David Matalon, CEO και Ιδρυτής της Venn – Σειρά Συνεντεύξεων

David Matalon, CEO και Ιδρυτής της Venn, είναι ένας serial επιχειρηματίας με μακρά εμπειρία στην κατασκευή ασφαλούς επιχειρηματικών τεχνολογικών πλατφορμών, έχοντας προηγουμένως ηγηθεί της OS33, μιας πρώτης εταιρείας σε ασφαλείς χώρους εργασίας για χρηματοοικονομικές εταιρείες, και της External IT, μιας πρωτοποριακής εταιρείας σε φιλοξενημένες υπηρεσίες IT. Με τη Venn, επικεντρώνεται στην αναedefinition της ασφάλειας τηλεεργασίας, ermögνοντας στις οργανώσεις να υιοθετήσουν μοντέλα φέρνω-το-δικό-σου-συσκευή (BYOD) χωρίς να θυσιάζουν τη συμμόρφωση ή τον έλεγχο, αξιοποιώντας την sâuρη εμπειρία του σε cloud υποδομή, ασφάλεια τελικού σημείου και ρυθμισμένες βιομηχανίες για να αντιμετωπίσει τις αυξανόμενες προκλήσεις των κατανεμημένων εργατικών δυνάμεων.

Venn είναι μια πλατφόρμα κυβερνοασφάλειας και τηλεεργασίας που σχεδιάστηκε για να προστατεύει τα δεδομένα της εταιρείας σε προσωπικές και μη διαχειριζόμενες συσκευές μέσω της προιδιόκτητης τεχνολογίας Blue Border, η οποία δημιουργεί ένα ασφαλές, κρυπτογραφημένο περιβάλλον σε ένα υπολογιστή του χρήστη όπου οι εφαρμογές εργασίας και τα δεδομένα απομονώνονται από την προσωπική δραστηριότητα. Σε αντίθεση με την παραδοσιακή εικονική υποδομή επιφάνειας εργασίας, η Venn επιτρέπει στις εφαρμογές να εκτελούνται τοπικά με φυσική απόδοση ενώ επιβάλλει αυστηρές πολιτικές προστασίας δεδομένων και συμμόρφωσης, βοηθώντας τις οργανώσεις να μειώσουν το IT overhead, να εντάξουν γρήγορα τηλεεργαζόμενους και να διατηρήσουν την ιδιωτικότητα διαχωρίζοντας τα εταιρικά και προσωπικά περιβάλλοντα στην ίδια συσκευή.

Έχετε περάσει περισσότερες από δύο δεκαετίες κατασκευάζοντας τεχνολογία για ασφαλή τηλεεργασία, από την εκκίνηση της Offyx στις πρώτες μέρες των παρόχων εφαρμογών μέχρι την ίδρυση της OS33 και τώρα της Venn. Ποια μαθήματα από τις προηγούμενες εταιρείες σας οδήγησαν να κατασκευάσετε τη Venn, και πώς αυτές οι εμπειρίες διαμόρφωσαν την ιδέα πίσω από τη Blue Border και την οπτική σας για την ασφάλεια των σύγχρονων BYOD εργατικών δυνάμεων;

Κατά τη διάρκεια των τελευταίων δύο δεκαετιών, είχα την ευκαιρία να κατασκευάσω εταιρείες σε διάφορα στάδια της εξέλιξης της τηλεεργασίας. Στην OS33, περάσαμε χρόνια παρέχοντας ασφαλείς περιβάλλοντα τηλεεργασίας μέσω φιλοξενημένης υποδομής που χρησιμοποιούσε τεχνολογία παρόμοια με εικονική υποδομή επιφάνειας εργασίας (VDI). Ενώ το μοντέλο ασφάλειας λειτουργούσε, συνεχώς ακούγαμε την ίδια ανατροφή από τους πελάτες: η εμπειρία χρήσης εφαρμογών που φιλοξενούνταν απόμακρως ήταν συχνά αργή, σύνθετη να διατηρηθεί και ενοχλητική για τους χρήστες.

