אמיש דיוואטיה, מייסד-שותף ומנכ”ל של Baffle – סדרת ראיונות

אמיש דיוואטיה הוא מייסד-שותף ומנכ”ל של Baffle, חברה המתמחה באינטגרציה של אבטחת נתונים לכל היבט של מערכת הנתונים, כדי לפשט את הגנת הנתונים בענן ולמזער את ההשפעה של הדלפות נתונים.

פלטפורמת החברה מציעה פתרון קל להתקנה, ללא קוד, שמאבטח נתונים רגישים ללא השפעה על הביצועים או דרישה לשינויים ביישומים. טכנולוגיית Baffle תואמת לספקי ענן מובילים כגון AWS, Azure, IBM ו-GCP. בשירות לקוחות רבים, מחברות Fortune 25 ועד עסקים בינוניים וקטנים, Baffle מגן על למעלה מ-100 מיליארד רשומות ברחבי העולם, תוך עבודה עם משלבי מערכות להטמעה יעילה.

מה הניע אותך להקים את Baffle, Inc., וכיצד ניסיונותיך הקודמים כיזם עיצבו את גישתך בשלבים הראשונים של החברה?

לאחר שחברתי הקודמת הוצאה, לקחתי הפסקה נחוצה לטעון אנרגיה ולחשוב על מה שרציתי לעשות הבא. תמיד אהבתי לבנות חברות, כך שהתחלתי לנהל שיחות עם חבר VC בשלבים מוקדמים, והוא הכיר לי את Priyadarshan “PD” Kolte, שיהיה שותפי. הוא הציג בפנינו אתגר מרתק, המחופש לשאלה: “איך אתה מוציא תועלת מנתונים תוך כדי הגנה עליהם?” האתגר הזה תפס אותי—פתרון בעיות קשות הוא מה שאני חי. היה פער בולט בהגנת נתונים, במיוחד סביב פשטות הצפנה והגנה על נתונים ‘בשימוש’. תשע שנים אחר כך, כאן אנחנו, עונים על השאלה הזו עם Baffle.

עם עליית ה- AI היצרני, כיצד יכולות חברות לוודא שנתוניהן נשארים מאובטחים תוך כדי ניצול יתרונות הטכנולוגיות של AI?

זו שאלה שכל חברה העוסקת ב- AI צריכה לשאול. ביטחון וחדשנות לעיתים קרובות נראות כשתי כוחות מנוגדים, אך הן לא חייבות להיות כאלה. המפתח הוא פריצת דרך בשם חישוב מוגבר פרטיות (PEC) שמתחיל בהצפנה—שומר על נתונים מוגנים במנוחה, במעבר ובזמן שימוש. על ידי הצפנת נתונים רגישים לפני שהם מגיעים למודלים של AI ואז שימוש ב-PEC לעיבוד, אתה עדיין יכול לקבל את התובנות שאתה צריך בלי לפשר על הביטחון. זה עניין של הישארות מלפנים, עדכון פרוטוקולי אבטחה וניצול כלים כמו Baffle כדי להפחית סיכונים. אתה לא צריך לוותר על חדשנות לטובת ביטחון.

האם אתה יכול להסביר את התפקיד הספציפי של הצפנה בהגנה על נתונים ומודלים שנוצרו על ידי AI? כיצד הוא שונה משיטות הגנת נתונים מסורתיות?

הצפנה עבור נתוני AI היא כמו לעטוף את הנכס היקר ביותר שלך בנייר עטיפה—לא משנה כמה הוא מושלך, הוא נשאר מוגן. חשוב אותו כנעילת הנתונים בזמן השימוש. שיטות מסורתיות מתמקדות באבטחת נתונים כאשר הם לא בשימוש (במנוחה) או כאשר הם נמצאים בתנועה (במעבר). אך עם AI, אנחנו מוסיפים שכבה חדשה של סיבוכיות, מכיוון שהנתונים צריכים להישאר מוצפנים אפילו כאשר הם מעובדים על ידי מודלים. Baffle מתמקד בהגנה ‘נתונים בשימוש’, ומוודא שהביצועים לא מושפעים אך הביטחון לא מוותר.

Baffle השיקה לאחרונה פתרון הגנת נתונים ספציפי עבור פרויקטים של GenAI. האם אתה יכול לספר יותר על איך פתרון זה עובד ומה גורם לו להיות ייחודי בשוק?

פתרון ה-GenAI שלנו הוא כולו על הפשטת הצפנה ויעילות, אפילו כאשר אתה עובד עם AI. הוא מתחבר לצינור AI קיים על ידי הגנה על נתונים בזמן שהם נקלטים. זהוויותו ביכולת הנקראת הצפנה אמיתית, שמעבדת את הנתונים מבלי לחשוף אותם. הדבר החשוב ביותר הוא שאתה לא צריך לשנות דבר בצינור ה- AI שלך—אין צורך לכתוב מחדש קוד, אין בעיות. פשוט מחבר והמשך. התמקדנו בקלות השימוש ובוודאות שהביטחון לא מפריע לחדשנות, וזה מה שהופך את הפתרון הזה למושך כל כך עבור לקוחות.

פלטפורמתכם מדגישה “אין שינויי קוד” ליישום הגנת נתונים. כיצד גישה זו מועילה לחברות, במיוחד אלו עם צנרורות נתונים גדולים ומורכבים?

