler enorme mængder af data og træffer beslutninger uafhængigt. Øjeblikket, data kommer ind, begynder muligheden for oversigt at forsvinde. Det er, hvad der gør det så fundamentalt anderledes og farligt, hvis det ikke håndteres korrekt.

Med generativ AI får du ikke en anden chance. Når data er inde, er det næsten umuligt at trække det tilbage eller gennemgå, hvad der skete med det. Derfor er indsigt, klassificering og adgangskontrol før indtagelsespunktet absolut kritisk. AI er ikke kun et beregningsproblem. Det er et dataproblem i sin kerne.

Jeres platform bruger AI-drevet klassificering med over 95% nøjagtighed på petabyte-skala. Hvad er under panseret – hvordan kombinerer I AI-modeller med sikkerhedslogik for at levere den præcision?

Vi designede Sentra til at fungere fuldstændigt inden for kundens miljø. Vi flytter ikke data udenfor. Vi deler det ikke. Det er en kerneprincippet. Alt forbliver under kundens kontrol, og vores platform tilpasser sig til den krav uden kompromis.

Under panseret bruger vi en kombination af AI, LLM-teknikker og proprietær sikkerhedslogik til at klassificere data baseret på dets kontekst, ikke kun dets metadata. Det betyder, at selv hvis et følsomt datapunkt er begravet inde i en ustruktureret fil, kan vores modeller stadig identificere det og fortælle dig dets formål. Og fordi vi gør dette uden at fjerne data fra dens kilde, opretholder vi privatliv og compliance på hvert trin.

Dette tilgang giver kunderne det bedste af begge verdener: præcision og tillid. Vi kan automatisere dataforståelse og beslutningstagning med en høj grad af nøjagtighed, og vi gør det uden at ofre sikkerhed eller udsætte deres mest værdifulde aktiv – deres data.

Skjult data og multi-cloud-udbredelse accelererer hurtigt. Hvad er de største blinde pletter erhvervslivet har, når det kommer til dataindsigt – og hvordan hjælper Sentra med at lukke disse huller?

Den største lucke er indsigt. Mange virksomheder tror, de kender, hvor deres følsomme data er, men de ser kun en del af billedet. AI-værktøjer, cloud-migration og SaaS-platforme genererer massive mængder af data, der ofte er uden for formal kontrol. Dette er, hvad vi kalder skjult data.

Skjult data er præcis, hvad angribere går efter. Det er følsomt, ubeskyttet og usynligt for de fleste værktøjer. Sentra løser dette ved at give organisationer en komplet, realtidskort over deres data – på tværs af cloud, SaaS, on-prem og AI-systemer. Vi klassificerer data efter følsomhed og hjælper sikkerhedsteams med at prioritere, hvor risikoen lever, hvordan man fikserer det og hvordan man holder sig i overensstemmelse.

I har en unik tværgående perspektiv fra jeres arbejde med internationale partnere. Hvordan påvirker globale datastyrings- og reguleringsrammer Sentras platformstrategi?

Arbejdet med internationale partnere gjorde det klart, at overensstemmelse ikke kun er en afkrydsningsboks. Det er en kernefunktion af tillid. Forskellige lande har forskellige regler, men det, de alle kræver, er kontrol. Du skal kontrollere, hvor dit data er, og hvem bruger det.

Sentra blev designet til at opfylde disse krav. Vi understøtter reguleringskrav som GDPR, HIPAA, CCPA og de nye AI-relaterede love. Vi giver kunderne værktøjer til at demonstrere overensstemmelse og gennemføre politik. Vi gør det på tværs af grænser og systemer.

I understreger ofte offensiv sikkerhedsstrategi over reaktiv. Hvordan viser den holdning sig i produktet – og hvorfor er det kritisk i dagens AI-trusselslandskab?

Sentra blev bygget på en proaktiv sikkerhedsfilosofi. Vi tror ikke, at organisationer skal vente på, at incidenter sker. I stedet hjælper vi dem med at opdage følsomme data, uanset hvor de bor, overvåge for afvigelser i næsten realtid og reagere øjeblikkeligt, når risiko er detekteret.

