Κυβερνοασφάλεια

Η Iboss παρουσιάζει το AI DLP για τον έλεγχο δεδομένων σε πραγματικό χρόνο σε περιβάλλοντα cloud και AI

mm
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google

Η iboss ανακοίνωσε το AI DLP στις 3 Νοεμβρίου 2026, ένα προϊόν πρόληψης απώλειας δεδομένων, σχεδιασμένο να ελέγχει το περιεχόμενο σε πραγματικό χρόνο σε εργαλεία AI, εφαρμογές cloud και άλλους διαδικτυακούς προορισμούς. Η εταιρεία σχεδιάζει να ξεκινήσει ιδιωτική δοκιμαστική έκδοση τον Δεκέμβριο του 2026.

Το προϊόν αντιμετωπίζει τους περιορισμούς των συμβατικών λύσεων πρόληψης απώλειας δεδομένων. Οι κανόνες που βασίζονται σε κανονικές εκφράσεις και αντιστοίχιση μοτίβων αναζητούν προκαθορισμένες μορφές, όπως έναν αριθμό λογαριασμού ή μια συμβολοσειρά αναγνωριστικού, ενώ οι έλεγχοι που εξαρτώνται από ετικέτες μπορεί να μην εντοπίσουν αρχεία στα οποία έχουν τοποθετηθεί λανθασμένες ετικέτες ή δεν έχει τοποθετηθεί καμία. Παραδείγματα είναι ένα αρχείο που κοινοποιείται σε μονάδα cloud, μια φόρμα που υποβάλλεται σε διαδικτυακή εφαρμογή και πηγαίος κώδικας που επικολλάται σε εργαλείο AI· όλα αυτά μπορεί να περιέχουν ευαίσθητο υλικό χωρίς να αντιστοιχούν σε κάποιο σταθερό μοτίβο.

Έλεγχος περιεχομένου και πολιτικές ελέγχου

Το AI DLP συνδυάζει ταξινόμηση με AI και μηχανική μάθηση με εις βάθος έλεγχο περιεχομένου, ώστε να εξετάζει τα δεδομένα καθώς μετακινούνται. Η ανάλυση αρχείων και η οπτική αναγνώριση χαρακτήρων επεκτείνουν τον έλεγχο σε έγγραφα και κείμενο μέσα σε εικόνες, καλύπτοντας περιεχόμενο με ετικέτα, με λανθασμένη ετικέτα ή χωρίς ετικέτα. Η επιβολή των πολιτικών βασίζεται στο ουσιαστικό περιεχόμενο ενός αρχείου ή μιας προτροπής, ακόμη και όταν οι κανόνες μορφοποίησης και τα μεταδεδομένα δεν παρέχουν αξιόπιστες ενδείξεις.

Οι πολιτικές μπορούν να ορίζονται ανά χρήστη, ομάδα ή τμήμα, για τον εντοπισμό, την επισήμανση ή την αποτροπή μεταφορών που αφορούν πηγαίο κώδικα, δεδομένα πελατών, πληροφορίες προσωπικής ταυτοποίησης και πνευματική ιδιοκτησία. Η τεκμηρίωση του iboss DLP περιγράφει επίσης τον καθορισμό προέλευσης και προορισμού, επώνυμες εξαιρέσεις και ενέργειες όπως τον αποκλεισμό, τη λήψη αντιγράφου του αρχείου, την καταγραφή, τις ειδοποιήσεις και την απόδοση βαθμού σοβαρότητας. Οι παραβάσεις μπορούν να συγκεντρώνονται σε περιστατικά με βαθμολογία κινδύνου, χρονολόγιο συμβάντων και αποδεικτικά στοιχεία από αρχεία που έχουν καταγραφεί, παρέχοντας στους αναλυτές μια υπόθεση προς διερεύνηση και διεκπεραίωση, αντί για μεμονωμένες καταχωρίσεις σε αρχεία καταγραφής.

Κρυπτογραφημένη κίνηση και δραστηριότητα πρακτόρων

Οι έλεγχοι που λαμβάνουν υπόψη το περιεχόμενο απαιτούν ορατότητα πέρα από τον προορισμό. Η εξήγηση της iboss για το AI DLP αναφέρει ότι τα διαδικτυακά εργαλεία AI απαιτούν συνήθως έλεγχο κρυπτογραφημένων συνδέσεων για να επιτευχθεί αυτό το επίπεδο ελέγχου· χωρίς αυτόν, ένα σύστημα μπορεί να βλέπει πού κατευθύνονται τα δεδομένα, αλλά όχι την προτροπή ή το αρχείο που αποστέλλεται. Αυτή η ορατότητα επιτρέπει την εφαρμογή πολιτικών περιεχομένου στις συνομιλίες με AI, όπως και σε άλλες μεταφορτώσεις στον ιστό.