Αυτή η ανατροπή ήταν ένα σημείο καμπής. Η απόμακρη φιλοξενία εισήγαγε απωλεία που δεν μπορούσε να αποφευχθεί και απαιτούσε σημαντική υποδομή, δημιουργώντας λειτουργική复잡ότητα για τις ομάδες IT. Αρχίσαμε να ρωτάμε μια απλή ερώτηση: τι αν η φιλοξενία αφαιρεθεί完全 από τη σχέση; Αντί να τρέχουμε εργασία κάπου αλλού και να την μεταδίδουμε στο χρήστη, μπορούσαμε να τρέχουμε ασφαλώς εργασία τοπικά στη συσκευή του χρήστη ενώ vẫn προστατεύαμε τα εταιρικά δεδομένα;

Αυτή η σκέψη οδήγησε τελικά στη Venn και στην концепασία πίσω από τη Blue Border. Αντί να αναγκάζουμε την εργασία μέσω απόμακρης φιλοξενίας και εικονικής, δημιουργήσαμε ένα νέο μοντέλο που επιτρέπει στις εταιρικές εφαρμογές να τρέχουν τοπικά στη συσκευή του χρήστη ενώ διατηρούν τα εταιρικά δεδομένα κρυπτογραφημένα και προστατευμένα. Ακόμη και σε μια προσωπική λάπτοπ, η εργασία παραμένει απομονωμένη και προστατευμένη από την προσωπική δραστηριότητα.

Εργαλεία τεχνητής νοημοσύνης εξαπλώνονται σε επιχειρήσεις γρηγορότερα από ό,τι οι πολιτικές μπορούν να跟θούν. Από την οπτική σας, γιατί η διακυβέρνηση έχει δυσκολευτεί να跟θεί με την υιοθέτηση τεχνητής νοημοσύνης μέσα στις οργανώσεις;

Η διακυβέρνηση έχει δυσκολευτεί να跟θεί με την υιοθέτηση τεχνητής νοημοσύνης γιατί η τεχνολογία έγινε ένα καθημερινό εργαλείο σχεδόν από τη μια μέρα στην άλλη. Τα τελευταία χρόνια από τότε που η ChatGPT εξερράγη, οι υπάλληλοι έχουν ενσωματώσει την τεχνητή νοημοσύνη στις ζωές και τις εργασίες τους. Δεν περιμένουν τις επίσημες κύκλους έγκρισης του IT, αλλά ήδη χρησιμοποιούν την τεχνητή νοημοσύνη για να γράψουν γρηγορότερα, να αναλύσουν πληροφορίες, να συνοψίσουν συναντήσεις ή να δημιουργήσουν κώδικα σε δευτερόλεπτα. Σε meisten οργανώσεις, η δημιουργία πολιτικής, η νομική αναθεώρηση, η επαλήθευση ασφαλείας και η ανάπτυξη του IT συμβαίνουν σε μια πολύ πιο αργή χρονοσειρά από τη συμπεριφορά του χρήστη. Αυτό το κενό είναι όπου η διακυβέρνηση της τεχνητής νοημοσύνης μένει πίσω.

Το βαθύτερο πρόβλημα είναι ότι πολλές οργανώσεις προσπαθούν να εφαρμόσουν το μοντέλο ελέγχου της χθες στην πραγματικότητα της τεχνητής νοημοσύνης της σήμερα. Η παραδοσιακή διακυβέρνηση ήταν κατασκευασμένη γύρω από την έγκριση ή το μπλοκάρισμα ενός γνωστού συνόλου εφαρμογών, αλλά η τεχνητή νοημοσύνη είναι τώρα ενσωματωμένη σε browsers, πλατφόρμες SaaS και ακόμη και σε λειτουργικά συστήματα. Η διακυβέρνηση πρέπει να εξελιχθεί πέρα από τον έλεγχο ενός προκαθορισμένου συνόλου εργαλείων και να επικεντρωθεί στην προστασία των δεδομένων όπου κι αν βρίσκονται, να ασφαλίσει το περιβάλλον εργασίας και να ορίσει τις συνθήκες υπό τις οποίες ευαίσθητες πληροφορίες μπορούν να χρησιμοποιηθούν ασφαλώς.

