रोहन साठे, नाइटफॉल के सह-संस्थापक और सीईओ - साक्षात्कार श्रृंखला

शुरुआती दिनों में, हम क्लाउड ऐप्स और आधुनिक वर्कफ़्लोज़ में संवेदनशील डेटा की खोज और सुरक्षा के लिए मशीन लर्निंग का इस्तेमाल करना चाहते थे। 2019 में जब हम इस क्षेत्र से बाहर आए, तो हमने खुद को एक क्लाउड-नेटिव, मशीन लर्निंग-संचालित SaaS DLP समाधान के रूप में स्थापित किया, जिसका उद्देश्य 'क्लाउड डेटा के लिए नियंत्रण क्षेत्र' बनाना था। जैसे-जैसे हमने SaaS से आगे बढ़कर एंडपॉइंट्स और जनरेटिव AI में डेटा एक्सफ़िल्ट्रेशन को शामिल किया, 'AI-नेटिव DLP' हमारा व्यापक शब्द बन गया।

नाइटफॉल शुरू करने से पहले, आप उबर ईट्स में एक संस्थापक इंजीनियर थे, जहाँ आपने प्रत्यक्ष रूप से देखा कि डेटा SaaS और क्लाउड टूल्स में कैसे फैलता है। वहाँ के आपके अनुभवों ने डेटा सुरक्षा के बारे में आपके दृष्टिकोण को कैसे आकार दिया, और किन विशिष्ट क्षणों या चुनौतियों ने नाइटफॉल के विचार को जन्म दिया?

उबर ईट्स में, मैं बैकएंड टीमों का नेतृत्व कर रहा था और एप्लाइड मशीन लर्निंग सेवाएँ—जैसे कि ईटीए और आपूर्ति-माँग पूर्वानुमान—का निर्माण कर रहा था। हम कई अलग-अलग प्रणालियों में फैले पेटाबाइट-स्केल डेटा से निपट रहे थे, जो एक ऐसा वातावरण है जहाँ संवेदनशील जानकारी बहुत तेज़ी से और अक्सर अदृश्य रूप से स्थानांतरित हो सकती है। उस अनुभव ने, उबर के 2016 के उल्लंघन जैसी घटनाओं से पूरे उद्योग को जो कुछ सीखा—जहाँ हमलावरों ने मूल रूप से GitHub पर कोड में मौजूद क्रेडेंशियल्स का लाभ उठाकर AWS डेटा तक पहुँच बनाई—को मिलाकर, वास्तव में इस बात पर प्रकाश डाला कि कैसे डेटा के फैलाव, क्रेडेंशियल्स और क्लाउड इंफ्रास्ट्रक्चर का यह संयोजन बेहतर पहचान और सुरक्षा उपायों के बिना इतना बड़ा जोखिम पैदा करता है। इन वास्तविकताओं ने शुरुआत से ही नाइटफॉल के संदर्भ-जागरूक खोज और रोकथाम पर ध्यान केंद्रित करने को आकार दिया।

नाइटफॉल को 2019 में सीरीज़ ए फंडिंग के साथ सार्वजनिक रूप से लॉन्च किया गया था। क्या आप हमें स्टील्थ मोड से लॉन्च तक के शुरुआती सफ़र के बारे में बता सकते हैं, जिसमें कोई महत्वपूर्ण मोड़ भी शामिल है?

हमने लगभग एक साल तक गुप्त रूप से काम किया, फिर 7 नवंबर, 2019 को बैन कैपिटल वेंचर्स और वेनरोक के नेतृत्व में 20.3 मिलियन डॉलर के निवेश के साथ आधिकारिक तौर पर लॉन्च किया। शुरुआती मोड़ वास्तव में व्यापक SaaS एकीकरण और उच्च-सटीकता वाले ML-आधारित सामग्री वर्गीकरण के विकास के इर्द-गिर्द घूमते थे, जिससे पुराने DLP समाधानों में आने वाली झूठी सकारात्मकता को कम किया जा सके।

शैडो एआई का मतलब कार्यस्थल पर चैटजीपीटी, जेमिनी और कोपायलट जैसे उपकरणों के अनियंत्रित उपयोग से है, जिसके परिणामस्वरूप अक्सर अदृश्य डेटा लीक हो जाता है। आप शैडो एआई को कैसे परिभाषित करते हैं, और आधुनिक संगठनों के लिए यह इतनी बढ़ती चिंता का विषय क्यों है?

