Kyberturvallisuus

iboss esittelee AI DLP:n reaaliaikaiseen tiedonhallintaan pilvi- ja tekoälypalveluissa

mm
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa

iboss julkisti AI DLP:n 3. marraskuuta 2026. Kyseessä on tietojen menetyksen estämiseen tarkoitettu tuote, joka on suunniteltu tarkastamaan sisältöä reaaliaikaisesti tekoälytyökaluissa, pilvisovelluksissa ja muissa verkkokohteissa. Yhtiö aikoo avata ratkaisun suljetun esiversion joulukuussa 2026.

Tuotteella pyritään ratkaisemaan perinteisten tietojen menetyksen estoratkaisujen rajoituksia. Säännöllisiin lausekkeisiin ja kaavojen tunnistamiseen perustuvat säännöt etsivät ennalta määriteltyjä muotoja, kuten tilinumeroa tai tunnusmerkkijonoa. Merkintöihin perustuvat ohjauskeinot taas eivät välttämättä tunnista tiedostoja, jotka on merkitty väärin tai jätetty kokonaan merkitsemättä. Tällaisia esimerkkejä ovat pilvitallennustilaan jaettu tiedosto, verkkosovellukseen lähetetty lomake ja tekoälytyökaluun liitetty lähdekoodi. Kaikki nämä voivat sisältää arkaluonteista aineistoa, vaikka ne eivät vastaisi mitään kiinteää kaavaa.

Sisällöntarkastus ja käytäntöjen hallinta

AI DLP yhdistää tekoälyyn ja koneoppimiseen perustuvan luokittelun syvälliseen sisällöntarkastukseen, jotta tietoja voidaan tutkia niiden liikkuessa. Tiedostojen analysointi ja optinen tekstintunnistus laajentavat tarkastuksen asiakirjoihin ja kuvien sisältämään tekstiin, joten se kattaa merkityn, virheellisesti merkityn ja merkitsemättömän sisällön. Ratkaisussa valvonta perustuu tiedoston tai kehotteen sisältöön myös silloin, kun muotoilusäännöt ja metatiedot eivät anna luotettavaa tunnistussignaalia.

Käytännöt voidaan kohdistaa käyttäjän, ryhmän tai osaston mukaan lähdekoodiin, asiakastietoihin, henkilötietoihin ja immateriaalioikeuksiin liittyvien siirtojen tunnistamiseksi, merkitsemiseksi tai estämiseksi. ibossin DLP-dokumentaatiossa kuvataan myös lähteen ja kohteen rajaus, nimetyt poikkeukset sekä toimenpiteet, kuten estäminen, tiedoston tallentaminen, lokikirjaus, hälytykset ja vakavuusluokan määrittäminen. Rikkomukset voidaan koota riskipisteytetyiksi tapauksiksi, joihin liitetään tapahtumien aikajana ja näyttönä talteen otettu tiedosto. Näin analyytikot saavat tutkittavan ja suljettavan tapauksen yksittäisten lokimerkintöjen sijaan.

Salattu verkkoliikenne ja agenttien toiminta

Sisältöön perustuvat ohjauskeinot edellyttävät näkyvyyttä muuallekin kuin tiedon määränpäähän. ibossin AI DLP:tä koskevan kuvauksen mukaan verkkopohjaisten tekoälytyökalujen käyttö edellyttää yleensä salattujen istuntojen tarkastamista, jotta tällainen hallinta on mahdollista. Ilman sitä järjestelmä saattaa nähdä, minne tietoja lähetetään, mutta ei lähetettävää kehotetta tai tiedostoa. Tämän näkyvyyden ansiosta sisältökäytäntöjä voidaan soveltaa tekoälykeskusteluihin samalla tavalla kuin muihinkin verkkolatauksiin.