Πολλές εταιρείες προσπαθούν να λύσουν το πρόβλημα με την περιορισμό ή απαγόρευση εργαλείων γενετικής τεχνητής νοημοσύνης. Γιατί πιστεύετε ότι αυτή η προσέγγιση αποτυγχάνει στην πράξη, και ποια μη προβλεπόμενα рисks μπορεί να δημιουργήσει;

Οι απαγορεύσεις αποτυγχάνουν γιατί αγνοούν την πραγματικότητα του τρόπου με τον οποίο οι άνθρωποι εργάζονται. Οι υπάλληλοι θα βρουν τρόπους να χρησιμοποιήσουν εργαλεία τεχνητής νοημοσύνης ανεξάρτητα από την επίσημη έγκριση. Αυτό δημιουργεί σκιώδη τεχνητή νοημοσύνη, ή μη εγκεκριμένη χρήση εργαλείων, προσωπικών λογαριασμών, workflows ανταλλαγής και browser-βασισμένων αλληλεπιδράσεων, που μπορεί να συμβούν εκτός εγκεκριμένης επιτήρησης. Η εταιρεία τότε χάνει την ορατότητα, θέτοντας τα ευαίσθητα δεδομένα της σε κίνδυνο.

Σε πολλές περιπτώσεις, οι περιοριστικές πολιτικές μπορούν να αυξήσουν τον κίνδυνο αντί να τον μειώσουν. Όταν οι υπάλληλοι δεν μπορούν να χρησιμοποιήσουν αυτά τα εργαλεία ασφαλώς, συχνά βρίσκουν τρόπους να τα χρησιμοποιήσουν. Τα ευαίσθητα δεδομένα της εταιρείας μπορεί να ρέουν σε εργαλεία που οι ομάδες IT ή ασφαλείας δεν παρακολουθούν ή δεν ελέγχουν. Η καλύτερη προσέγγιση δεν είναι η απαγόρευση για χάρη της απαγόρευσης, αλλά η ενεργοποίηση της ασφαλής χρήσης μέσω απομόνωσης, ελέγχου δεδομένων και σαφών ορίων που επιτρέπουν στην επιχείρηση να προχωρήσει χωρίς να εκθέτει κρίσιμες πληροφορίες.

Οι ικανότητες της τεχνητής νοημοσύνης ενσωματώνονται ολοένα και περισσότερο σε καθημερινές εφαρμογές αντί να υπάρχουν ως αυτόνομες εφαρμογές. Πώς αυτή η μετατόπιση αλλάζει τον τρόπο με τον οποίο οι ομάδες ασφαλείας πρέπει να σκέφτονται για την παρακολούθηση και τον έλεγχο της έκθεσης δεδομένων;

Αυτή η μετατόπιση είναι σημαντική γιατί σπάει το παλιό μοντέλο σκέψης του “επικίνδυνου εργαλείου versus εγκεκριμένου εργαλείου”. Αν η τεχνητή νοημοσύνη είναι ενσωματωμένη σε email, CRM, συσκέψεις, επεξεργασία εγγράφων και αναζήτηση, τότε η έκθεση δεδομένων δεν συνδέεται πλέον με το αν ο χρήστης ανοίγει ένα ξεχωριστό εργαλείο τεχνητής νοημοσύνης. Συνδέεται με ποια δεδομένα είναι προσβάσιμα μέσα στην εφαρμογή, ποιο контέκστ η τεχνητή νοημοσύνη μπορεί να δει και αν αυτή η αλληλεπίδραση συμβαίνει μέσα σε ένα ασφαλές περιβάλλον εργασίας.

Ως αποτέλεσμα, οι ομάδες ασφαλείας πρέπει να επικεντρωθούν στην προστασία των δεδομένων αντί για πλήρη κλείδωμα συσκευών. Ο έλεγχος πρέπει να είναι στην απομόνωση των συνεδριών εργασίας, τον έλεγχο της ανταλλαγής και των λήψεων όπου είναι κατάλληλο, την πρόληψη της διαρροής μεταξύ προσωπικών και επαγγελματικών контέκστ και την εγγύηση ότι ευαίσθητες πληροφορίες παραμένουν μέσα σε ένα προστατευμένο περιβάλλον.

