Rohan Sathe, Co-Fundador y CEO de Nightfall – Serie de Entrevistas

En los primeros días, queríamos utilizar el aprendizaje automático para descubrir y proteger datos sensibles en cualquier lugar donde vivan en aplicaciones en la nube y flujos de trabajo modernos. Cuando salimos de la clandestinidad en 2019, nos posicionamos como una solución de DLP SaaS nativa en la nube y impulsada por ML, con una visión de construir el ‘plano de control para los datos en la nube’. A medida que nos expandimos más allá de SaaS para cubrir la exfiltración de datos en puntos finales y IA generativa, ‘DLP nativa de IA’ se convirtió en nuestro término paraguas.

Antes de fundar Nightfall, usted fue ingeniero fundador en Uber Eats, donde vio de primera mano cómo se extendían los datos en aplicaciones SaaS y herramientas en la nube. ¿Cómo sus experiencias allí moldearon su perspectiva sobre la seguridad de los datos, y qué momentos o desafíos específicos despertaron la idea de Nightfall?

En Uber Eats, lideré equipos de backend y construí servicios de aprendizaje automático aplicado, como la predicción de ETA y la previsión de la oferta y la demanda. Estábamos tratando con datos a escala de petabytes extendidos por muchos sistemas diferentes, lo que es un entorno en el que la información sensible puede moverse muy rápidamente e invisiblemente. Esa experiencia, combinada con lo que toda la industria aprendió de incidentes como la violación de Uber en 2016, donde los atacantes básicamente aprovecharon credenciales expuestas en el código de GitHub para llegar a los datos de AWS, realmente resaltó cómo esta combinación de dispersión de datos, credenciales y infraestructura en la nube crea este riesgo desproporcionado sin mejores detección y guardias. Esas realidades moldearon el enfoque de Nightfall en la detección y prevención conscientes del contexto desde el principio.

Nightfall se lanzó públicamente en 2019 con financiación de Serie A. ¿Podría llevarnos a través del viaje temprano desde el modo de sigilo hasta el lanzamiento, incluyendo cualquier punto de inflexión clave?

Operamos en secreto durante unos 12 meses, luego nos lanzamos oficialmente el 7 de noviembre de 2019 con $20.3 millones en financiación liderada por Bain Capital Ventures y Venrock. Los puntos de inflexión tempranos realmente giraron en torno a la construcción de amplias integraciones de SaaS y el desarrollo de una clasificación de contenido basada en ML con mayor precisión que pudiera reducir los falsos positivos que plagaban las soluciones de DLP heredadas.

La IA sombra se refiere al uso no supervisado de herramientas como ChatGPT, Gemini y Copilot en el lugar de trabajo, a menudo con resultados de fugas de datos invisibles. ¿Cómo define la IA sombra, y por qué es una preocupación creciente para las organizaciones modernas?

Definimos la IA sombra como el uso no autorizado o no supervisado de herramientas de IA por parte de los empleados, lo que crea riesgos de exposición fuera del gobierno de TI. Esta definición se alinea con lo que estamos viendo de otros jugadores de la industria como IBM y Splunk. La IA sombra es esencialmente la IA utilizada sin aprobación o supervisión, lo que introduce estos puntos ciegos y posibles riesgos de exfiltración de datos. La combinación de aplicaciones de IA generativa fáciles de usar y la falta de controles adecuados es por lo que este problema está creciendo tan rápidamente.

Ha descrito varias formas en que el enfoque de Nightfall hacia la IA sombra difiere del DLP tradicional. ¿Cuál de estas características, ya sea la supervisión consciente del contexto, la genealogía de los datos o el bloqueo en tiempo real, ha demostrado ser la más impactante para sus clientes?

Desde lo que consistentemente escuchamos de los clientes, hay realmente dos palancas principales que hacen la mayor diferencia. Primero son los controles previos a la presentación, atrapando realmente el contenido sensible antes de que se envíe a las herramientas de IA o se publique en la web. En segundo lugar está nuestra detección nativa de IA que se mueve más allá del emparejamiento de patrones heredado para comprender la genealogía y el contexto de los datos.

Lo que realmente es poderoso es nuestra reducción de ruido a través del aprendizaje continuo. Nuestro sistema comprende el contenido y la genealogía de los archivos, aprende de las anotaciones y acciones del usuario, e identifica flujos de trabajo seguros para suprimir la actividad de bajo riesgo. Esto reduce drásticamente los falsos positivos en comparación con las soluciones de DLP heredadas. También estamos haciendo la detección de amenazas en tiempo real y la priorización del riesgo utilizando LLM, transformadores y visión por computadora, con clasificadores de archivos y sensibilidad personalizados que pueden descubrir el movimiento de propiedad intelectual y documentos de alto valor que van mucho más allá de la simple detección de entidades basada en reglas. Nuestros clientes nos dicen que están viendo esta transformación de la fatiga de alertas a acciones de seguridad enfocadas y de alto impacto.

¿Cómo detiene el sistema de detección basado en navegador y nativo de punto final de Nightfall las fugas antes de que ocurran, y cómo se compara con los sistemas de DLP heredados que solo detectan violaciones después de la presentación?

