Rohan Sathe, Nightfallin Co-Founder & CEO – Haastattelusarja

Alkuvaiheessa halusimme käyttää koneoppimista tietojen ja suojaamiseen niiden sijainnista riippumatta pilvipalveluissa ja modernissa työvirroissa. Kun tuli julkisuuteen vuonna 2019, asetettiin itsensä pilvipalveluihin perustuvaksi, koneoppimiseen perustuvaksi SaaS-DLP-ratkaisuksi, jonka visio oli rakentaa “pilvitietojen ohjauskeskus”. Laajennettaessa SaaS:sta päätepisteisiin ja generatiiviseen tekoälyyn “AI-käyttöön perustuva DLP” tuli käyttöön.

Ennen Nightfallin perustamista olit perustajainsinöörinä Uber Eatsissa, jossa näit ensimmäisen kerran, miten data leviää SaaS- ja pilvipalveluissa. Miten kokemuksesi siellä muovasivat näkemyksesi tietoturvaan, ja mitkä tietyt hetket tai haasteet herättivät Nightfallin idean?

Uber Eatsissa johtaminen backend-tiimissä ja soveltavan koneoppimisen kehittäminen – esimerkiksi ETA-ennustetta ja tarjonta- ja kysyntäennustetta – oli ympäristö, jossa arkaluontoiset tiedot voivat liikkua nopeasti ja usein näkymättömästi. Kokemus yhdistettynä siihen, mitä koko teollisuus oppi Uberin vuoden 2016 tietoturvaloukkauksesta – jossa hyökkääjät käyttivät hyväkseen GitHubissa koodissa paljastettuja tunnistetietoja päästäkseen AWS-tietoihin – korosti, miten tietojen leviäminen, tunnistetiedot ja pilvirakenteet luovat suuren riskin ilman parempaa havaitsemista ja suojaa. Nämä todellisuudet muovasivat Nightfallin fokuksen kontekstia koskevaan löytämiseen ja ehkäisemiseen alusta alkaen.

Nightfall julkisti itsensä vuonna 2019 sarjan A -rahoituksella. Voisitko kertoa alkumatkasta salassapitovaiheesta julkistamiseen, mukaan lukien kaikki avainkohdat?

Toimimme salassapitovaiheessa noin vuoden ajan, ja sitten julkaistiin virallisesti 7. marraskuuta 2019 20,3 miljoonan dollarin rahoituksella, jonka johtajana oli Bain Capital Ventures ja Venrock. Varhaiset käännepisteet kiersivät lähinnä laajan SaaS-integraation rakentamista ja kehittämistä tarkemmin ML-pohjaisia sisällön luokittelijoita, joilla voitiin vähentää perinteisten DLP-ratkaisujen virheellisiä positiivisia tuloksia.

Varoitus tekoälystä viittaa työkalujen, kuten ChatGPT:n, Gemini:n ja Copilotin, valvomattomaan käyttöön työpaikalla, usein johtaa näkymättömiin tietovuotoihin. Miten määrittelet Varoitus tekoälystä, ja miksi se on kasvava huolenaihe modernille organisaatioille?

Määrittelemme Varoitus tekoälyksi työntekijöiden valvomattoman tai hyväksymättömän tekoälytyökalujen käytön – esimerkiksi lähettämällä lähdekoodia tai asiakastietoja chatbottiin – joka luo altistumisriskejä IT-hallinnon ulottumattomissa. Tämä määritelmä on linjassa muiden toimijoiden, kuten IBM:n ja Splunkin, näkemyksien kanssa. Varoitus tekoäly on perustuu siihen, että tekoälyä käytetään ilman hyväksyntää tai valvontaa, mikä luo sokeita pisteitä ja potentiaalisia tietoturvariskejä. Yhdistelmä helppokäyttöisistä generatiivisista tekoälysovelluksista ja puuttuvista valvontatoimista on syy siihen, miksi ongelma kasvaa nopeasti.

Olet kuvaillut useita tapoja, joilla Nightfallin lähestymistapa Varoitus tekoälyyn eroaa perinteisestä DLP:stä. Mikä näistä ominaisuuksista – esimerkiksi kontekstia koskeva valvonta, tietojen jäljitys tai reaaliaikainen esto – on osoittautunut vaikuttavimmaksi asiakkaidesi kannalta?

