इडो लिवनेह, जैज़ के सीईओ और सह-संस्थापक – साक्षात्कार श्रृंखला

इडो लिवनेह, जैज़ के सीईओ और सह-संस्थापक, एक अनुभवी उत्पाद नेता और उद्यमी हैं जिनका उच्च प्रभाव वाले प्रौद्योगिकी प्लेटफ़ॉर्म बनाने और स्केल करने का एक मजबूत रिकॉर्ड है, जिसमें लैमिनार में उत्पाद का नेतृत्व करना और रूब्रिक द्वारा इसके अधिग्रहण करना शामिल है, और टैपिंगो को ग्रबहब को $150 मिलियन में बेचने में मदद करना; उनका करियर एक्सोनियस और पहले के उद्यम जैसे क्नूपो में वरिष्ठ भूमिकाओं में शामिल है, और यह इस्राइल रक्षा बलों में लगभग एक दशक के दौरान विकसित की गई गहरी तकनीकी नींव में निहित है, जहां उन्होंने इंजीनियरिंग से सॉफ़्टवेयर आरएंडडी का नेतृत्व करने तक आगे बढ़े, जो अब एआई-मूल साइबर सुरक्षा समाधान बनाने पर उनके ध्यान को आकार देता है।

जैज़ एक एआई-मूल साइबर सुरक्षा कंपनी है जो डेटा हानि रोकथाम को पुनः परिभाषित कर रही है जो विरासत-आधारित नियम-आधारित प्रणालियों से परे जा रही है और एक संदर्भ-जागरूक मंच पेश कर रही है जो संगठनों में डेटा के प्रवाह को समझता है, उपयोगकर्ता व्यवहार, प्रणालियों और कार्य प्रवाहों का विश्लेषण करता है ताकि वास्तविक जोखिमों की पहचान की जा सके न कि अत्यधिक अलर्ट उत्पन्न किए जा सकें, और एआई का उपयोग करके घटनाओं की जांच उनके स्रोत पर करने और कार्रवाई योग्य अंतर्दृष्टि प्रदान करने के लिए, मंच लीन सुरक्षा टीमों को जटिल वातावरण को प्रबंधित करने और बादल अनुप्रयोगों, एंडपॉइंट्स और आंतरिक प्रणालियों में संवेदनशील डेटा एक्सपोज़र को रोकने में सक्षम बनाता है, जिससे जैज़ को एआई युग के लिए उद्यम सुरक्षा का पुनर्निर्माण करने वाली कंपनियों की एक नई पीढ़ी का हिस्सा बनाया जा रहा है।

आप लैमिनार जैसी कंपनियों में उत्पाद का नेतृत्व कर चुके हैं और एक्सोनियस और ग्रबहब में वरिष्ठ भूमिकाएं निभाई हैं, साथ ही साथ कई स्टार्टअप्स की स्थापना की है। उन अनुभवों से कौन सा विशिष्ट अंतर या अंतर्दृष्टि आपको जैज़ शुरू करने के लिए प्रेरित किया, और डेटा हानि रोकथाम (डीएलपी) को पुनः परिभाषित करने के लिए अब सही समय क्यों था?

मैंने पिछले दशक में सुरक्षा उत्पादों का निर्माण किया है और सीआईएसओ के सामने बैठा है। तीन वीपी उत्पाद भूमिकाएं, दो निकास – जिसमें लैमिनार शामिल है, जिसे हमने रूब्रिक को बेचा। और अगर मैंने इस सब में से एक बात सीखी है, तो यह है: निश्चित रूप से कोई भी अपने डीएलपी से प्यार नहीं करता है।

लैमिनार में, हमने डीएसपीएम श्रेणी के पहले प्रवास का निर्माण किया – डेटा सुरक्षा मुद्रा प्रबंधन। महान समस्या, लेकिन हमने बाजार को तीन साल तक शिक्षित किया trước कि इनबाउंड शुरू हुआ। मैंने सोचा कि अगली बार, मैं एक पुरानी समस्या चाहता हूं। एक समस्या जिसे हर बोर्ड पहले से जानता है, हर सीआईएसओ के पास पहले से ही बजट है, और किसी ने भी वास्तव में हल नहीं किया है।

