Joe Regensburger, Immutan tutkimuksen varapuheenjohtaja – Haastattelusarja

Joe Regensburger on tällä hetkellä Immutan tutkimuksen varapuheenjohtaja. DataTurvallisuuden johtaja, Immuta mahdollistaa organisaatioiden pääsyn arvoon heidän pilviaineistostaan suojelemalla sitä ja tarjoamalla turvallisen pääsyn.

Immuta on suunniteltu integroitumaan käyttöösi pilviympäristöön, tarjoamalla alkuperäisiä integraatioita johtavien pilvipalvelujen tarjoajien kanssa. Seuraamalla NIST:n kyberturvallisuuskehystä, Immuta kattaa suurimman osan dataTurvallisuuden tarpeista useimmille organisaatioille.

Mikä on taustasi koulutuksellisesti, ja miten päädyit lopulta työskentelemään data-analytiikassa ja -tieteessä?

Minun jatko-opintoni oli kokeellinen korkeanenerginen fysiikka. Tiedon analyysi tässä alalla vaatii paljon tilastollista analyysiä, erityisesti erottamaan harvinaisten tapahtumien signaaleja yleisemmistä taustatapahtumista. Nämä taidot ovat hyvin samankaltaisia kuin ne, joita vaaditaan data-analytiikassa.

Voitko kuvailla, mitä työsi Immutan tutkimuksen varapuheenjohtajana tarkoittaa?

Immutassa keskitymme dataTurvallisuuteen. Tämä tarkoittaa, että meidän on ymmärrettävä, miten dataa käytetään, miten sitä voidaan väärinkäyttää, ja tarjoamme data-ammattilaisille työkaluja, joita he tarvitsevat tehtäviinsä, estäen samalla väärinkäytön. Meidän roolimme on ymmärtää data-ammattilaisten vaatimukset ja haasteet, erityisesti sääntelyn ja turvallisuuden suhteen, ja auttaa ratkaisemaan näitä haasteita. Haluamme vähentää sääntelyn vaatimuksia ja mahdollistaa data-ammattilaisten keskittymisen heidän perusTehtäviinsä. Minun roolini on auttaa kehittämään ratkaisuja, jotka vähentävät näitä taakkoja. Tähän kuuluu kehittää työkaluja herkkien tietojen löytämiseksi, menetelmiä automaattiseen data-luokitteluun, tietojen käytön seuraamiseen ja prosessien luomiseen, jotka varmistavat, että dataa käytetään oikein.

Mitkä ovat suurimmat haasteet tekoälyhallinnassa verrattuna perinteiseen datahallintaan?

Teknologiajohtajat ovat maininneet, että tekoälyhallinta on luonnollinen seuraava askel ja kehitys datahallinnasta. Sanottakoon, että on joitakin keskeisiä eroja, jotka on otettava huomioon. Ensisijaisesti tekoälyhallinta vaatii luottamusta tekoälyjärjestelmän tuloksiin. Perinteisessä datahallinnassa datajohtajat pystyivät helposti jäljittämään vastauksesta tulokseen perinteisen tilastollisen mallin avulla. Tekoälyssä jäljitettävyys ja polku voidaan helposti sekoittaa, ja rajat voidaan helposti hämärtää. Luottamus tekoälymallin tulokseen voidaan heikentää harhaumilla ja muistinmenetyksillä, mikä on ainutlaatuinen haaste tekoälyssä, joka on ratkaistava turvallisen hallinnan varmistamiseksi.

Uskotko, että on olemassa yleispätevä ratkaisu tekoälyhallintaan ja dataTurvallisuuteen, vai onko se enemmän tapauskohtainen?

”Vaikka en usko, että on olemassa yksi kokoinen kaikille ratkaisu tekoälyhallintaan, erityisesti dataTurvallisuuden suhteen, on varmasti joitakin huomioita, joita datajohtajat voivat omaksua jo nyt perustamaan turvallisuuden ja hallinnan perustan. Tekoälyhallinnassa on erittäin tärkeää ymmärtää, mihin tekoälymallia käytetään ja miksi. Jos käytät tekoälyä jollekin arkiselle asialle, jolla on vähemmän vaikutusta, riskilaskurisi on paljon alhaisempi. Jos käytät tekoälyä terveydenhuollon tai itseohjautuvan ajoneuvon koulutukseen, riskivaikutuksesi on paljon suurempi. Tämä on samanlaista kuin datahallinnassa; se, mihin dataa käytetään, on yhtä tärkeää kuin se, miten sitä käytetään.

Viimeksi kirjoitit artikkelin otsikolla ”Vastatilanteiden uhkat varjotekoälystä”. Mitä varjotekoäly on, ja miksi yritysten on otettava se huomioon?