हम शैडो एआई को कर्मचारियों द्वारा एआई टूल्स के अनधिकृत या अनियंत्रित उपयोग के रूप में परिभाषित करते हैं—सोचिए सोर्स कोड या ग्राहक डेटा को चैटबॉट्स में पेस्ट करना—जो आईटी गवर्नेंस के बाहर जोखिम पैदा करता है। यह परिभाषा आईबीएम और स्प्लंक जैसी अन्य उद्योग कंपनियों के मामले में हम जो देख रहे हैं, उससे मेल खाती है। शैडो एआई मूलतः बिना किसी अनुमोदन या निगरानी के एआई का उपयोग है, जिससे ये अस्पष्ट बिंदु और संभावित डेटा एक्सफ़िल्टरेशन जोखिम उत्पन्न होते हैं। उपयोग में आसान जेनरेटिव एआई ऐप्स और उचित नियंत्रणों की कमी के कारण यह समस्या इतनी तेज़ी से बढ़ रही है।

आपने कई तरीकों से बताया है कि नाइटफॉल का शैडो एआई के प्रति दृष्टिकोण पारंपरिक डीएलपी से कैसे अलग है। इनमें से कौन सी विशेषता—चाहे वह संदर्भ-जागरूक निगरानी हो, डेटा लाइनेज हो, या रीयल-टाइम ब्लॉकिंग हो—आपके ग्राहकों के लिए सबसे ज़्यादा प्रभावशाली साबित हुई है?

ग्राहकों से हम जो लगातार सुनते हैं, उसके अनुसार, वास्तव में दो मुख्य कारक हैं जो सबसे बड़ा अंतर लाते हैं। पहला है प्री-सबमिशन नियंत्रण—जो संवेदनशील सामग्री को AI टूल्स पर भेजे जाने या वेब पर पोस्ट किए जाने से पहले ही पकड़ लेता है। दूसरा है हमारा AI-नेटिव डिटेक्शन, जो डेटा लाइनेज और संदर्भ को समझने के लिए लीगेसी पैटर्न-मैचिंग से आगे बढ़ता है।

निरंतर सीखने के माध्यम से शोर में कमी लाना वास्तव में शक्तिशाली है। हमारा सिस्टम सामग्री और फ़ाइल वंशावली को समझता है, उपयोगकर्ता की टिप्पणियों और क्रियाओं से सीखता है, और कम जोखिम वाली गतिविधि को दबाने के लिए सुरक्षित वर्कफ़्लो की पहचान करता है। यह लीगेसी DLP समाधानों की तुलना में गलत सकारात्मक परिणामों को नाटकीय रूप से कम करता है। हम LLM, ट्रांसफ़ॉर्मर्स और कंप्यूटर विज़न का उपयोग करके वास्तविक समय में खतरे का पता लगाने और जोखिम प्राथमिकता निर्धारण भी कर रहे हैं, साथ ही कस्टम फ़ाइल और संवेदनशीलता क्लासिफायर भी हैं जो बौद्धिक संपदा और उच्च-मूल्य वाले दस्तावेज़ों की गतिविधियों को उजागर कर सकते हैं जो साधारण नियम-आधारित इकाई पहचान से कहीं आगे जाते हैं। हमारे ग्राहक हमें बताते हैं कि वे अलर्ट थकान से केंद्रित, उच्च-प्रभावी सुरक्षा कार्रवाइयों में इस परिवर्तन को देख रहे हैं।

नाइटफॉल का ब्राउज़र-आधारित और एंडपॉइंट-नेटिव डिटेक्शन सिस्टम लीक होने से पहले उसे कैसे रोकता है, और इसकी तुलना लीगेसी डीएलपी सिस्टम से कैसे की जा सकती है जो केवल सबमिशन के बाद ही उल्लंघन का पता लगाता है?