डीएलपी वह समस्या है। यह बीस साल पुराना है। हर सुरक्षा संगठन जोखिम को जानता है। और बाजार में समाधान सार्वभौमिक रूप से नफरत किए जाते हैं – न कि इसलिए कि विक्रेता अक्षम हैं, बल्कि इसलिए कि पूरा ढांचा गलत है। हमने मशीनों से पैटर्न मिलाने और मानवों से संदर्भ प्रदान करने के लिए कहा। यह मॉडल हमेशा टूटने के लिए नियत था।

समय स्पष्ट था। एआई ने हमें कुछ करने की क्षमता दी जो पहले साहित्यिक रूप से असंभव थी – एक प्रणाली बनाना जो डेटा को एक वरिष्ठ विश्लेषक की तरह समझता है, लेकिन स्वायत्त रूप से और पैमाने पर। जब हमने यह देखा, तो हम चार सह-संस्थापकों – सभी यूनिट 81 के पूर्व छात्र – ने जाना कि यह पहले सिद्धांतों पर वापस जाने और डीएलपी को स्क्रैच से पुनः बनाने का समय था। और इस बार, इसे काम करना और आसानी से करना।

पारंपरिक डीएलपी प्रणालियों को लंबे समय से अत्यधिक अलर्ट उत्पन्न करने के लिए आलोचना की जा रही है। नियम-आधारित डीएलपी में मूल रूप से क्या टूट जाता है, और उद्योग ने इस समस्या को हल करने के लिए संघर्ष क्यों किया है?

समस्या यह नहीं है कि नियम-आधारित डीएलपी को बेहतर नियमों की आवश्यकता है। समस्या यह है कि नियम इस काम के लिए शुरू से ही गलत उपकरण थे।

यह वास्तव में कैसे काम करता है। आप एक प्रणाली तैनात करते हैं जो पैटर्न को समझती है – रेगेक्स, फ़ाइल प्रकार, कीवर्ड। आप नियम लिखते हैं। मशीन डेटा को उन नियमों के खिलाफ मेल खाता है, और जब भी मेल खाता है, तो यह मानव विश्लेषक को बताता है: “इसे देखें।” विश्लेषक तब संदर्भ लाता है – कौन यह व्यक्ति है, क्या वे कर रहे थे, वे इसे क्यों कर रहे थे – और एक निर्णय लेता है।

दूसरा हिस्सा, मानव जांच, कभी भी स्केल नहीं करता है। डीएलपी का भौतिकी बहुत शोर है। डेटा लगातार किसी भी बड़े उद्यम के भीतर चलता रहता है। एक नौ-अंकीय संख्या हमेशा एक सामाजिक सुरक्षा संख्या नहीं होती है। एक फ़ाइल अपलोड हमेशा डेटा का अपवाह नहीं होता है। एक पत्र ग्रेड “ए” एफईआरपीए नियमों को ट्रिगर करता है। एक आंतरिक स्थानांतरण विभागों के बीच अवरुद्ध हो जाता है। प्रणाली यह नहीं बता सकती कि एक संवेदनशील फ़ाइल साझा करना व्यावसायिक सहयोग के लिए महत्वपूर्ण है या आपके ताज के गहने बाहर जा रहे हैं।

तो कंपनियां क्या करती हैं? वे अपवाद जोड़ते हैं। प्रत्येक अपवाद एक क्षण है जब आपका उपकरण आपके व्यवसाय को समझने में विफल रहा। और प्रत्येक एक प्रभावी रूप से स्वीकृत पिछला दरवाजा है। ज़ूम आउट करने के बाद अठारह महीने और आप जो चला रहे हैं वह एक सुरक्षा कार्यक्रम नहीं है – यह समझौतों का एक लेज़र है जो एक अनुपालन रिपोर्ट में तैयार किया गया है।

बाजार का लगभग 30% एक परिपक्व डीएलपी कार्यक्रम है, और यहां तक कि वे जानते हैं कि यह सबसे अच्छा प्रयास है – अनुपालन ढांचे को संतुष्ट करने और इसके अलावा कुछ नहीं। हम उन्हें “फंसे हुए” कहते हैं। शेष 70% या तो कभी नहीं कोशिश की या कोशिश की और विफल रहे। पिछले प्रयासों में नियम-आधारित ढांचे के शीर्ष पर थोड़ा सा एआई छिड़का गया था। यह एक कार पर एक ताज़ा पेंट का कोट लगाने जैसा है जिसका इंजन हर कोई जानता है कि वास्तव में भार को संभाल नहीं सकता है। ढांचा खुद को बदलने की आवश्यकता है।