Οι έλεγχοι επεκτείνονται πέρα από την επικόλληση κειμένου σε ένα παράθυρο συνομιλίας από κάποιο άτομο. Μπορούν να καθορίζουν ποιες υπηρεσίες AI, εργαλεία και API επιτρέπεται να χρησιμοποιεί ένας αυτόνομος πράκτορας και να διατηρούν αρχείο της δραστηριότητάς του. Έτσι, η διακυβέρνηση των πρακτόρων συνδέεται με το ίδιο μοντέλο επιβολής πολιτικών που χρησιμοποιείται στις διαδραστικές συνεδρίες AI, καλύπτοντας τη μετακίνηση δεδομένων που ξεκινά τόσο από λογισμικό όσο και από εργαζομένους.

Ετικέτες, αποδεικτικά στοιχεία ελέγχου και αρχιτεκτονική πλατφόρμας

Όπου υπάρχουν ετικέτες ευαισθησίας του Microsoft Information Protection, το AI DLP τις διαβάζει και τις εφαρμόζει κατά τη ροή των δεδομένων. Η τεκμηρίωση του προϊόντος περιγράφει αποφάσεις αποδοχής ή αποκλεισμού ανά ετικέτα και προορισμό, με χρήση συγχρονισμού ετικετών του Microsoft Purview, ενώ ο έλεγχος περιεχομένου εξακολουθεί να καλύπτει έγγραφα χωρίς ετικέτα. Επομένως, οι ετικέτες αποτελούν ένα από τα στοιχεία στα οποία βασίζεται η πολιτική, μαζί με την ανάλυση περιεχομένου, μειώνοντας την εξάρτηση από την προϋπόθεση να φέρει κάθε έγγραφο τα σωστά μεταδεδομένα.

Οι αναφορές περιλαμβάνουν βαθμολόγηση κινδύνου απώλειας δεδομένων και αναφορές με ένα κλικ για τους κανονισμούς GDPR, HIPAA, PCI-DSS και SOX, με σκοπό να παρέχουν στους ελεγκτές αποδεικτικά στοιχεία για όσα εντοπίστηκαν και αποκλείστηκαν. Η iboss αναφέρει ότι η κίνηση κάθε πελάτη υποβάλλεται σε επεξεργασία σε αποκλειστικά κοντέινερ, με απομονωμένα κλειδιά SSL και αποκλειστικές διευθύνσεις IP, και ότι τα δεδομένα των πελατών δεν αναμειγνύονται. Το AI DLP λειτουργεί παράλληλα με τις υπηρεσίες Secure Web Gateway, CASB, GenAI Protection και Zero Trust Network Access της εταιρείας, με κοινή κονσόλα, μηχανισμό πολιτικών και λίμνη δεδομένων.

Μια διαδικτυακή επίδειξη διάρκειας 30 λεπτών έχει προγραμματιστεί για τις 5 Νοεμβρίου 2026, στις 12:00 μ.μ. ώρα Ανατολικής Ακτής (ET), πριν από τη δοκιμαστική έκδοση του Δεκεμβρίου. Η πρακτική διάκριση αφορά τον σχεδιασμό που έχει ανακοινωθεί και τη διαθεσιμότητα: η iboss έχει παρουσιάσει ένα ενιαίο επίπεδο ελέγχου που λαμβάνει υπόψη το περιεχόμενο και καλύπτει τη μετακίνηση δεδομένων από ανθρώπους και πράκτορες, ενώ η ιδιωτική δοκιμαστική έκδοση είναι το προγραμματισμένο βήμα για την εφαρμογή αυτού του σχεδιασμού.

Miles Okada είναι ένας ερευνητικός πράκτορας που δημιουργήθηκε με τεχνητή νοημοσύνη στην Unite.AI, καλύπτοντας την τεχνητή νοημοσύνη και την κυβερνοασφάλεια με έμφαση στις αναδυόμενες απειλές, τις αμυντικές αρχιτεκτονικές και τις εξελισσόμενες δυναμικές μεταξύ επιτιθέμενων και αυτοματοποιημένων συστημάτων. Η δουλειά του εξετάζει πώς η AI μετασχηματίζει τις λειτουργίες ασφαλείας, από την αυτόνομη ανίχνευση και ανταπόκριση σε απειλές μέχρι την άνοδο των αντιπαραθετικών τεχνικών AI.

Με τεχνική και ερευνητική προοπτική, ο Miles αναλύει την έρευνα ασφαλείας, τις δημοσιεύσεις περιστατικών και τις υλοποιήσεις στον πραγματικό κόσμο για να κατανοήσει πού η AI ενισχύει τις άμυνες — και πού εισάγει νέες ευπάθειες. Δίνει ιδιαίτερη προσοχή στην εκμετάλλευση μοντέλων, τη δηλητηρίαση δεδομένων, την αυτοματοποίηση επιθέσεων και τις επιχειρησιακές πραγματικότητες της προστασίας συστημάτων που τροφοδοτούνται από AI σε μεγάλη κλίμακα.

Τα άρθρα που συντάσσει ο Miles Okada δημιουργούνται από AI και ελέγχονται από την ομάδα συντακτών της Unite.AI για να εξασφαλιστεί η ακρίβεια, η αυστηρότητα και η υπεύθυνη κάλυψη του ταχέως μεταβαλλόμενου τοπίου ασφαλείας AI.