Η τεχνολογία Blue Border της Venn απομονώνει τις εφαρμογές εργασίας και τα δεδομένα τοπικά στη συσκευή του χρήστη αντί να βασίζεται στην παραδοσιακή εικονική υποδομή επιφάνειας εργασίας. Πώς αυτή η αρχιτεκτονική αλλάζει θεμελιωδώς το μοντέλο ασφαλείας τελικού σημείου για τη τηλεεργασία;

Η Blue Border αλλάζει θεμελιωδώς το μοντέλο ασφαλείας τελικού σημείου μετακινώντας την ιδέα ότι η ασφάλεια απαιτεί είτε πλήρη έλεγχο συσκευής είτε εικονική επιφάνεια εργασίας. Η παραδοσιακή VDI ασφαλίζει την εργασία φιλοξενούμενη απόμακρως και την μεταδίδει στο χρήστη. Η Blue Border ασφαλίζει την εργασία τοπικά στη συσκευή του χρήστη δημιουργώντας ένα ασφαλές, ελεγχόμενο από το IT περιβάλλον όπου οι εφαρμογές τρέχουν τοπικά και τα εταιρικά δεδομένα παραμένουν απομονωμένα και προστατευμένα.

Το αποτέλεσμα είναι ένα διαφορετικό μοντέλο ασφαλείας για τη τηλεεργασία, όπου οι εταιρείες μπορούν να επιβάλλουν προστασία γύρω από την εργασία χωρίς να χρειάζεται να εκδίδουν εταιρικές συσκευές ή να αναγκάζουν τους χρήστες να αντιμετωπίσουν την καθυστέρηση και την απώλεια που προέρχεται από την φιλοξενία ενός επιφάνειας εργασίας στο cloud.

Από την άποψη της αρχιτεκτονικής ασφαλείας, αυτό μετατοπίζει το μοντέλο από τον έλεγχο του整έλου τελικού σημείου ή την κεντρικοποίηση των πρωτοκόλλων ασφαλείας, στην προστασία του περιβάλλοντος εργασίας, όπου βρίσκεται. Η Blue Border διασφαλίζει ότι τα ευαίσθητα δεδομένα δεν εγκαταλείπουν το προστατευμένο, τοπικό περιβάλλον και εφαρμόζει πολιτική μέσα σε αυτό το όριο. Αυτό προλαμβάνει την διαρροή στην προσωπική πλευρά της συσκευής. Ως αποτέλεσμα, οι χρήστες μπορούν να απολαύσουν φυσική απόδοση υπολογιστή και εφαρμογών και μπορούν να χρησιμοποιήσουν μια προσωπική συσκευή από οπουδήποτε στον κόσμο, αντί για μια απαιτούμενη εταιρική συσκευή.

Πολλές οργανώσεις δυσκολεύονται να ισορροπήσουν την ιδιωτικότητα των υπαλλήλων και τον έλεγχο της εταιρείας όταν οι εργαζόμενοι χρησιμοποιούν προσωπικές συσκευές. Πώς μπορούν οι ομάδες ασφαλείας να προστατεύσουν τα ευαίσθητα δεδομένα χωρίς να δημιουργήσουν την αντίληψη της επιτήρησης;

Ο κλειδί είναι να προστατεύσουν την εργασία, όχι την προσωπική δραστηριότητα. Οι υπάλληλοι είναι κατανοητά ανήσυχοι όταν τα μέτρα ασφαλείας θα μπορούσαν να επεκταθούν στην προσωπική τους δραστηριότητα, μηνύματα, ιστορικό προώθησης ή προσωπικές εφαρμογές. Σε μια συσκευή BYOD, η εμπιστοσύνη έχει σημασία. Αν η εταιρεία δεν μπορεί να εξηγήσει σαφώς πού αρχίζει και πού τελειώνει η ορατότητά της, οι υπάλληλοι θα υποθέσουν το χειρότερο.