Asiakkaiden palautteen perusteella on kaksi pääasiallista vipua, jotka tekevät suurimman eron. Ensinnäkin ennen lähetyksen valvonta – todella havaitsemalla arkaluontoisia tietoja ennen niiden lähettämistä AI-työkaluihin tai verkkoon. Toiseksi on AI-käyttöön perustuva havaitseminen, joka siirtyy perinteisestä mallin havaitsemisesta ymmärtämään tietojen jäljitystä ja kontekstia.

Mitä on todella voimakasta, on melun vähentäminen jatkuvan oppimisen kautta. Järjestelmämme ymmärtää sisällön ja tiedostojen jäljitystä, oppii käyttäjien merkinnöistä ja toimista ja tunnistaa turvalliset työvirrat vähentääksesi matalan riskin toimintaa. Tämä vähentää merkittävästi virheellisiä positiivisia tuloksia verrattuna perinteisiin DLP-ratkaisuihin. Suoritamme myös reaaliaikaisen uhkien havaitsemisen ja riskien priorisoinnin LLM:ien, transformatoreiden ja tietokoneen näön avulla, mukaan lukien mukautettuja tiedostoluokittelijoita ja herkkien asiakirjojen liikkeen paljastamiseksi, joka menee paljon pidemmälle kuin yksinkertaiset sääntöpohjaiset yksikköiden havaitseminen. Asiakkaamme kertovat, että he ovat siirtymässä hälytysväsymyksestä kohdennettuihin, vaikuttaviin turvatoimiin.

Kuinka Nightfallin selainpohjainen ja päätepisteisiin perustuva havaintojärjestelmä estää vuodot ennen niiden tapahtumista, ja kuinka se vertautuu perinteisiin DLP-järjestelmiin, jotka havaitsevat vain vuodot lähetyksen jälkeen?

Selainlaajennuksemme ja päätepisteagenttimme skannaa kehotuksia ja tiedostoja ennen niiden lähettämistä. Voimme poistaa tai estää riskialttiita sisältöjä reaaliajassa – esimerkiksi ennen kuin ChatGPT-kehotus lähetetään. Jäljitämme myös jäljitystä, jotta turvallisuustiimit tietävät, onko tiedosto peräisin yritysjärjestelmästä. Käytämme macOS:ia ja Windowsia Chrome- ja Firefox-laajennusten kanssa, jotka tarjoavat tämän ennen lähetyksen poistamisen ja latauksen esto-toiminnallisuuden. Tämä on melkoinen kontrasti perinteiseen DLP:hen, joka on pääasiassa jälkikäteen tapahtuvaa havaitsemista.

Nightfall on laajentunut merkittävästi perustamisensa jälkeen. Miten yritysten turvallisuuden tarpeet ovat kehittyneet tuona aikana, ja miten tuotteesi on sopeutunut niihin?

Maisema on muuttunut todella dramaattisesti. Aloimme SaaS-skannauksilla – esimerkiksi Slackilla ja Google Drivellä – noin 2020-2021. Sitten Generatiivisen tekoälyn varmistus muodostui kriittiseksi vuonna 2023, ja nyt näemme tämän kiireisen tarpeen autonomisille, älykkäille uhkien estolle, joka voi kasvaa organisaatioiden kanssa.

Turvallisuusoperaatiotiimit kamppailevat yhä monimutkaisempien työkalujen, perinteisen mallin havaitsemisen DLP:n, jatkuvan manuaalisen käytäntöjen mukauttamisen ja äärivoittoisen hälytysväsymyksen kanssa. Nämä ongelmat hidastavat tutkimuksia, lisäävät kulut ja vähentävät turvallisuuden tehokkuutta. Tuotteen kehitys on seurannut tätä siirtymistä reaktiivisista ja manuaalisista toimista proaktiivisiin, älykkäisiin automaatioihin. Ilmoitimme Generatiivisen tekoälyn kattavuuden vuonna 2023, laajensimme vuonna 2024 tietojen suojaamiseen, salaamiseen ja sähköpostin suojaamiseen, ja nyt Nyxin kanssa aloitamme mitä näemme seuraavana aikakautena agen-tasoisen tekoälyn tietosuojassa – muuttaen hälytysväsymyksen kohdennetuksi, vaikuttavaksi turvallisuustoimiksi SaaS-, päätepiste- ja AI-työkaluissa.