जैज़ खुद को अलर्ट के बजाय उत्तर प्रदान करने वाले के रूप में स्थिति में है। आप हमारी प्रणाली के बारे में बताएं कि यह घटनाओं की जांच कैसे करती है और यह विरासती पता लगाने वाले कार्यप्रवाह से कैसे अलग है?

विरासती डीएलपी आपको एक आग अलार्म देता है और फिर आपको एक मैग्निफाइंग ग्लास देता है। “कुछ उस इमारत में हुआ। अच्छी किस्मत।”

जैज़ ऐसा नहीं करता है। हमने एक स्वायत्त जांचकर्ता बनाया है, जिसका नाम मेलोडी है, जो एक मानव विश्लेषक द्वारा किया जाने वाला काम करता है, लेकिन सुपरमैन स्केल पर।

जब एक डेटा लेनदेन होता है, तो मेलोडी इसे झंडा नहीं देती है। वह चार आयामों में एक पूरी जांच चलाती है। पहले, डेटा स्वयं – रेगेक्स और पैटर्न के साथ नहीं, बल्कि गहराई से यह समझने के लिए कि यह डेटा क्या है, इसका मालिक कौन है, इसके खोने का जोखिम वास्तव में क्या है इस कंपनी के लिए। दूसरा, प्रणाली – डेटा कहां से आ रहा है, यह कहां जा रहा है, और महत्वपूर्ण रूप से, कौन सा किरायेदार है। एक कॉर्पोरेट गूगल ड्राइव में एक फ़ाइल अपलोड करने और एक व्यक्तिगत एक में अपलोड करने के बीच एक बड़ा अंतर है, और मेलोडी इस अंतर को समझती है।

तीसरा, लोग – हम व्यक्तियों के संचालन के तरीके सीखते हैं, वे डेटा का उपयोग समय के साथ कैसे करते हैं, उनकी भूमिका के लिए क्या सामान्य है। और चौथा, व्यावसायिक प्रक्रिया – यह लेनदेन क्यों हो रहा है? क्या यह एक ज्ञात कार्यप्रवाह का हिस्सा है, या यह कुछ जो हम समझा नहीं सकते हैं?

इन कई एजेंटों को एक साथ लाया जाता है और पूरी कहानी का पुनर्निर्माण किया जाता है: क्या हुआ, क्यों हुआ, और अभिनेता का इरादा क्या था। जब तक कोई मानव इसे देखता है, तब तक यह एक अलर्ट नहीं है – यह एक पूर्व-जांचित कथा है जिसमें साक्ष्य, संदर्भ और एक निर्णय है। एक典型 तैनाती में, जैज़ प्रति माह प्रति 1,000 कर्मचारियों के लिए लगभग 2 मिलियन संकेतों को संसाधित करता है, संभावित घटनाओं की सैकड़ों हजारों जांच करता है, और लगभग 80 घटनाओं को सतहित करता है जिन्हें वास्तव में मानव ध्यान की आवश्यकता है। यह 20,000 से 1 सिग्नल-टू-शोर अनुपात है। यही कारण है कि हम अलर्ट थकान और अकार्यशील अलर्ट को समाप्त करते हैं।

आपका मंच डेटा, प्रणालियों, लोगों और व्यावसायिक प्रक्रियाओं में संदर्भ का विश्लेषण करता है। आप तकनीकी रूप से इन आयामों को कैसे एकीकृत करते हैं, और इस प्रक्रिया में एआई एजेंट या तर्क प्रणाली की क्या भूमिका है?