איש לא רוצה לשבור משהו שכבר עובד. עם גישת “אין שינויי קוד” שלנו, חברות לא צריכות לקרוע את היישומים או המעבירים הקיימים שלהן כדי להוסיף הצפנה. זהו יתרון גדול עבור ארגונים גדולים עם צנרורות נתונים מורכבים, מכיוון שזה אומר שהם יכולים לחזק את הביטחון מבלי לסכן הפרעות. זה מהיר יותר, קל יותר, ומסיר הרבה מהכאבים הרגילים שבדרך כלל מגיעים עם אינטגרציה של טכנולוגיה חדשה.

כיצד הצפנה הניתנת לשאילתא של Baffle שונה משיטות הצפנה אחרות, ומהן היתרונות שהיא מציעה לחברות המטפלות בניתוחי נתונים בקנה מידה גדול?

הצפנה הניתנת לשאילתא היא “רוטב הסוד” שלנו. לעומת הצפנה מסורתית, שדורשת ממך לפענח נתונים באחסון הנתונים לפני ניתוח (וכך לחשוף אותם), אנו מאפשרים לרוץ שאילתות על הנתונים המוצפנים עצמם. זה כמו להחזיק את העוגה ולאכול אותה—אתה מקבל את התובנות בלי לסכן את הביטחון. זהו משנה משחק, במיוחד עבור חברות המטפלות בכמויות עצומות של נתונים רגישים, כמו בפיננסים או ברפואה, שם הציות הוא בלתי ניתן למשא ומתן.

הגנת ‘נתונים בשימוש’ היא תכונה ביקורתית של פלטפורמת Baffle. האם אתה יכול להסביר איך זה עובד ולמה זה חיוני עבור חברות, במיוחד בהקשר של GDPR ותקנות הגנת נתונים אחרות?

כאשר נתונים בשימוש—נעבדים על ידי מערכות—הם בדרך כלל בנקודת הפגיעות הגבוהה ביותר. זהו הסיבה שהגנה עליהם בזמן אמת היא ביקורתית, במיוחד עם תקנות כמו GDPR, שדורשות גישה הנקראת ‘הגנת נתונים מעצב’. פלטפורמתנו מבטיחה שאפילו כאשר נתונים נעבדים, הם עדיין מוצפנים. גישה זו מחסלת את חלון הסיכון של החשיפה, שם הדלפות נתונים רבות קורות, ועוזרת לחברות להישאר מחויבות ובטוחות.

כאשר מודלי AI הופכים למורכבים יותר, מהם האתגרים העיקריים באבטחת מודלים אלו מפני התקפות יריבות, וכיצד Baffle פותר אתגרים אלו?

מודלי AI הופכים לחכמים יותר, אבל גם התוקפים. התקפות יריבות—שבהן גורמים זדוניים מנסים לדלל את הנתונים שמשפיעים על פלט המודל—הופכות לדאגה גדלה. אנו טופלים בכך על ידי התמקדות בצד הנתונים. על ידי הצפנת הנתונים עליהם מודלי ה- AI מסתמכים, אנו הופכים את זה הרבה יותר קשה עבור מישהו להשפיע על שלמות המודל. זה כמו לתת ל- AI מודל כספת נעולה של נתונים—איש לא מקבל כניסה בלי המפתח.

האם אתה יכול לדון בחשיבות של בקרת גישה על בסיס תפקיד (RBAC) באסטרטגיות הגנת נתונים מודרניות, במיוחד עבור ארגונים המשתמשים בסביבות ענן רב-דיירים?

בסביבות ענן רב-דיירים, RBAC היא חובה. תדמיין שיש לך הרבה אנשים שחולקים את אותה תשתית ענן. ללא RBAC, זה כמו לתת לכולם גישה לכל הבניין במקום רק למשרד שלהם. פלטפורמתנו משלבת RBAC כך שרק אנשים מורשים, על בסיס תפקידם או תעודות, יכולים לגשת לנתונים רגישים, שומרים על הדברים נעולים ומפחיתים את סיכון ההדלפות.

Baffle חווה צמיחה משמעותית בשנים האחרונות, עם הכנסות שכפילו בשנה האחרונה. מה אתה מייחס את הצמיחה הזו, וכיצד אתה מתכנן להמשיך את המגמה הזו?

אנו רוכבים על גל של ביקוש, מכיוון שבנינו את הפתרון הנכון לבעיה הנכונה. צמיחתנו קשורה לדבר אחד: אנו פותרים בעיה שכל חברה פוגשת—הגנת נתונים. עם איומים קיברנטיים בעלייה ורגולציות הופכות לקשוחות יותר, חברות פונות אלינו לפתרונות שעובדים בלי לאט אותן. התמקדותנו בהצפנה הניתנת לשאילתא ובקלות השימוש היא סיבה גדולה לצמיחה. הלאה, אנו מתכננים להמשיך לדחוף את גבולות החדשנות, להרחיב את המוצרים שלנו, ולבנות שותפויות חזקות שיכניסו אותנו לשווקים חדשים.

תודה על הראיון הנהדר, קוראים שרוצים ללמוד יותר צריכים לבקר ב- Baffle.