हमारे ब्राउज़र एक्सटेंशन और एंडपॉइंट एजेंट वास्तव में प्रॉम्प्ट और फ़ाइलों को सबमिट होने से पहले स्कैन करते हैं। हम वास्तविक समय में जोखिमपूर्ण सामग्री को संपादित या ब्लॉक कर सकते हैं—उदाहरण के लिए, ChatGPT प्रॉम्प्ट भेजे जाने से पहले। हम वंशावली का भी पता लगा रहे हैं ताकि सुरक्षा टीमों को पता चल सके कि कोई फ़ाइल किसी कॉर्पोरेट सिस्टम से आई है या नहीं। हम macOS और Windows पर क्रोम और फ़ायरफ़ॉक्स एक्सटेंशन के साथ इसे तैनात करते हैं जो भेजने से पहले संपादन और अपलोड ब्लॉकिंग की यह सुविधा प्रदान करते हैं। यह पुराने DLP से बिल्कुल अलग है, जो मुख्यतः बाद में पता लगाने पर आधारित है।

अपनी स्थापना के बाद से नाइटफॉल का काफ़ी विस्तार हुआ है। इस दौरान उद्यम सुरक्षा की ज़रूरतें कैसे विकसित हुई हैं, और आपके उत्पाद ने इसके अनुरूप कैसे बदलाव किए हैं?

परिदृश्य वास्तव में नाटकीय रूप से बदल गया है। हमने 2020-2021 के आसपास SaaS स्कैनिंग—जैसे स्लैक और गूगल ड्राइव—से शुरुआत की थी। फिर 2023 से जनरेटिव AI गार्डरेल्स महत्वपूर्ण हो गए, और अब हम स्वायत्त, बुद्धिमान ख़तरे की रोकथाम की तत्काल आवश्यकता देख रहे हैं जो संगठनात्मक विकास के साथ बढ़ सके।

सुरक्षा संचालन दल लगातार जटिल होते जा रहे उपकरणों, पुराने पैटर्न-मिलान वाले DLP, लगातार मैन्युअल नीति समायोजन और लगातार बढ़ती अलर्ट थकान से जूझ रहे हैं। ये समस्याएँ जाँच को धीमा करती हैं, ओवरहेड बढ़ाती हैं और सुरक्षा प्रभावशीलता को कम करती हैं। हमारे उत्पाद विकास ने प्रतिक्रियाशील और मैन्युअल संचालन से सक्रिय, बुद्धिमान स्वचालन की ओर इस बदलाव को ट्रैक किया है। हमने 2023 में जनरेटिव AI कवरेज की घोषणा की, 2024 में एक्सफ़िल्ट्रेशन रोकथाम, एन्क्रिप्शन और ईमेल सुरक्षा तक विस्तार किया, और अब Nyx के साथ, हम डेटा सुरक्षा में एजेंटिक AI के अगले युग की शुरुआत कर रहे हैं—SaaS, एंडपॉइंट्स और AI टूल्स में अलर्ट थकान को केंद्रित, उच्च-प्रभावी सुरक्षा कार्रवाइयों में बदलना।

आपने हाल ही में नाइटफॉल निक्स पेश किया है, जिसे आप उद्योग का पहला स्वायत्त एआई-नेटिव डीएलपी प्लेटफ़ॉर्म बताते हैं। इसे स्वायत्त क्या बनाता है, और यह सुरक्षा टीमों की किन समस्याओं का समाधान करता है?

नाइटफॉल का एआई डिटेक्शन प्लेटफ़ॉर्म पहले से ही बेहद सटीक, कम शोर वाले नतीजे देता है—पारंपरिक रेगेक्स या नियम-आधारित डीएलपी के 95-5% की तुलना में 30% सटीकता। इसी आधार पर, Nyx एक एआई-इंटेलिजेंस परत है जो सुरक्षा टीमों को जोखिमों की जाँच, सहसंबंध और समझने में मदद करती है।

शोर-शराबा खत्म होने के बाद भी, असली काम शुरू होता है। बड़े संगठनों में, SecOps टीमों को हर दिन सैकड़ों वैध अलर्ट का सामना करना पड़ सकता है। जोखिम भरे डेटा स्वच्छता मुद्दों या अंदरूनी खतरों से व्यवसाय-स्वीकृत वर्कफ़्लोज़ को अलग करने के लिए उनमें से छानबीन करने में घंटों लग सकते हैं। Nyx इस खोजी और भारी काम को अपने ऊपर ले लेता है—विश्लेषण में तेज़ी लाता है ताकि टीमें अलर्ट के पन्नों को खोजने और छांटने के बजाय कार्रवाई पर ध्यान केंद्रित कर सकें।