”Varjotekoäly voidaan määritellä laittomasti käytetyiksi tekoälytyökaluiksi, jotka eivät kuulu organisaation hallintokehykseen. Yritysten on oltava tietoisia tästä ilmiöstä suojelemaan dataa, koska sisäisen datan syöttäminen luvattomaan sovellukseen, kuten tekoälytyökaluun, voi aiheuttaa valtavan riskin. Varjoteknologia on yleensä hyvin tunnettu ja suhteellisen helppo hallita, kun se havaitaan. Lopeta sovellus ja jatka eteenpäin. Varjotekoälyssä et voi tietää, miten dataa käytetään tekoälymallin koulutukseen tai mihin malli lopulta jakaa vastauksiaan, kun ne on generoitu. Periaatteessa, kun data on kerran mallissa, menetät hallinnan siitä. Varmistamaan varjotekoälyn potentiaalisen riskin, organisaatioiden on perustettava selkeät sopimukset ja muodollistettava prosessit näiden työkalujen käytölle, jos data poistuu ympäristöstä millä tahansa tavoin.

Voitko selittää, mitkä ovat etuoikeudet käyttää attribuuttipohjaista pääsykontrollia (ABAC) verrattuna perinteiseen roolipohjaiseen pääsykontrolliin (RBAC) dataTurvallisuudessa?

Roolipohjainen pääsykontrolli (RBAC) toimii rajoittamalla lupia tai järjestelmän pääsyä yksilön roolin perusteella organisaatiossa. Tästä hyödyistä on, että se tekee pääsykontrollin staattiseksi ja lineaariseksi, koska käyttäjät voivat päästä dataan vain, jos heidät on määritetty tiettyihin ennalta määrättyihin rooleihin. Vaikka RBAC-malli on perinteisesti palvellut käsittelytapana sisäisen datakäytön hallintaan, se ei ole murtumaton, ja nykyään voidaan nähdä, että sen yksinkertaisuus on myös sen suurin heikkous.

Mitä ovat avainaskelit laajentamaan dataa pääsyä ylläpitäen vahvaa datahallintaa ja -turvallisuutta?

Dataa pääsyä kontrolloidaan rajoittamalla pääsyä, lupia ja etuoikeuksia, jotka myönnetään tiettyihin käyttäjille ja järjestelmille, jotta voidaan varmistaa, että vain valtuutetut henkilöt voivat nähdä ja käyttää tiettyjä datajoukkoja. Datajoukkueiden on kuitenkin päästävä dataan mahdollisimman paljon, jotta voidaan ajaa tarkin liiketoimintanäkymä. Tämä esittää ongelman dataTurvallisuuden ja -hallinnan tiimille, jotka ovat vastuussa varmistamisesta, että data on riittävästi suojattu laittomasta pääsystä ja muista riskeistä. Kasvavassa data-johtoisessa liiketoimintaympäristössä on löydettävä tasapaino näiden kilpailevien etujen välillä. Menneinä aikoina yritykset yrittivät löytää tämän tasapainon passiivisella dataa pääsyä kontrolloivalla lähestymistavalla, joka aiheutti data pullonkauloja ja hidasti yritysten etenemistä nopeuden suhteen. Laajentaaksesi dataa pääsyä ylläpitäen vahvaa datahallintaa ja -turvallisuutta, yritysten on omaksuttava automaattinen dataa pääsyä kontrolli, joka tuo nopeutta, joustavuutta ja tarkkuutta dataan sovellettavien sääntöjen soveltamisprosessiin. On oltava hallussa viisi askelta automatisoida dataa pääsyä kontrolli:

1. Tukee mitä tahansa työkalua, jonka datajoukkue käyttää.
2. Tukee kaikkea dataa, riippumatta siitä, missä se on tallennettu tai mistä tallennusteknologiaa käytetään.
3. Edellyttää suoraa pääsyä samaan live-dataan koko organisaatiossa.
4. Kuka tahansa, millä tahansa taidolla, voi ymmärtää, mitkä säännöt ja käytännöt sovelletaan yrityksen dataan.
5. Dataa koskevat yksityisyyden suojaa koskevat käytännöt on oltava yhdessä keskuspaikassa.
6. Kun nämä periaatteet on hallussa, yritykset voivat vapautua passiivisesta dataa pääsyä kontrollista ja ottaa käyttöön turvallisen, tehokkaan ja skaalautuvan dataa pääsyä kontrollin.

Miten Immuta mahdollistaa organisaatioiden proaktiivisen datakäytön ja -turvallisuuden hallinnan?

Immutan Detect-tuote mahdollistaa organisaatioiden proaktiivisen datakäytön hallinnan automaattisesti arvioimalla dataa sen herkkyyden ja suojauksen perusteella (kuten datan peittäminen tai määritetty tarkoitus sen käyttämiseksi), jotta data- ja turvallisuustiimit voivat priorisoida riskit ja saada hälytyksiä reaaliajassa mahdollisista turvallisuusuhista. Nopeasti priorisoimalla ja pinnalle nostamalla datakäytön riskit Immutan Detectin avulla, asiakkaat voivat vähentää riskien torjuntatimejä ja ylläpitää vahvaa dataTurvallisuutta datalleen.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla Immuta-sivustolla.