센트라의 Ron Reiter, CTO 및 공동 창립자 – 인터뷰 시리즈

Ron Reiter, 센트라의 CTO 및 공동 창립자는 클라우드 전문 지식을 갖춘 季節된 기업가이자 사이버 보안 전문가로, 20년 이상의 소프트웨어 개발 경력을 가지고 있으며, 센트라를 공동 창립하여 기술을 이끌고 있습니다. 센트라는 클라우드 데이터를 보호하는 데이터 사이버 보안 회사입니다. 그는 이전에 Crosswise를 공동 창립하여 5,000만 달러에 오라클에 매각하였으며, 오라클에서 6년 이상 엔지니어링 디렉터로 재직하며 오라클 데이터 클라우드 제품과 팀을 감독했습니다.

센트라는 클라우드 네이티브 데이터 보안 플랫폼으로, AI 기반의 데이터 발견, 분류 및 컨텍스트 분석을 사용하여 조직이 클라우드, 하이브리드 및 온프레미스 환경에서 민감한 데이터에 대한 완전한 가시성과 제어를 제공합니다. 이는 조직이 위험을 평가하고, 거버넌스를 시행하고, 규정 준수를 충족하며, 현대적인 멀티 클라우드 및 AI 워크플로우에서 데이터 노출을 방지하는 데 도움이 됩니다.

여러 사이버 보안 및 데이터 인프라 회사들을 설립했습니다. 센트라를 만들게 된 동기는 무엇이었으며, 크로스와이즈와 오라클에서의 경험은 회사의 초기 방향에 어떻게 영향을 미쳤나요?

센트라를 시작하게 된 동기는 데이터가 항상 중력의 중심이었다는 패턴을 계속해서 보면서였습니다. 크로스와이즈와 이후 오라클에서 데이터는 항상 가치가 있었지만, 또한 위험이 축적되는 곳이었습니다. 그러나 대부분의 보안 도구는 데이터를 정적인 것으로 취급하였습니다. 한 번 발견하면 제어하다고 가정했습니다.

클라우드 채택이 가속화되고 조직이 AI를 실험하기 시작하면서, 그 가정이 더 이상 유지되지 않았습니다. 데이터는 항상 이동하고, 복사되고, 변환되고, 아무도 완전히 추적하지 못하는 시스템에 의해 액세스되었습니다. 나는 데이터를 지속적으로 이해하고 거버넌스를 하는 회사, 즉 데이터를 한 번 인벤토리하고 잊는 것이 아니라, 데이터를 살아있는 자산으로 간주하는 회사를 만들고 싶었습니다. 그 아이디어는 센트라를 설립한 초기부터 형성되었습니다.

센트라는 조직이 클라우드 데이터에 대한 완전한 제어와 가시성을 제공합니다. 플랫폼을 설계할 때 해결하고자 했던 핵심 문제는 무엇입니까?

핵심 문제는 거짓된 자신감이었습니다. 많은 조직은 데이터 포지션을 이해한다고 믿었지만, 그 자신감은 부분적인 가시성에 기반했습니다. 일부 민감한 데이터가 어디에 있는지 알고 있었지만, 모든 데이터가 어디에 있는지 정확히 알지 못했습니다. 또한 데이터가 어떻게 액세스되거나 재사용되는지에 대한 명확한 그림을 거의 가지지 못했습니다.

우리는 그 격차를 메우기 위해 노력했습니다. 데이터를 발견하는 것뿐만 아니라, 데이터가 무엇인지, 얼마나 민감한지,誰 또는 무엇이 액세스할 수 있는지에 대한 지속적인 이해를 유지하는 것이 목표였습니다. 그 기초가 없으면 보안의 모든 것이 반응적으로 됩니다.

현대 데이터 보안에서 정확성의 중요성을 강조했습니다. 대규모 클라우드 규모에서 높은 정확성을 달성하는 것이 어려운 이유는 무엇이며, 어떻게 그 문제를 다르게 접근했나요?

정확성이 어려워지는 이유는 컨텍스트가 중요하기 때문입니다. 환경이 커질수록 데이터는 더 구조화되지 않으며, 비즈니스 운영과 관련이 있습니다. 간단한 패턴 매칭과 일반적인 모델은 작은 환경에서 잘 작동하지만, 데이터 볼륨이 커지고 사용 사례가 더 복잡해지면 깨지기 쉽습니다.

우리는 엔터프라이즈 평가에서 직접 확인했습니다. 고객이 수십 테라바이트에서 페타바이트의 비정형 데이터로 이동할 때 정확도가 저하되는 것을 보았습니다. 우리의 접근 방식은 컨텍스트를 중심으로 분류를 설계하고, 효율성에 대해 엄격했습니다. 작은 규모나 과도한 컴퓨팅이 필요한 정확성은 실제 엔터프라이즈 환경에서 유용하지 않습니다.

분산된 클라우드 환경에서 데이터를 스캔하고 보호하는 것은 유명한 어려운 문제입니다. 센트라가 여러 클라우드와 데이터 저장소에서 효율적으로 작동할 수 있는 아키텍처 결정은 무엇입니까?

우리는 처음부터 고객이 여러 클라우드, SaaS 플랫폼 및 하이브리드 환경에서 운영할 것이라고 가정했습니다. 이는 데이터 이동이나 상시 전체 다시 스캔에 의존하는 설계를 피하도록 우리를 강제했습니다. 이러한 설계는 성능과 비용 예측성에서 나타납니다. 특히 큰 복잡한 환경에서 더욱 그렇습니다.

