Ameesh Divatia, Baffle의 공동 창립자 및 CEO – 인터뷰 시리즈

Ameesh Divatia는 Baffle의 공동 창립자 및 CEO로서, 데이터 보안을 데이터 파이프라인의 모든 측면에 통합하여 클라우드 데이터 보호를 간소화하고 데이터 침해의 영향을 최소화하는 회사입니다.

그들의 플랫폼은 성능에 영향을 주거나 애플리케이션에 대한 변경을 요구하지 않는 노코드, 쉽게 배포할 수 있는 솔루션을 제공하여 민감한 데이터를 보호합니다. Baffle의 기술은 주요 클라우드 제공업체인 AWS, Azure, IBM, GCP와 호환됩니다. 폭넓은 고객을 대상으로 하여 Fortune 25 회사에서 중소기업에 이르기까지, Baffle은 전 세계적으로 100억 개 이상의 레코드를 보호하며 시스템 통합업체와 협력하여 효율적인 배포를 thực현합니다.

당신은 Baffle, Inc.의 공동 창립자를 мотив화한 것은 무엇이었으며, 이전의 기업가 경험은 회사 초기 단계에서 접근 방식을 어떻게 형성했나요?

내 마지막 회사에서 퇴사한 후, 나는 재충전하고 다음에 무엇을 할지 생각하기 위해 필요한 휴식을 취했습니다. 나는 항상 회사를 건설하는 것을 좋아했으므로, 나는 초기 단계의 VC 친구와 대화를 시작했고, 그는 나에게 Priyadarshan “PD” Kolte를 소개했는데, 그는 나의 공동 창립자가 될 것입니다. 그는 우리에게 도전적인 질문, 즉 “데이터를 보호하면서 어떻게 가치를 얻을 수 있는가?”라는 질문을 제시했습니다. 그 도전이 나를 사로잡았습니다. 어려운 문제를 해결하는 것이 바로 내가 사는 이유입니다. 데이터 보호, 특히 암호화와 데이터 사용 중 보호에 대한 간격이 있었는데, 9년 후에 우리는 Baffle과 함께 그 질문에 답하고 있습니다.

생성적 AI의 부상과 함께, 회사는 AI 기술의 혜택을 활용하면서 데이터가 안전하게 유지되는 것을 어떻게 보장할 수 있나요?

이것은 AI를 다루는 모든 회사에서 hỏi해야 하는 질문입니다. 보안과 혁신은 종종 상반된 힘으로 느껴지지만, 반드시如此은 아닙니다. 핵심은 개인 정보 보호 강화 계산(PEC)이라는 혁신적인 기술로 시작하여 데이터를 보호하는 것입니다. 데이터를 AI 모델에 전달하기 전에 먼저 암호화하고, 그 다음에 PEC를 사용하여 처리하면, 보안을 위협하지 않고 필요한 통찰력을 얻을 수 있습니다. 이는 게임을 앞서가는 것이며, 보안 프로토콜을 업데이트하고, Baffle과 같은 도구를 사용하여 위험을 완화하는 것입니다. 혁신을 위해 보안을 희생할 필요는 없습니다.

AI 생성 데이터 및 모델을 보호하는 암호화의 특정 역할을 설명할 수 있나요? 어떻게 하면 전통적인 데이터 보호 방법과 다르게 할 수 있나요?

AI 데이터를 위한 암호화는 가장 가치 있는 자산을 버블 랩으로 감싸는 것과 같습니다. 데이터를 사용하는 동안에도 잠금을 유지하는 것입니다. 전통적인 방법은 데이터가 사용되지 않을 때(휴식 중) 또는 이동 중일 때 데이터를 보호하는 데 중점을 둡니다. 그러나 AI의 경우, 데이터를 모델에 의해 처리하는 동안에도 암호화된 상태로 유지해야 하는 새로운 복잡성层을 추가합니다. Baffle은 “데이터 사용 중” 보호에 중점을 두어 성능에 영향을 주지 않으면서 보안을 희생하지 않습니다.

Baffle은 최근에 GenAI 프로젝트를 위한 데이터 보호 솔루션을 출시했습니다. 이 솔루션에 대한 자세한 정보를 공유할 수 있나요?

우리의 GenAI 솔루션은 AI와 함께 작업할 때 암호화를 간단하고 효율적으로 만드는 것입니다. 기존 AI 파이프라인에 플러그인하여 데이터를 보호하는 것입니다. 이는 데이터를 처리하는 동안 노출되지 않도록 하는 실제 쿼리 가능한 암호화 기능을 따릅니다. 가장 중요한 것은 AI 파이프라인에서 아무 것도 변경할 필요가 없다는 것입니다. 코드를 다시 작성할 필요도, 번거로움이 없습니다. 그냥 플러그인하고 진행하면 됩니다. 우리는 사용의 용이성에 중점을 두었으며, 보안이 혁신을 방해하지 않도록 했습니다. 이것이 고객이 이 솔루션을 매력적으로 찾는 이유입니다.

