Ron Reiter, CTO e Co-Fondatore di Sentra – Serie di Interviste

Ron Reiter, CTO e Co-Fondatore di Sentra, è un imprenditore esperto e un esperto di sicurezza informatica con una profonda conoscenza del cloud, che ha costruito soluzioni tecnologiche innovative nel corso di oltre due decenni di sviluppo software; ha co-fondato e guidato la tecnologia in Sentra, un’azienda di sicurezza dei dati che si concentra sull’aiutare le imprese a proteggere i loro dati nel cloud, e in precedenza ha co-fondato Crosswise (acquisita da Oracle (ORCL ) per 50 milioni di dollari), mentre lavorava anche come direttore dell’ingegneria presso Oracle/Crosswise per oltre sei anni, sovraintendendo ai prodotti e ai team di Oracle Data Cloud.

Sentra è una piattaforma di sicurezza dei dati nativa del cloud che utilizza la scoperta, la classificazione e l’analisi contestuale guidate dall’intelligenza artificiale per fornire alle organizzazioni una visibilità e un controllo completi sui dati sensibili in tutta la cloud, ibrida e on-premises, aiutandole a valutare i rischi, applicare la governance, soddisfare la conformità e prevenire l’esposizione dei dati su larga scala nei moderni flussi di lavoro multi-cloud e di intelligenza artificiale.

Ha fondato diverse aziende nel settore della sicurezza informatica e dell’infrastruttura dei dati. Cosa l’ha spinto a creare Sentra e come la sua esperienza in Crosswise e Oracle ha influenzato la direzione iniziale dell’azienda?

Ciò che mi ha spinto a fondare Sentra è stato un modello che continuavo a vedere ripetersi. In Crosswise e successivamente in Oracle, i dati erano sempre al centro di gravità. Era dove si trovava il valore, ma anche dove si accumulava il rischio. Tuttavia, la maggior parte degli strumenti di sicurezza trattava i dati come qualcosa di statico, qualcosa che si scopre una volta e poi si presume sia sotto controllo.

Man mano che l’adozione del cloud accelerava e le organizzazioni iniziavano a sperimentare con l’intelligenza artificiale, quell’ipotesi smise di essere valida. I dati si muovevano costantemente, venivano copiati, trasformati e acceduti da sistemi che nessuno seguiva completamente. Volevo costruire un’azienda che partisse dai dati come un asset vivente, qualcosa che si comprende e si governa continuamente, piuttosto che qualcosa che si inventaria una volta e si dimentica. Quell’idea ha plasmato Sentra fin dal primo giorno.

Sentra si concentra sul fornire alle organizzazioni il controllo e la visibilità completi sui loro dati nel cloud. Qual è il problema principale che ha cercato di risolvere quando ha iniziato a progettare la piattaforma?

Il problema principale era la falsa fiducia. Molte organizzazioni credevano di comprendere la loro posizione in materia di dati, ma quella fiducia si basava su una visibilità parziale. Sapevano dove si trovavano alcuni dati sensibili, ma non tutti, e raramente avevano un’immagine chiara di come quei dati venissero acceduti o riutilizzati nel tempo.

Ci siamo impegnati a colmare quella lacuna. Non solo scoprendo i dati, ma mantenendo una comprensione continua di cosa esista, quanto sia sensibile e chi o cosa possa accedervi. Senza quella base, tutto il resto della sicurezza diventa reattivo.

Ha parlato dell’importanza dell’accuratezza nella sicurezza dei dati moderna. Cosa rende difficile raggiungere un’alta accuratezza su larga scala nel cloud, e come il suo team ha affrontato quel problema in modo diverso?

L’accuratezza diventa difficile su larga scala perché il contesto è importante. Man mano che gli ambienti crescono, i dati diventano più non strutturati e più specifici per come un’azienda opera effettivamente. La semplice corrispondenza dei modelli e i modelli general-purpose funzionano ragionevolmente bene in ambienti più piccoli, ma tendono a rompersi man mano che i volumi di dati crescono e i casi d’uso diventano più complessi.

Abbiamo visto questo di persona nelle valutazioni aziendali in cui l’accuratezza si deteriorava man mano che i clienti passavano da decine di terabyte a petabyte di dati non strutturati. Il nostro approccio è stato quello di progettare la classificazione intorno al contesto e di essere disciplinati sull’efficienza. L’accuratezza che funziona solo su piccola scala o richiede un eccessivo calcolo non è utile in ambienti aziendali reali.

La scansione e la protezione dei dati in ambienti cloud distribuiti sono notoriamente difficili. Quali decisioni architettoniche consentono a Sentra di operare efficientemente su più cloud e archivi di dati?

Abbiamo assunto fin dall’inizio che i clienti avrebbero operato su più cloud, piattaforme SaaS e ambienti ibridi. Ciò ci ha spinto a evitare progetti che dipendono dal movimento dei dati o dalla scansione completa costante, che non funzionano bene man mano che gli ambienti crescono.

Al contrario, ci siamo concentrati sul mantenimento della visibilità man mano che gli ambienti cambiano e sulla minimizzazione degli oneri non necessari. Quella scelta di progetto si riflette nell’affidabilità e nella prevedibilità dei costi, soprattutto in ambienti grandi e complessi.