आर्किटेक्चर कई विशेषज्ञता वाले एआई एजेंटों के आसपास बनाया गया है, प्रत्येक एक ही डेटा लेनदेन का विश्लेषण एक अलग दृष्टिकोण से करता है।

एक एजेंट डेटा को गहराई से समझने पर केंद्रित है – इसकी सामग्री, संवेदनशीलता, स्वामित्व और व्यवसाय के लिए प्रासंगिकता। दूसरा सिस्टम लैंडस्केप देखता है – केवल अनुप्रयोगों के नाम नहीं, बल्कि विशिष्ट किरायेदार, विश्वास स्तर, क्या यह उद्यम या व्यक्तिगत है। तीसरा व्यक्तियों के संचालन के तरीके का निर्माण और अद्यतन करता है, ताकि यह मूल्यांकन कर सके कि कोई दिया गया कार्य उनकी भूमिका के साथ संगत है या पूरी तरह से असामान्य है। और चौथा व्यावसायिक प्रक्रियाओं को मैप करता है – डेटा लेनदेन को ज्ञात कार्यप्रवाह से जोड़ता है और उन लोगों की पहचान करता है जो समझा नहीं जा सकता है।

इन एजेंटों को फिर एक एकीकृत जांच में एक साथ लाया जाता है – एक पूरी कथा जो बताती है कि क्या हुआ, क्यों हुआ, और क्या यह वास्तव में एक जोखिम है।

सब कुछ दो मूलभूत नवाचारों पर बैठता है। पहला, जिसे हम एंडपॉइंट संदर्भ वॉल्ट कहते हैं – डीएलपी के लिए विशेष रूप से हमारे द्वारा पेटेंट किए गए एक नए प्रकार के संकेत। ये न केवल डेटा लेनदेन खुद को पकड़ते हैं, बल्कि इसके चारों ओर पूरी कहानी भी – इससे पहले क्या हुआ, इसके बाद क्या हुआ, कौन से अनुप्रयोग शामिल थे, पूरा उपयोगकर्ता गतिविधि श्रृंखला। ये संकेत अविश्वसनीय रूप से समृद्ध संदर्भ हैं, और हमें न केवल यह बताने की अनुमति देते हैं कि क्या हुआ, बल्कि यह भी कि क्यों हुआ, और अभिनेता का इरादा था, जो हमेशा मशीनों के लिए पैमाने पर समझने में कठिन रहा है।

दूसरा, एक प्राकृतिक भाषा नीति इंजन जो पारंपरिक कठोर नियम सेट को बदल देता है। रेगेक्स और थ्रेशोल्ड के साथ तकनीकी नियम लिखने के बजाय, सुरक्षा टीमें बताती हैं कि क्या स्वीकार्य है और क्या नहीं है जिस तरह एक मानव करेगा – सादी भाषा में। मेलोडी इसका उपयोग स्थितियों पर सूक्ष्म निर्णय लेने के लिए करती है जो किसी नीति में स्पष्ट रूप से उल्लिखित नहीं हो सकती हैं। क्योंकि वास्तविकता अक्सर एक संगठन में दैनिक व्यावसायिक अभ्यासों से बहुत भिन्न होती है जो वास्तव में एक वैनिला नीति दस्तावेज में लिखा जाता है। हम उस अंतर को पुल करते हैं, और उन लोगों के लिए जिनके पास डीएलपी कार्यक्रमों के साथ लंबे समय से अनुभव है, यह जादू जैसा लगता है।

अब कई उद्यम स्वायत्त एआई एजेंटों को तैनात कर रहे हैं जो संवेदनशील डेटा के साथ बातचीत करते हैं। यह परिवर्तन खतरे के परिदृश्य को कैसे बदलता है, और डीएलपी के लिए एक नए दृष्टिकोण की आवश्यकता क्यों है?

यह एक टिकिंग समय बम है।

सास विस्फोट पहले से ही सुरक्षा टीमों को अभिभूत कर रहा था – प्रत्येक सप्ताह में, पांच नए उपकरण वातावरण में दिखाई देते हैं, जिनमें से कई को कर्मचारियों द्वारा आईटी अनुमोदन के बिना अपनाया जाता है। हमारे पास ग्राहकों को अपने संगठन में चलने वाले 400 से अधिक जेनएआई टूल्स का पता लगाने के लिए मिला है जिसके बारे में किसी को पता नहीं था। अब इसके ऊपर स्वायत्त एआई एजेंटों की परतें जोड़ें।