당신의 플랫폼은 데이터 보호를 구현하기 위한 “노 코드” 변경을 강조합니다. 이는 특히 대규모, 복잡한 데이터 파이프라인을 갖춘 회사에 어떤 이점을 제공합니까?

누구도 이미 작동하는 것을 깨고 싶어하지 않습니다. 우리의 “노 코드” 접근 방식을 통해 회사들은 기존 애플리케이션 또는 데이터 이동기를 분해하여 암호화를 추가할 필요가 없습니다. 이는 대규모 조직에 대한 큰 이점입니다. 왜냐하면 이는 중단을 위험하게 하지 않고 보안을 강화할 수 있기 때문입니다. 이는 더 빠르고, 더 쉽고, 일반적으로 새로운 기술을 통합할 때 발생하는 많은頭痛을 제거합니다.

Baffle의 실제 쿼리 가능한 암호화는 다른 암호화 방법과 어떻게 다르며, 대규모 데이터 분석을 처리하는 회사에 어떤 이점을 제공합니까?

실제 쿼리 가능한 암호화는 우리의 비밀 소스입니다. 전통적인 암호화와 달리 데이터를 분석하기 전에 데이터 저장소에서 데이터를 해독해야 하므로(그리고 그렇게 함으로써 노출됨) 우리는 암호화된 데이터 자체에서 쿼리를 실행할 수 있도록 합니다. 이는 케이크를 먹으면서도 케이크를 유지하는 것과 같습니다. 통찰력을 얻으면서 보안을 위협하지 않습니다. 이는 특히 금융 또는 의료와 같은 대규모 민감한 데이터를 다루는 회사에서 규정 준수를 위해 필수적인 게임 체인저입니다.

Baffle 플랫폼의 중요한 기능인 데이터 사용 중 보호에 대해 설명할 수 있나요? 특히 GDPR 및 기타 데이터 개인 정보 보호 규정의 contexto에서 왜 이것이 회사에 필수적인가요?

데이터가 사용 중인 경우(시스템에 의해 처리되는 경우)에는 일반적으로 가장 취약한 상태입니다. 이는 특히 “데이터 보호 설계”라는 규정인 GDPR와 같은 규정에서 실시간으로 데이터를 보호하는 것이 중요합니다. 우리의 플랫폼은 데이터가 처리되는 동안에도 암호화된 상태로 유지합니다. 이는 데이터 침해가 종종 발생하는 위험한 노출 창을 제거하여 회사들이 규정 준수하고 안전하게 유지하도록 도와줍니다.

AI 모델이 더 복잡해짐에 따라, 적대적 공격에 대한 이러한 모델을 보호하는 데 주요 도전은 무엇이며, Baffle은 이러한 도전을 어떻게 해결합니까?

AI 모델은 더智能해지고 있지만, 공격자들도 더智能해지고 있습니다. 적대적 공격, 즉 악의적인 행위자가 AI 모델의 출력에 영향을 미치는 데이터를 조작하려고 시도하는 것은 증가하는 우려입니다. 우리는 데이터 측면에 중점을 둡니다. AI 모델이 의존하는 데이터를 암호화함으로써, 우리는 모델의 무결성을 손상시키는 것을 훨씬 더 어렵게 만듭니다. 이는 AI 모델에게 잠금된 금고를 제공하는 것과 같습니다. 누구도 열쇠 없이 들어갈 수 없습니다.

최신 클라우드 환경에서 역할 기반 액세스 제어(RBAC)의 중요성을 논의할 수 있나요?

다중 테넌트 클라우드 환경에서 RBAC는 필수입니다. 여러 사람이 동일한 클라우드 인프라를 공유하는 것을 상상해 보십시오. RBAC가 없으면, 이는 모든 사람에게 전체 건물을 액세스할 수 있는 권한을 부여하는 것과 같습니다. 우리의 플랫폼은 RBAC를 통합하여 권한이 있는 사람만이 역할 또는 자격증명에 따라 민감한 데이터에 액세스할 수 있도록 합니다. 이는 모든 것을 잠금으로 유지하고 침해의 위험을 줄입니다.

Baffle은 최근 1년 동안 매출이 두 배로 증가했습니다. 이 성장을 무엇에 기인하는지, 그리고 어떻게 이 궤적을 계속할 계획인지 알려주실 수 있나요?

우리는 올바른 솔루션을 올바른 문제에 대한需求의 물결을 타고 있습니다. 우리의 성장은 하나의 것에요. 우리는 모든 회사가 직면하는 문제, 즉 데이터 보호를 해결하고 있습니다. 사이버 위협이 증가하고 규정이 더 엄격해지면서, 회사는 우리에게 솔루션을 찾고 있습니다. 우리의 실제 쿼리 가능한 암호화와 사용의 용이성에 대한 집중은 성장의 큰 이유입니다. 앞으로 우리는 혁신의 한계를 계속 밀어붙이고, 제품을 확장하며, 새로운 시장으로 들어가는 강력한 파트너십을 구축할 계획입니다.

멋진 인터뷰에 감사드립니다. 더 많은 정보를 원하는 독자는 Baffle을 방문할 수 있습니다.