Ένα ισχυρότερο μοντέλο είναι ένα που δημιουργεί ένα ξεχωριστό περιβάλλον εργασίας για την επαγγελματική δραστηριότητα και εφαρμόζει ελέγχους ασφαλείας μόνο μέσα σε αυτό το όριο. Αυτό δίνει στην οργάνωση την ικανότητα να προστατεύσει τα εταιρικά δεδομένα ενώ δίνει στους υπαλλήλους την εμπιστοσύνη ότι η προσωπική δραστηριότητά τους δεν παρακολουθείται ή διαχειρίζεται. Η ιδιωτικότητα και η ασφάλεια δεν χρειάζεται να ανταγωνίζονται αν η αρχιτεκτονική σχεδιαστεί να τις διαχωρίσει καθαρά.

Η τηλεεργασία και οι ομάδες με βάση τους συμβασιούχους έχουν κάνει τα περιβάλλοντα BYOD σχεδόν αναπόφευκτα. Ποια είναι τα μεγαλύτερα рисks ασφαλείας που συνδέονται με τις μη διαχειριζόμενες συσκευές σήμερα;

Ο μεγαλύτερος κίνδυνος είναι ότι οι μη διαχειριζόμενες συσκευές σβήνουν τα όρια μεταξύ προσωπικής και επαγγελματικής δραστηριότητας. Στο ίδιο μηχάνημα, ένας χρήστης μπορεί να έχει ανοιχτές εφαρμογές εργασίας μαζί με προσωπικό email, εργαλεία καταναλωτικής τεχνητής νοημοσύνης, εφαρμογές ανταλλαγής αρχείων και μη εγκεκριμένες επεκτάσεις browser. Χωρίς ένα σαφές επίπεδο απομόνωσης, είναι πολύ εύκολο για τα ευαίσθητα δεδομένα να αντιγραφούν, να κρυφτούν, να κατεβαστούν, να φωτογραφηθούν ή να εκτεθούν μέσω καναλιών που η εταιρεία δεν ελέγχει. Για τις οργανώσεις που υπόκεινται σε κανονισμούς γύρω από την ασφάλεια δεδομένων, αυτό είναι ένα τεράστιο ρίσκο.

Οι πράκτορες τεχνητής νοημοσύνης και οι αυτοματοποιημένες εργασίες αρχίζουν να αλληλεπιδρούν με εφαρμογές επιχείρησης και δεδομένα. Ποια νέα рисks ασφαλείας εισάγουν αυτές οι αυτόνομες συστήματα;

Τα αυτόνομα συστήματα εισάγουν μια διαφορετική τάξη κινδύνου γιατί δεν δημιουργούν μόνο περιεχόμενο, αλλά μπορούν επίσης να ενεργήσουν. Οι πράκτορες τεχνητής νοημοσύνης που συνδέονται με συστήματα επιχείρησης μπορεί να ανακτήσουν ή να μετακινήσουν δεδομένα, να ενημερώσουν εγγραφές, να ενεργοποιήσουν εργασίες ή να επικοινωνήσουν εξωτερικά. Αυτό επεκτείνει την ακτίνα του κινδύνου ενός λάθους, μιας λανθασμένης διαμόρφωσης ή μιας συμβιβασμένης ταυτότητας σημαντικά πέρα από αυτό που βλέπουμε με τις παθητικές βοηθούς τεχνητής νοημοσύνης.

Αυτό δημιουργεί επίσης νέες ερωτήσεις σχετικά με την πρόσβαση, την εμπιστοσύνη και την ευθύνη. Ποια δεδομένα επιτρέπεται στον πράκτορα να έχει πρόσβαση; Υπό ποιες συνθήκες μπορεί να ενεργήσει; Πώς αυτή η δραστηριότητα καταγράφεται, περιορίζεται και αναθεωρείται; Οι ομάδες IT και ασφαλείας θα πρέπει να αντιμετωπίσουν τους πράκτορες τεχνητής νοημοσύνης λιγότερο σαν χαρακτηριστικά λογισμικού και περισσότερο σαν προνομιούχους ψηφιακούς ηθοποιούς. Αυτό σημαίνει την εφαρμογή αρχών όπως η ελάχιστη εξουσία, η διαχωριστική γραμμή, η απομόνωση συνεδρίας και η ισχυρή ελεγκτήτητα από την αρχή.