एआई एजेंट डेटा को सिर्फ पассив रूप से संभालने वाले नहीं हैं – वे इसे सक्रिय रूप से खींचते हैं, इसे बदल देते हैं, इसे अन्य सेवाओं में भेजते हैं, और इसके बारे में निर्णय लेते हैं कि यह कहां जाता है। एक कर्मचारी एक कंपनी के कोडबेस से जुड़ने के लिए एक एआई कोडिंग सहायक का उपयोग कर रहा है, एक व्यक्तिगत खाते का उपयोग कर रहा है, और फिर आउटपुट को एक व्यक्तिगत भंडार में धकेल रहा है – हमने क्षेत्र में ठीक यही देखा है। या किसी ने व्यक्तिगत चैटजीपीटी सत्र में स्वामित्व वाली रणनीति दस्तावेज़ चिपका दी क्योंकि कंपनी ने एक उद्यम खाता प्रदान नहीं किया है। या कुछ इतना सरल जैसे कि एक व्यक्तिगत ग्रामरली प्लग-इन जो बैंक हस्तांतरण विवरण और ग्राहक डेटा सहित आप जो कुछ भी टाइप करते हैं उसे समीक्षा करता है।

नियम-आधारित डीएलपी एक ऐसे दुनिया के लिए बनाया गया था जहां डेटा कुछ ज्ञात चैनलों के माध्यम से चलता था – ईमेल अटैचमेंट, यूएसबी ड्राइव, शायद एक वेब अपलोड। एआई युग ने उस मॉडल को तोड़ दिया। डेटा अब दर्जनों वेक्टर के माध्यम से बहता है जिन्हें विरासत प्रणाली देख भी नहीं सकती, छोड़कर तो और भी नहीं। आपको एक प्रणाली की आवश्यकता है जो संदर्भ को मूल रूप से समझता है – न कि कि डेटा चला गया, बल्कि क्यों, इसके माध्यम से, और क्या गंतव्य स्वीकृत है।

यही कारण है कि पुराने ढांचे को पैच नहीं किया जा सकता है। आपको एक दृष्टिकोण की आवश्यकता है जो व्यवसाय संदर्भ को मूल रूप से समझता है, क्योंकि हमले की सतह अब चैनलों की एक सूची नहीं है – यह मानवों, एआई टूल और संवेदनशील डेटा के बीच हर बातचीत है।

सुरक्षा में एआई को अपनाने में समझदारी एक प्रमुख बाधा बनी हुई है। आप यह कैसे सुनिश्चित करते हैं कि आपकी प्रणाली के निर्णय सुरक्षा टीमों के लिए उच्च-जोखिम वाले वातावरण में समझने योग्य और विश्वसनीय हैं?

यह कुछ ऐसा है जिसके बारे में हमने दिन एक से सोचा है, क्योंकि एक सीआईएसओ को जो चीज़ नहीं चाहिए वह एक और काला बॉक्स है।

मेलोडी द्वारा उत्पादित हर जांच एक कथा है – एक स्कोर नहीं, एक रंग कोड नहीं, एक जोखिम संख्या नहीं। यह एक वरिष्ठ विश्लेषक की ब्रीफिंग की तरह पढ़ता है। यहाँ क्या हुआ। यहाँ कौन शामिल था। यहाँ क्यों हमें लगता है कि उन्होंने ऐसा किया। यहाँ साक्ष्य है। यहाँ नीति है जिससे यह मेल खाता है। यहाँ हमारा मूल्यांकन है।

प्राकृतिक भाषा नीति इंजन इस में महत्वपूर्ण है। क्योंकि नीतियां स्वयं सादी भाषा में लिखी जाती हैं, सुरक्षा टीमें देख सकती हैं कि किस नीति के लिए निर्णय मैप करता है और क्यों। यदि मेलोडी कुछ झंडा दिखाता है, तो टीम संकेतों के माध्यम से तर्क श्रृंखला का पता लगा सकती है और नीति मैच तक। और यदि वे असहमत हैं, तो वे सादी भाषा में नीति को परिष्कृत कर सकते हैं – एक नियम सेट को डीबग करने के बजाय।