Viimeksi esittelit Nightfall Nyxin, jonka kuvailet teollisuuden ensimmäisenä autonomisena AI-käyttöön perustuvana DLP-alustana. Mikä tekee siitä autonomisen, ja mitä ongelmia se ratkaisee turvallisuustiimille?

Nightfallin AI-havaintojärjestelmä tarjoaa jo hyvin tarkan, matalan melun tulokset – 95 %:n tarkkuus verrattuna perinteisten DLP-ratkaisujen 5-30 %:iin. Tämän perustan päällä Nyx on älykkään osa, joka auttaa turvallisuustiimejä tutkimaan, liittämään ja ymmärtämään riskejä.

Vaikka melu on poissa, oikea työ alkaa. Suurissa organisaatioissa turvallisuusoperaatiotiimit voivat edelleen kohtailla satoja legitiimejä hälytyksiä joka päivä. Etsiminen niiden joukosta erottamaan liiketoimintaa hyväksyttyjä työvirroista, riskeistä huolehtimisesta tai sisäisistä uhkista voi viedä tunteja. Nyx ottaa tämän tutkimuksen raskaan työn – kiihdyttäen analyysiä, jotta tiimit voivat keskittyä toimiin, ei etsimiseen ja lajitteluun sivujen hälytyksiä.

Katsooko, että työkalut kuten Nightfall tulevat olemaan oletusarvoinen valvontakerros yritysmaailmassa?

Uskon, että traektori viittaa siihen, että kyllä. Näemme laajaa Generatiivisen tekoälyn omaksumista suunnitelmia yrityksissä, ja suuret alustat, kuten Microsoft (MSFT ) Entra Internet Access, ottavat käyttöön sisäisiä, ennen lähetyksen valvontaa Generatiiviselle tekoälyliikenteelle. Kun yhdistät tämän teollisuuden konsensukseen Varoitus tekoälystä, on järkevää odottaa, että ennen lähetyksen valvonta ja AI-tietoinen DLP tulevat olemaan oletusarvoinen valvontakerros rinnakkain esimerkiksi identiteetin ja pääsysteemin hallinnan ja päätepisteen havaitsemisen ja reagoinnin kanssa.

Lopulta, perustajana nopeasti muuttuvassa tilassa, mikä on pitkän aikavälin visiosi Nightfallille ja tekoälylle yritysten tietosuojassa?

Pitkän aikavälin visiomme perustuu siihen, mitä ilmaisimme julkaisussa – olemme pilvitietojen ohjauskeskus – mutta nyt laajennamme sitä autonomisilla toimilla ja agen-tasoisen tekoälyominaisuuksilla. Näemme tulevaisuuden, jossa turvallisuusasema paranee jatkuvasti ilman lisätöitä analyytikoille, jossa tekoäly poistaa tarpeen erikoistuneesta alakohtaisesta asiantuntemuksesta ja jossa organisaatiot voivat siirtyä reaktiivisista, manuaalisista turvallisuustoimista proaktiivisiin, älykkäisiin uhkien estoon.

Käytännössä se tarkoittaa tekoälyä, joka ymmärtää tietoja kontekstissa ja tekee turvallisia, älykkäitä toimia – tutkii, kouluttaa, poistaa, estää – SaaS-, päätepiste-, sähköposti- ja Varoitus tekoälysovelluksissa. Haluamme sulkea silmukka havainnosta estoon antaen turvallisuustiimille aina päällä olevan älykkään kumppanin, joka muuttuu jokaisen tutkimuksen myötä ja muuttaa viikkoja manuaalista forensiikkaa minuuteiksi kohdennetuksi vasteiksi.

Kiitos hienosta haastattelusta, lukijat, jotka haluavat oppia enemmän, voivat vierailla Nightfall:ssa.