Όταν οι οργανώσεις ενσωματώνουν γενετική τεχνητή νοημοσύνη σε εργαλεία παραγωγικότητας, συστήματα υποστήριξης πελατών και εσωτερικές εργασίες, ποια ευαίσθητα δεδομένα εκθέσεις σας ανησυχούν περισσότερο;

Η χρήση της γενετικής τεχνητής νοημοσύνης στην εργασία έχει σβήσει τα όρια μεταξύ προσωπικών και εταιρικών δεδομένων. Οι υπάλληλοι συχνά έχουν πρόσβαση σε εξωτερικά εργαλεία ενώ εργάζονται με εταιρικά δεδομένα, το οποίο κάνει πολύ εύκολο για τα ευαίσθητα δεδομένα όπως εγγραφές πελατών, εσωτερικά έγγραφα, πηγαίος κώδικας ή οικονομικές πληροφορίες να ρέουν σε εξωτερικά περιβάλλοντα. Όταν τα εταιρικά δεδομένα ρέουν μέσω προσωπικών контέκστ ή μη διαχειριζόμενων συσκευών, οι εταιρείες χάνουν την ορατότητα και τον έλεγχο над το πού πηγαίνουν αυτά τα δεδομένα, πώς αποθηκεύονται και ποιος μπορεί τελικά να τα πρόσβαση. Όσο η τεχνητή νοημοσύνη ενσωματώνεται σε καθημερινές εργασίες, οι οργανώσεις πρέπει να αντιμετωπίσουν αυτό το σβησμένο όριο ενεργά, διασφαλίζοντας ότι τα εταιρικά δεδομένα παραμένουν προστατευμένα ακόμη και όταν η εργασία γίνεται σε προσωπικές συσκευές.

Προβλέποντας, πώς βλέπετε την ασφάλεια τελικού σημείου να εξελίσσεται καθώς οι εργασίες που οδηγούνται από την τεχνητή νοημοσύνη γίνονται πιο κοινές σε κατανεμημένες και τηλεεργαζόμενες εργατικές δυνάμεις;

Η ασφάλεια τελικού σημείου θα πρέπει να γίνει πολύ πιο προσαρμοστική, контέκστ-ειδημένη και.workspace-κεντρική. Στο παρελθόν, η ασφάλεια τελικού σημείου σχεδιάστηκε με την υπόθεση μιας διαχειριζόμενης συσκευής, ενός ορισμένου περιβάλλοντος γραφείου και ενός σχετικά σταθερού συνόλου επιχειρηματικών εφαρμογών. Το μέλλον είναι κατανεμημένο, οδηγούμενο από την τεχνητή νοημοσύνη και ολοένα και περισσότερο αυτόνομο. Η ασφάλεια πρέπει να ακολουθήσει την εργασία, όπου κι αν συμβαίνει, χωρίς να υποθέτει πλήρη έλεγχο της συσκευής ή να μπλοκάρει την παραγωγικότητα.

Το νικηφόρο μοντέλο θα είναι ένα που συνδυάζει ισχυρή διάκριση μεταξύ της συσκευής και των ευαίσθητων δεδομένων, ελέγχους πρόσβασης που είναι контέκστ-ειδημένοι και μια αρχιτεκτονική που διατηρεί ένα σαφές όριο μεταξύ εργασίας και προσωπικής δραστηριότητας. Οι οργανώσεις χρειάζονται περιβάλλοντα όπου οι υπάλληλοι, οι συμβασιούχοι και οι εργασίες που οδηγούνται από την τεχνητή νοημοσύνη μπορούν να λειτουργήσουν παραγωγικά, αλλά μέσα σε ελέγχους που προστατεύουν τα δεδομένα με σχεδιασμό. Οι εταιρείες που θα επιτύχουν δεν θα είναι αυτές που προσπαθούν να επιβραδύνουν την υιοθέτηση της τεχνητής νοημοσύνης, αλλά αυτές που κάνουν την ασφαλή υιοθέτηση δυνατή σε κλίμακα.

Ευχαριστούμε για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα μπορούν να επισκεφθούν Venn.