हम साक्ष्य को सीधे दिखाते हैं, पूरी गतिविधि श्रृंखला। यह “एआई पर विश्वास करें” नहीं है, यह “यही है कि एआई ने देखा, यही है कि एआई ने निष्कर्ष निकाला, और यही है कि कच्चा डेटा ताकि आप सत्यापित कर सकें।” हमारे ग्राहकों को यह बताने के लिए कहते हैं कि यह एक वास्तविक सहयोगी से ब्रीफिंग प्राप्त करने जैसा लगता है।

यही बार है। सुरक्षा टीमें ऐसे वातावरण में काम करती हैं जहां एक गलत निर्णय नियामक परिणाम, कानूनी जोखिम, या एक कर्मचारी के करियर का मतलब हो सकता है। प्रणाली को अपने निष्कर्षों तक कैसे पहुंचता है यह स्पष्ट करने के लिए विश्वास अर्जित करना होगा।

जैज़ अपनी प्रणाली को एक मानव जांचकर्ता की तरह व्यवहार करने वाले के रूप में वर्णित करता है, न कि एक नियम इंजन की तरह। इसका क्या अर्थ है और हम वास्तव में स्वायत्त सुरक्षा संचालन के कितने करीब हैं?

जब मैं कहता हूं कि मेलोडी एक मानव जांचकर्ता की तरह व्यवहार करती है, तो मेरा मतलब यह है कि यह वास्तव में ऐसा है।

एक महान डीएलपी विश्लेषक केवल यह नहीं देखता कि एक फ़ाइल अपलोड की गई थी। वे देखते हैं कि किसने इसे अपलोड किया, इसमें क्या था, यह कहां गया, क्या यह व्यक्ति आमतौर पर इस प्रकार के डेटा को संभालता है, क्या व्यावसायिक कारण था, और इससे पहले और बाद में क्या हुआ। वे संदर्भ-जागरूक निर्णय लेते हैं – न कि केवल नियम – और इसके लिए व्यवसाय का संदर्भ समझने की आवश्यकता है। यही मेलोडी करती है, लेकिन एक उद्यम में हर डेटा लेनदेन पर, निरंतर, और पैमाने पर।

अभ्यास में, हमारे ग्राहक मेलोडी को अपनी टीम का एक और सदस्य बताते हैं। वह उन्हें ऐसी स्थितियों दिखाती है जो नीति से बाहर हैं, पूरी जांच के साथ साक्ष्य प्रदान करती है, और मामलों पर मानव इनपुट की आवश्यकता वाले मामलों पर अपने निर्णय के लिए पूछती है। वह संगठन को समय के साथ सीखती है – व्यावसायिक प्रक्रियाएं, अपवाद, चीजें जो तकनीकी रूप से एक उल्लंघन हैं लेकिन संचालन रूप से सामान्य हैं।

स्वायत्त सुरक्षा संचालन के लिए – हम अधिक करीब हैं niż अधिकांश लोग सोचते हैं, लेकिन मैं इसका क्या अर्थ है इसके बारे में स्पष्ट होना चाहता हूं। मेलोडी पहले से ही जांच चरण में स्वायत्त रूप से काम करती है। वह कच्चे संकेतों को लेती है और मानवीय हस्तक्षेप के बिना पूरी तरह से जांच की गई, संदर्भित निर्णय देती है। उच्च-विश्वास, उच्च-जोखिम वाले परिदृश्यों के लिए, वह स्वायत्त रूप से रोकथाम की कार्रवाई भी कर सकती है – एक अपवाह को पूरा होने से पहले ही ब्लॉक कर सकती है।

मानव निर्णय लेने के लिए लूप में रहता है, और मानव-इन-द-लूप सीखने की प्रक्रिया के लिए। और यह डिज़ाइन द्वारा है। लक्ष्य सुरक्षा से मानवों को हटाना नहीं है, यह उन्हें उन कार्यों से मुक्त करना है जो उन्हें जलने का कारण बनते हैं और उन्हें उन निर्णयों पर ध्यान केंद्रित करने दें जिनके लिए वास्तव में मानव निर्णय लेने की आवश्यकता होती है। यही हम आज हैं, और यह पहले से ही हमारे ग्राहकों के लिए अपने कार्यक्रमों को कैसे चलाते हैं यह बदल रहा है।

उत्पाद और इंजीनियरिंग के दृष्टिकोण से, एक एआई-मूल डीएलपी प्लेटफ़ॉर्म को स्क्रैच से बनाने में सबसे कठिन तकनीकी चुनौतियां क्या थीं, न कि मौजूदा वास्तुकला पर निर्माण करने के लिए?