AI 에이전트, 공유자, 자동 워크플로우가 기업 시스템에 내장됨에 따라, 기업이 아직 과소평가하는 새로운 데이터 보안 위험 카테고리는 무엇이라고 생각하십니까?

가장 큰 맹점은 비인간 접근입니다. AI 에이전트, 통합 및 자동 워크플로우는 민감한 데이터에 지속적으로 접근하지만, 이러한 시스템은 전통적인 사용자와 같은 방식으로 로그인하지 않으며, 전통적인 경고를 트리거하지 않습니다. 이러한 시스템을 단순히 또 다른 사용자로 취급하는 것은 실수입니다. 기업은 이러한 시스템이 무엇을 액세스할 수 있는지 이해하고, 이러한 권한이 의도와 일치하는지 확인해야 합니다. 그렇지 않으면 위험은 팀이 대응할 수 있는 속도보다 더 빠르게 증가합니다.

센트라는 모델 기반 접근 방식을 사용하여 민감한 데이터를 분류하고 보호합니다. 엔터프라이즈 워크로드를 구축할 때 모델 성능, 운영 비용, 확장성을 어떻게 균형 있게 조정합니까?

균형은 모델을 사용하는 방식에 달려 있습니다. 모든 문제가 가장 큰 또는 가장 일반적인 모델을 필요로 하는 것은 아닙니다. 우리는 분류 작업에 적합하고 큰 환경에서 효율적으로 작동할 수 있는 작은 언어 모델(SLM)을 사용하는 데 중점을 두었습니다.

이렇게 하면 강력한 정확성을 유지하면서 운영 비용을 낮추고 예측 가능하게 유지할 수 있습니다. 엔터프라이즈 보안 팀에게 일관성과 신뢰성이 원활한 성능만큼 중요합니다.

CISO들이 클라우드 데이터를 보호하는 데 대해 가장 큰 오해는 무엇이라고 생각하십니까? 클라우드 데이터를 보호하는 전략은 어떻게 발전해야 합니까?

일반적인 오해는 데이터를 한 번 발견하면 충분하다고 생각하는 것입니다. 실제로 클라우드와 AI 환경은 끊임없이 변경됩니다. 데이터는 이동하고, 권한은 변경되고, 새로운 시스템이 매주 온라인으로 됩니다.

전략은 주기적인 평가에서 지속적인 거버넌스로 전환해야 합니다. 즉, 데이터 보안을 프로젝트가 아닌 지속적인 규율로 취급해야 합니다. 목표는 위험을 찾는 것이 아니라, 환경이 발전함에 따라 위험이 다시 나타나지 않도록 하는 것입니다.

데이터 보안 포지션 관리(DSPM)는 현대적인 클라우드 보안 스택의 중심 계층이 되었습니다. 성숙한 DSPM 플랫폼의 특징은 무엇이라고 생각하십니까?

성숙한 DSPM 플랫폼은 세 가지를 잘합니다. 데이터를 정확하게 이해해야 하며, 큰 규모에서 안정적으로 작동해야 하며, 보고만 하는 것이 아니라 행동을 지원해야 합니다.

현재 많은 플랫폼이 POVs 또는 초기 배포에서 강력해 보이지만, 환경이 커지고 액세스 패턴이 더 동적으로 변할 때 어려움을 겪는 것을 보는 중입니다. 스캔이 느려지고, 비용이 증가하며, 특히 비정형 데이터의 경우 정확성이 저하됩니다. 성숙한 DSPM 플랫폼은 데이터 볼륨이 생산 규모에 도달하고 AI 시스템이 지속적으로 데이터에 액세스할 때 보안 팀이 여전히 신뢰하는 플랫폼입니다. 규모에서 신뢰는 사용 가능한 플랫폼과 이론적인 플랫폼을 구분합니다.

여러 사이버 보안 스타트업에 투자했습니다. 그 관점에서 보안 산업에서 성공하는 창업자와 어려움을 겪는 창업자를 구분하는 요인은 무엇이라고 생각하십니까?

성공하는 창업자는 실제 고객의 고통에 매우 가깝습니다. 그들은 버즈워드나 에지 케이스를 추구하는 유혹을 저항하고, 대신 생산 환경에서 반복적으로 나타나는 문제를 해결하는 데 중점을 둡니다.

또한 그들은 초기부터 지속 가능성을 생각합니다. 보안에서 증명된 개념을赢는 것은 쉽지만, 수년 동안 규모에서 안정적으로 실행하는 것은 훨씬 더 어렵습니다. 초기부터 그 현실을 설계하는 창업자는 지속 가능합니다.

2026년 및 이후에, 분산된 아키텍처, 자율적인 AI 시스템 및 복잡한 데이터 흐름을 채택함에 따라 데이터 보안 요구 사항은 어떻게 변할 것으로 생각하십니까?

데이터 보안은 위치를 보호하는 것에서 데이터의 이동을 관리하는 것으로 이동할 것입니다. 아키텍처가 분산되고 AI 시스템이 자율적으로 작동함에 따라, 데이터가 어디에 있는지 묻는 질문은 더 이상 중요하지 않게 됩니다. 데이터가 어떻게 흐르고,誰 또는 무엇이 사용할 수 있는지에 대한 질문이 중요해집니다.

조직은 데이터 자체와 함께 이동하는 지속적인 가시성과 정책 시행을 필요로 할 것입니다. 이를 달성할 수 없는 조직은 AI 이니셔티브가 위험 및 규정 준수 문제로 인해 느려질 것입니다. 이를 달성할 수 있는 조직은 더 빠르고, 자신감을 가지고 움직일 것입니다.

멋진 인터뷰 감사합니다. 더 많은 정보를 원하는 독자는 센트라를 방문할 수 있습니다.