Vores platform scanner kontinuerligt miljøer, klassificerer følsomme oplysninger og integrerer med sikkerhedsværktøjer for at initiere remediering automatisk. Det er den fremadrettende tilgang til at tage handling, før en modstander gør, der definerer offensiv sikkerhed. Og i en AI-dreven verden er den proaktive tilgang ikke længere valgfri.

Sentra integrerer på tværs af IaaS, PaaS, SaaS og selv AI-co-piloter. Hvad er de mest overraskende eller risikable adfærdsmønstre, I har set opstå i disse miljøer for nylig?

Agentisk AI introducerer alvorlige nye risici. Det kan give systemer adgang til, behandle eller dele følsomme data med lidt eller ingen oversigt, hvilket tilføjer en lag kompleksitet for sikkerhedsteams.

LLM’er kan eksponere følsomme oplysninger, når de bedes om at sammenfatte interne indhold eller bruges på måder, der omgår eksisterende dataprotektionsprotokoller og adgangsrettigheder. Uden de rette sikkerhedsforanstaltninger kan disse værktøjer blive en ufrivillig vektor for data-lækage eller uautoriseret afsløring.

Med den hurtige opstigning af generativ AI i erhvervslivet, hvad er én sikkerhedsmyte, du gerne vil afkræfte – og én kritisk advarsel, du ønsker, at flere ledere ville tage alvorligt?

En af de største myter, jeg hører, er, at AI-systemer er på en måde sikre som standard, og at deres kompleksitet gør dem sværere at bryde. Men i cybersikkerhed er kompleksitet ofte fjenden. Jo mere intrikat systemet er, jo flere muligheder er der for miskonfigurationer, blinde pletter eller excessiv adgang.

Realiteten er, at AI-systemer, og især de med adgang til følsomme data, kan blive store eksponeringspunkter, hvis de ikke styres korrekt.

En kritisk advarsel, jeg ville dele med enhver leder, er følgende: Behandle ikke AI-systemer som sorte kasser. Gennemfør mindst-privilegeret adgang fra dag én. Disse modeller skal kun have adgang til den data, de virkelig har brug for for at udføre deres funktion, og intet mere. Uden den disciplin kan det blive meget let for følsomme data at blive overeksponeret, misbrugt eller lækket. Og fordi AI kan fungere uafhængigt eller endda i kaskade-sekvens, kan disse eksponeringer skala hurtigere, end mennesker realiserer.

Med henblik på fremtiden, hvordan ser du intersectionen af AI, cybersikkerhed og overensstemmelse udvikle sig over de næste 3-5 år – og hvordan forbereder Sentra sig på den fremtid?

Vi ser allerede den første bølge af AI-specifikke reguleringsforslag tage form. Colorado har vedtaget en banebrydende AI-lov fokuseret på forbrugerbeskyttelse, og i 2025 alene er der blevet indført over 700 AI-relaterede lovforslag på tværs af USA. Vi forventer fortsat stigende momentum globalt, lignende det, vi så med GDPR og CCPA. Beskeden er klar: AI-styring er ikke længere teoretisk, og det bliver en overensstemmelseskrav.

For erhvervslivet betyder det to ting. Først skal de have dybere indsigt i, hvordan AI-systemer interagerer med følsomme data. Og andet skal de have værktøjer til at gennemføre kontrol på dataniveauet, hvor organisationer kan mindske risici, før de multiplierer.

Hos Sentra bygger vi for den fremtid nu. Vores Data Security for AI Agents-løsning giver organisationer mulighed for at opdage AI-værktøjer i brug på tværs af deres miljøer, kortlægge data, de har adgang til, klassificere data efter følsomhed og overvåge udgangspunkter for at forhindre lækage eller misbrug.

Vi vil fortsætte med at udvide disse kapaciteter, samtidig med at vi fastholder vores kernekompetencer inden for omfattende dataopdagelse, præcis klassificering og proaktiv risikomindskning. AI bringer massiv potentiale, men det skal adopteres på en sikker og ansvarlig måde. Det er udfaldet, vi hjælper kunder med at opnå.

Tak for det gode interview. Læsere, der ønsker at lære mere, kan besøge Sentra.