Man mano che gli agenti di intelligenza artificiale, i copiloti e i flussi di lavoro automatizzati si integrano nei sistemi aziendali, quali nuove categorie di rischi per la sicurezza dei dati ritiene che le aziende stiano ancora sottovalutando?

Il più grande punto cieco è l’accesso non umano. Gli agenti di intelligenza artificiale, le integrazioni e i flussi di lavoro automatizzati accedono continuamente ai dati sensibili, spesso al di fuori dei controlli progettati per gli utenti umani.

Questi sistemi non si connettono nello stesso modo in cui lo fanno le persone e non attivano gli avvisi tradizionali. Trattarli come un altro utente è un errore. Le aziende devono capire cosa questi sistemi possano accedere e assicurarsi che quei permessi rimangano allineati con l’intento, altrimenti il rischio aumenta più velocemente di quanto i team possano rispondere.

Sentra utilizza un approccio basato sui modelli per classificare e proteggere i dati sensibili. Come si bilancia la prestazione del modello, il costo operativo e la scalabilità quando si costruisce per carichi di lavoro aziendali?

Il bilanciamento deriva dall’essere deliberati su come vengono utilizzati i modelli. Non ogni problema richiede il modello più grande o più generale. Ci concentriamo sull’utilizzo di piccoli modelli linguistici (SLM) che sono ben adatti ai compiti di classificazione e possono operare efficientemente in ambienti grandi.

Questo ci consente di mantenere una forte accuratezza mentre teniamo bassi i costi operativi e prevedibili. Per i team di sicurezza aziendale, la coerenza e l’affidabilità contano tanto quanto le prestazioni brute.

Qual è il più grande malinteso che vede tra i CISO sulla sicurezza dei dati nel cloud nell’era dell’intelligenza artificiale, e come dovrebbero evolversi le loro strategie?

Un malinteso comune è che scoprire i dati una volta sia sufficiente. In realtà, gli ambienti cloud e di intelligenza artificiale cambiano costantemente. I dati si muovono, i permessi si spostano e nuovi sistemi vengono online ogni settimana.

Le strategie devono spostarsi dalla valutazione periodica alla governance continua. Ciò significa trattare la sicurezza dei dati come una disciplina continua piuttosto che un progetto. L’obiettivo non è solo trovare il rischio, ma impedire che il rischio riappia man mano che l’ambiente evolve.

La gestione della postura di sicurezza dei dati (DSPM) è diventata uno strato centrale dello stack di sicurezza cloud moderno. A suo parere, quali caratteristiche definiscono una piattaforma DSPM veramente matura?

Una piattaforma DSPM matura fa tre cose bene. Deve comprendere i dati in modo accurato, deve operare in modo affidabile su larga scala e deve supportare l’azione piuttosto che solo la segnalazione.

Ciò che stiamo vedendo ora è che molte piattaforme sembrano forti nelle demo o nei primi impegni, ma lottano man mano che gli ambienti crescono e i modelli di accesso diventano più dinamici. Le scansioni si rallentano, i costi aumentano e l’accuratezza si erode, soprattutto con i dati non strutturati. Una piattaforma DSPM matura è quella in cui i team di sicurezza continuano a fidarsi quando i volumi di dati raggiungono la scala di produzione e i sistemi di intelligenza artificiale accedono continuamente ai dati. La fiducia su larga scala è ciò che separa le piattaforme utilizzabili da quelle teoriche.

Ha anche investito in diverse startup di sicurezza informatica. Da quella prospettiva, cosa separa i fondatori che hanno successo in questo settore da quelli che lottano?

I fondatori che hanno successo tendono a essere molto vicini al vero dolore dei clienti. Resistono alla tentazione di inseguire le mode o di sovracostruire per casi limite, e si concentrano invece sul risolvere problemi che si presentano ripetutamente negli ambienti di produzione.

Sono anche pensati alla sostenibilità fin dall’inizio. Nella sicurezza, vincere una prova di concetto è facile. Funzionare in modo affidabile su larga scala per anni è molto più difficile. I fondatori che progettano per quella realtà fin dall’inizio tendono a durare.

Nel 2026 e oltre, come si aspetta che le esigenze di sicurezza dei dati si spostino man mano che le organizzazioni adottano architetture decentralizzate, sistemi di intelligenza artificiale autonomi e flussi di dati sempre più complessi?

La sicurezza dei dati si sposterà dal proteggere le posizioni al governare il movimento. Man mano che le architetture si decentralizzano e i sistemi di intelligenza artificiale agiscono in modo autonomo, la domanda non sarà più dove si trovano i dati, ma come fluiscono e chi o cosa può utilizzarli.

Le organizzazioni avranno bisogno di una visibilità e di un’applicazione delle politiche continue che viaggino con i dati stessi. Coloro che non possono raggiungere questo obiettivo troveranno le loro iniziative di intelligenza artificiale rallentate dalle preoccupazioni di rischio e conformità. Coloro che possono farlo si muoveranno più velocemente, con fiducia.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare Sentra.