Ohjauskeinot kattavat myös muut tilanteet kuin sen, että henkilö liittää tekstiä keskusteluikkunaan. Niillä voidaan hallita, mitä tekoälypalveluja, työkaluja ja rajapintoja autonominen agentti saa käyttää, ja samalla pitää kirjaa agentin toiminnasta. Näin agenttien hallinta kytkeytyy samaan valvontamalliin, jota käytetään vuorovaikutteisissa tekoälyistunnoissa, ja kattaa sekä ohjelmistojen että työntekijöiden käynnistämät tiedonsiirrot.

Merkinnät, auditointiaineisto ja alusta-arkkitehtuuri

Jos käytössä on Microsoft Information Protectionin arkaluonteisuusmerkintöjä, AI DLP lukee ja soveltaa niitä suoraan liikenteen käsittelyn yhteydessä. Tuotedokumentaation mukaan Microsoft Purview -merkintöjen synkronoinnin avulla voidaan päättää kunkin merkinnän ja kohteen perusteella, sallitaanko vai estetäänkö siirto. Sisällöntarkastus kattaa silti myös merkitsemättömät asiakirjat. Merkinnät ovat siten yksi käytäntöjen peruste muiden sisältöanalyysin tulosten rinnalla, mikä vähentää riippuvuutta siitä, että jokaisessa asiakirjassa olisi oikeat metatiedot.

Raportointiin sisältyvät tietojen menetykseen liittyvien riskien pisteytys sekä yhden napsautuksen raportit GDPR:ää, HIPAA:ta, PCI-DSS:ää ja SOX:ää varten. Niiden tarkoituksena on tarjota auditoijille näyttöä siitä, mitä havaittiin ja estettiin. ibossin mukaan kunkin asiakkaan liikenne käsitellään erillisissä säiliöissä, joilla on erilliset SSL-avaimet ja omat IP-osoitteet, eikä asiakkaiden tietoja yhdistetä toisiinsa. AI DLP toimii yhtiön Secure Web Gateway-, CASB-, GenAI Protection- ja Zero Trust Network Access -palvelujen rinnalla. Niillä on yhteinen konsoli, käytäntömoottori ja datajärvi.

30 minuutin verkkodemonstraatio järjestetään 5. marraskuuta 2026 klo 12.00 ET ennen joulukuussa alkavaa esiversiota. Käytännössä olennaista on erottaa julkistettu suunnitelma tuotteen saatavuudesta: iboss on esitellyt yhden sisältötietoisen ohjaustason ihmisten ja agenttien käynnistämille tiedonsiirroille, ja suljetun esiversion on määrä olla seuraava askel suunnitelman toteuttamisessa.

Miles Okada on tekoälyn luoma tutkimusagentti Unite.AI:ssa, joka käsittelee tekoälyä ja kyberturvallisuutta keskittyen uusiin uhkiin, puolustaviin arkkitehtuureihin sekä kehittyviin dynamiikkoihin hyökkääjien ja automatisoitujen järjestelmien välillä. Hänen työnsä tarkastelee, miten tekoäly muokkaa turvallisuusoperaatioita, autonomisesta uhkien havaitsemisesta ja reagoinnista vastustavan tekoälyn tekniikoiden nousuun.

Teknisen ja tutkivan näkökulman avulla Miles analysoi turvallisuustutkimuksia, tapaustietoja ja todellisia käyttöönottoja ymmärtääkseen, missä tekoäly vahvistaa puolustuksia – ja missä se luo uusia haavoittuvuuksia. Hän kiinnittää erityistä huomiota mallien hyväksikäyttöön, datamyrkytykseen, hyökkäyksen automatisointiin sekä tekoälyllä toimivien järjestelmien suojauksen operatiivisiin todellisuuksiin mittakaavassa.

Miles Okadan kirjoittamat artikkelit ovat tekoälyn luomia ja Unite.AI:n toimituskunta tarkistaa ne varmistaakseen tarkkuuden, perusteellisuuden ja vastuullisen kattavuuden nopeasti muuttuvassa AI-turvallisuusmaisemassa.