सबसे कठिन बात छोटे रास्ते के लिए प्रतिरोध करना था।

जब आप शुरू से शुरू करते हैं, तो हमेशा दबाव होता है कि पुरानी वास्तुकला के टुकड़ों को उधार लें क्योंकि वे साबित हुए हैं और तेज़ हैं, और मौजूदा ग्राहक अपेक्षाओं के साथ अधिक संरेखित हैं। लेकिन हर बार जब आप ऐसा करते हैं, तो आप पुराने मॉडल की सीमाओं को विरासत में लेते हैं। हमने जानबूझकर पहले सिद्धांतों पर वापस जाने का फैसला किया – समस्या के बुनियादी भौतिकी के बारे में सोचें और इसे फिर से बनाएं।

एंडपॉइंट एजेंट एक बड़ी चुनौती थी। हमें सिग्नल संग्रह चुनौती को फिर से सोचने और पर्याप्त संदर्भ हिट करने की आवश्यकता थी, और साथ ही साथ प्रणाली के प्रदर्शन पर कम प्रभाव बनाए रखने की आवश्यकता थी – जबकि सभी ऑपरेटिंग सिस्टम में निर्माण करना। हमें एक पेटेंट वाले दृष्टिकोण के साथ समाप्त हुआ जो किसी और के पास नहीं है।

बहु-एजेंट एआई प्रणाली एक और बड़ी चुनौती थी। कई विशेषज्ञता वाले एआई एजेंटों को एक ही लेन-देन का विश्लेषण करने के लिए प्राप्त करना ताकि वे एक साथ एक सुसंगत, सटीक कथा पर एकजुट हो सकें। यह केवल एक एलएलएम को एक डेटा फीड पर फेंकना नहीं है। ऑर्केस्ट्रेशन परत, एजेंट संदर्भ कैसे साझा करते हैं, एजेंट विरोधाभासी संकेतों को कैसे हल करते हैं – यही वह जगह है जहां अधिकांश चुनौती रहती है।

और फिर प्राकृतिक भाषा नीति इंजन। मानव-भाषा विवरणों को क्या स्वीकार्य है और क्या नहीं है, कुछ ऐसा में अनुवाद करना जो एक एआई को विश्वसनीय रूप से लागू कर सकता है हजारों एज केस पर – यह एक मूलभूत रूप से कठिन समस्या है। दैनिक व्यावसायिक अभ्यास अक्सर लिखित नीति दस्तावेज़ से काफी भिन्न हो सकते हैं। प्रणाली को उस अंतर को पुल करना होगा, और यह सही होना होगा, क्योंकि डीएलपी में गलत होने के परिणाम गंभीर हैं।

हमने जानबूझकर इन सभी कठिन समस्याओं को चुना है, क्योंकि वे अंतर बनाते हैं जो डीएलपी में क्रांतिकारी रूप से बेहतर और कुछ नया बनाते हैं।

इन सभी चुनौतियों में और कई और में, अभी भी खुले बाधाएं हैं जिन्हें पार करने के लिए सही प्रतिभा की आवश्यकता है। डीएलपी को अच्छी तरह से हल करना वास्तव में एक विचारोत्तेजक और आकर्षक यात्रा है। (CRWD )

जैज़ को क्राउडस्ट्राइक, एएवडब्ल्यू, और एनवीडिया द्वारा समर्थित 2026 साइबर सुरक्षा स्टार्टअप एक्सेलेरेटर का विजेता चुना गया था। यह अनुभव आपके दृष्टिकोण को क्या मान्य करता है, और यह आपके आगे के रोडमैप को कैसे प्रभावित करता है?