Nyx एक्सफ़िल्ट्रेशन इवेंट्स—यूज़र्स, डोमेन, डिवाइस, डेटा टाइप, फ़ाइल नाम, वगैरह—के बिंदुओं को जोड़कर तुरंत पैटर्न सामने लाता है। अपने नेचुरल-लैंग्वेज इंटरफ़ेस के ज़रिए, विश्लेषक पैटर्न पर काम कर सकते हैं, निष्कर्षों की जाँच कर सकते हैं, रिपोर्ट तैयार कर सकते हैं और कुछ ही सेकंड में सुझाई गई कार्रवाइयाँ प्राप्त कर सकते हैं। जिन कामों में पहले दो घंटे लगते थे, अब वे दो मिनट से भी कम समय में हो सकते हैं—जो समय की 20 गुना बचत का एक बेहतरीन तरीका है।

कार्यस्थलों में जनरेटिव एआई का उपयोग तेजी से बढ़ रहा है और सुरक्षा टीमें इसे बनाए रखने के लिए संघर्ष कर रही हैं, क्या आप मानते हैं कि नाइटफॉल जैसे उपकरण उद्यम वातावरण के लिए नियंत्रण की एक डिफ़ॉल्ट परत बन जाएंगे?

मुझे लगता है कि यह प्रवृत्ति हाँ की ओर इशारा करती है। हम विभिन्न उद्यमों में जनरेटिव एआई को अपनाने की व्यापक योजनाएँ देख रहे हैं, और माइक्रोसॉफ्ट एंट्रा इंटरनेट एक्सेस जैसे प्रमुख प्लेटफ़ॉर्म जनरेटिव एआई ट्रैफ़िक के लिए इनलाइन, प्री-सबमिशन नियंत्रण शुरू कर रहे हैं। जब आप इसे शैडो एआई जोखिमों पर उद्योग की आम सहमति के साथ जोड़ते हैं, तो यह उम्मीद करना उचित है कि प्री-सबमिशन, एआई-अवेयर डीएलपी पहचान और पहुँच प्रबंधन और एंडपॉइंट डिटेक्शन और प्रतिक्रिया जैसी चीज़ों के साथ एक डिफ़ॉल्ट नियंत्रण परत बन जाएगा।

अंत में, इतनी तेजी से आगे बढ़ रहे क्षेत्र में एक संस्थापक के रूप में, नाइटफॉल के लिए आपका दीर्घकालिक दृष्टिकोण और उद्यम डेटा संरक्षण में एआई की भूमिका क्या है?

हमारी दीर्घकालिक दृष्टि उसी पर आधारित है जो हमने लॉन्च के समय व्यक्त की थी—क्लाउड डेटा के लिए नियंत्रण क्षेत्र बनना—लेकिन अब हम इसे स्वायत्त संचालन और एजेंटिक एआई क्षमताओं के साथ विस्तारित कर रहे हैं। हम एक ऐसे भविष्य की कल्पना करते हैं जहाँ विश्लेषकों पर अधिक काम का बोझ डाले बिना सुरक्षा स्थिति में निरंतर सुधार होता रहे, जहाँ एआई विशिष्ट डोमेन विशेषज्ञता की आवश्यकता को समाप्त कर दे, और जहाँ संगठन प्रतिक्रियाशील, मैन्युअल सुरक्षा संचालन से सक्रिय, बुद्धिमान ख़तरे की रोकथाम की ओर स्थानांतरित हो सकें।

व्यवहार में, इसका मतलब है एक ऐसा AI जो डेटा को संदर्भ के अनुसार समझता है और SaaS, एंडपॉइंट, ईमेल और शैडो AI पर सुरक्षित, बुद्धिमानी से काम करता है—जांच, कोचिंग, संपादन, ब्लॉक—। हम पता लगाने से लेकर रोकथाम तक के चक्र को बंद करना चाहते हैं, सुरक्षा टीमों को एक ऐसा हमेशा सक्रिय बुद्धिमान साथी देना चाहते हैं जो हर जाँच के साथ और भी ज़्यादा स्मार्ट हो जाए और हफ़्तों की मैन्युअल फ़ोरेंसिक जाँच को मिनटों की केंद्रित प्रतिक्रिया में बदल दे।

बेहतरीन साक्षात्कार के लिए धन्यवाद, जो पाठक अधिक जानना चाहते हैं, उन्हें अवश्य आना चाहिए सांझ.