Nuestra extensión de navegador y los agentes de punto final escanean las solicitudes y los archivos antes de que se envíen. Podemos redactar o bloquear contenido riesgoso en tiempo real, así que antes de que se envíe una solicitud de ChatGPT, por ejemplo. También estamos trazando la genealogía para que los equipos de seguridad sepan si un archivo se originó en un sistema corporativo. Desplegamos en macOS y Windows con extensiones de Chrome y Firefox que proporcionan esta funcionalidad de redacción y bloqueo de carga antes de enviar. Esto es una diferencia bastante marcada con respecto a la DLP heredada, que es principalmente sobre la detección después del hecho.

Nightfall ha expandido significativamente desde su fundación. ¿Cómo han evolucionado las necesidades de seguridad empresarial durante ese tiempo, y cómo ha adaptado su producto en respuesta?

El panorama ha cambiado realmente de manera dramática. Comenzamos con el escaneo de SaaS, como Slack y Google Drive, alrededor de 2020-2021. Luego, las barreras de la IA generativa se convirtieron en críticas a partir de 2023, y ahora estamos viendo esta necesidad urgente de prevención de amenazas autónoma e inteligente que pueda escalar con el crecimiento organizacional.

Los equipos de operaciones de seguridad están luchando con herramientas cada vez más complejas, DLP basado en emparejamiento de patrones heredado, ajuste de políticas manual constante y una fatiga de alertas aplastante. Estos problemas ralentizan las investigaciones, aumentan la carga de trabajo y reducen la eficacia de la seguridad. La evolución de nuestro producto ha seguido este cambio de operaciones reactivas y manuales a la automatización proactiva e inteligente. Anunciamos la cobertura de la IA generativa en 2023, expandimos a la prevención de la exfiltración, el cifrado y la protección de correo electrónico en 2024, y ahora con Nyx, estamos iniciando lo que consideramos la próxima era de la IA agente en la protección de datos, transformando la fatiga de alertas en acciones de seguridad enfocadas y de alto impacto en SaaS, puntos finales y herramientas de IA.

Recientemente introdujo Nightfall Nyx, que describe como la primera plataforma de DLP nativa de IA autónoma de la industria. ¿Qué la hace autónoma, y qué problemas resuelve para los equipos de seguridad?

La plataforma de detección de IA de Nightfall ya entrega resultados muy precisos y con poco ruido, 95% de precisión en comparación con el 5-30% típico de las soluciones de DLP tradicionales basadas en reglas o emparejamiento de patrones. Sobre la base de esa fundación, Nyx es la capa de inteligencia de IA que ayuda a los equipos de seguridad a investigar, correlacionar y comprender los riesgos.

Incluso después de que el ruido desaparece, el trabajo real comienza. En organizaciones grandes, los equipos de SecOps aún pueden enfrentar cientos de alertas legítimas todos los días. Tamizar a través de ellas para separar los flujos de trabajo aprobados por el negocio de los problemas de higiene de datos riesgosos o las amenazas internas puede consumir horas. Nyx asume esta carga de investigación, acelerando el análisis para que los equipos puedan centrarse en la acción, no en buscar y ordenar a través de páginas de alertas.

Nyx conecta los puntos a través de los eventos de exfiltración, usuarios, dominios, dispositivos, tipos de datos, nombres de archivos y más, resaltando patrones instantáneamente. A través de su interfaz de lenguaje natural, los analistas pueden actuar sobre patrones, investigar hallazgos, producir informes y obtener acciones recomendadas en segundos. Tareas que antes tomaban dos horas ahora se pueden hacer en menos de dos minutos, un verdadero ahorro de tiempo 20 veces mayor.

Con el uso de la IA generativa explotando en los lugares de trabajo y los equipos de seguridad luchando por mantener el ritmo, ¿cree que herramientas como Nightfall se convertirán en una capa de control predeterminada para entornos empresariales?

Creo que la trayectoria sugiere sí. Estamos viendo planes de adopción generalizados de IA generativa en empresas, y plataformas importantes como Microsoft (MSFT ) Entra Internet Access están implementando controles pre-presentación en línea para el tráfico de IA generativa. Cuando se combina esto con el consenso de la industria sobre los riesgos de la IA sombra, es razonable esperar que el control de DLP consciente de la IA y pre-presentación se convierta en una capa de control predeterminada junto con cosas como la gestión de identidad y acceso y la detección y respuesta de puntos finales.

Finalmente, como fundador que construye en un espacio tan dinámico, ¿cuál es su visión a largo plazo para Nightfall y el papel de la IA en la protección de datos empresariales?

Nuestra visión a largo plazo se basa en lo que articulamos en el lanzamiento, ser el plano de control para los datos en la nube, pero ahora estamos extendiendo esto con operaciones autónomas y capacidades de IA agente. Imaginamos un futuro en el que la postura de seguridad mejora continuamente sin agregar más trabajo a los analistas, donde la IA elimina la necesidad de experiencia en dominios especializados, y donde las organizaciones pueden cambiar de operaciones de seguridad reactivas y manuales a la prevención de amenazas proactiva e inteligente.

En la práctica, eso significa IA que comprende los datos en contexto y toma acciones seguras e inteligentes, investiga, capacita, redacta, bloquea, a través de SaaS, puntos finales, correo electrónico y herramientas de IA sombra. Queremos cerrar el círculo desde la detección hasta la prevención, brindando a los equipos de seguridad un socio inteligente siempre activo que se vuelve más inteligente con cada investigación y transforma semanas de forenses manuales en minutos de respuesta enfocada.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar Nightfall.