हज़ार स्टार्टअप्स ने आवेदन किया। छह फाइनलिस्ट बने। हम जीते।

मैं ईमानदार होना चाहता हूं, मंच पर चलने से पहले का क्षण आपके दिमाग को यह याद दिलाता है कि सब कुछ गलत हो सकता है। और फिर आप उस समस्या के बारे में बात करना शुरू करते हैं जिस पर हम काम कर रहे हैं, और सब कुछ शांत हो जाता है। हर देर रात का तर्क जो मेलोडी के काम करने के तरीके पर हुआ, हर कठिन वास्तुकला निर्णय, हर ग्राहक बातचीत जिसने उत्पाद को आकार दिया, सभी उन मिनटों में संकुचित हो गए।

निर्णायक, जॉर्ज कुर्त्ज़, सीजे मूसा, बार्टले रिचर्डसन, और प्रसिद्ध शार्क, रॉबर्ट हर्जावेक, ने इसे देखा। उन्होंने एजेंटिक जांच मॉडल और हमारे तेजी से ग्राहक अपनाने को बुलाया। हमारे लिए, उद्योग के नेताओं का समर्थन मायने रखता था – ट्रॉफी से ज्यादा। ये वे लोग हैं जिन्होंने सुरक्षा कार्यक्रमों का निर्माण और संचालन किया है उच्चतम स्तर पर, और उन्होंने मान्यता दी कि हम क्या कर रहे हैं वह पहले से आजमाए गए तरीकों से मूल रूप से अलग है – और हमारी प्राप्ति बोलती है।

रोडमैप के संदर्भ में, एक्सेलेरेटर ने हमें यह बताया कि हमारे ग्राहकों ने हमें क्या बता रहा है – बाजार इसके लिए तैयार है, और वे चाहते हैं कि हम तेजी से आगे बढ़ें। हम जांचकर्ता की क्षमताओं को विस्तारित करने और उत्पाद को जितनी संभव सुरक्षा टीमों के सामने लाने पर दोगुना कर रहे हैं।

आगे देखते हुए, क्या आप मानते हैं कि डीएलपी एक पूरी तरह से स्वायत्त, एजेंट-चालित प्रणाली में विकसित होगी, और एआई-मूल उद्यम में डेटा सुरक्षा का दीर्घकालिक भविष्य क्या होगा?

मैं मानता हूं कि डीएलपी चरणों में पूरी तरह से स्वायत्त हो जाएगा। जांच परत पहले से ही वहां है – मेलोडी आज ऐसा करती है। उच्च-विश्वास वाले परिदृश्यों के लिए रोकथाम जल्द ही हो रही है। समय के साथ, प्रणाली संगठन को स्मार्ट हो जाती है, इसके कार्यप्रवाह को सीखती है, इसके लोगों को समझती है, और वास्तव में मानव निर्णय लेने की आवश्यकता वाली सतह क्षेत्र कम हो जाती है।

लेकिन मैं स्पष्ट करना चाहता हूं – “स्वायत्त” का अर्थ है “अनुप्रविष्ट” नहीं। इसका अर्थ है कि प्रणाली उस काम को संभालती है जो मानवों को नहीं करना चाहिए, ताकि वे उन निर्णयों पर ध्यान केंद्रित कर सकें जो वास्तव में महत्वपूर्ण हैं। भविष्य के सीआईएसओ डूबे हुए नहीं हैं अलर्ट में। वे एक एआई से रणनीतिक जोखिम मूल्यांकन की समीक्षा कर रहे हैं जो उनके व्यवसाय को उतना ही गहराई से समझता है जितना कि उनका सबसे अच्छा विश्लेषक करता है। वे अपने संगठन के लैंडस्केप पर सक्रिय डेटा हानि के साथ-साथ उनके व्यवसाय को धीमा किए बिना जोखिम को कम करने के लिए सटीक कार्रवाई करते हैं।

बड़ा चित्र यह है: एआई-मूल उद्यम में, डेटा तेजी से चलता है, कई चैनलों के माध्यम से, मानव टीम द्वारा ट्रैक की जाने वाली तुलना में अधिक जटिल तरीकों से। जीतने वाले संगठन वे होंगे जिनकी सुरक्षा प्रणाली एआई की गति से संदर्भ को समझ सकती है, न कि वे जो अभी भी रेगेक्स नियम लिख रहे हैं और सबसे अच्छा होने की उम्मीद कर रहे हैं।

साक्षात्कार के लिए धन्यवाद, पाठक जो और जानना चाहते हैं उन्हें जैज़ पर जाना चाहिए।