Ameesh Divatia, medgrunnlegger og CEO av Baffle – Intervju-serie

Ameesh Divatia er medgrunnlegger og CEO av Baffle, et selskap som fokuserer på å integrere datasikkerhet i alle aspekter av datapipeline for å forenkle skyttsikkerhet og minimere virkningen av datalekkasjer.

Deres plattform tilbyr en løsning uten kode, som er enkelt å distribuere og sikrer følsomme data uten å påvirke ytelse eller kreve endringer i applikasjonene. Baffles teknologi er kompatibel med store skytjenesteleverandører som AWS, Azure, IBM og GCP. Selskapet betjener en stor kundebase, fra Fortune 25-selskaper til små og mellomstore bedrifter, og beskytter over 100 milliarder poster verden over, og samarbeider med systemintegratorer for effektiv distribusjon.

Hva motiverte deg til å grunnlegge Baffle, Inc., og hvordan har dine tidligere erfaringer som gründer påvirket din tilnærming i de tidlige fasene av selskapet?

Etter at mitt siste selskap ble solgt, tok jeg en nødvendig pause for å lade batteriene og tenke over hva jeg virkelig ville gjøre neste. Jeg har alltid elsket å bygge selskaper, så jeg startet å ha samtaler med en tidlig fase-VC-venn av mine, og han introduserte meg for Priyadarshan “PD” Kolte, som skulle bli min medgrunnlegger. Han utfordret oss med en intrigerende spørsmål, forkledd som en utfordring: “Hvordan får du verdi fra data samtidig som du beskytter dem?” Den utfordringen fanget meg—å løse vanskelige problemer er hva jeg lever for. Det var et glørende hull i datasikkerhet, særlig rundt å forenkle kryptering og beskytte data “i bruk”. Ni år senere er vi her, og svare på det spørsmålet med Baffle.

Med den økende bruken av generativ AI, hvordan kan selskaper sikre at deres data forblir sikre samtidig som de utnytter fordelen av AI-teknologier?

Dette er et spørsmål som hvert selskap som eksperimenterer med AI bør stille. Sikkerhet og innovasjon føles ofte som to motstridende krefter, men de behøver ikke å være det. Nøkkelen er en gjennombruddsinnovasjon kalt Privacy Enhanced Computation (PEC) som starter med kryptering—å holde data beskyttet i ro, under transport og mens de er i bruk. Ved å kryptere følsomme data før de kommer til AI-modellene først og deretter bruke PEC til å prosessere dem, kan du fortsatt få de innsiktene du trenger uten å kompromittere sikkerheten. Det handler om å holde seg foran spillet, å oppdatere sikkerhetsprotokollene og å utnytte verktøy som Baffle for å minimere risiko. Du behøver ikke å ofre innovasjon for sikkerhet.

Kan du forklare den spesifikke rollen til kryptering i å beskytte AI-generert data og modeller? Hvordan skiller det seg fra tradisjonelle metoder for datasikkerhet?

Kryptering for AI-data er som å pakke din mest verdifulle eiendom i bobleplast—uansett hvor mye den kastes rundt, forblir den beskyttet. Tenk på det som å låse dataene mens du bruker dem. Tradisjonelle metoder fokuserer på å sikre data når de ikke er i bruk (i ro) eller når de er under transport. Men med AI, legger vi til et nytt lag av kompleksitet fordi dataene må forblir kryptert selv når de bearbeides av modellene. Baffle fokuserer på denne “data-i-bruk”-beskyttelsen, og sikrer at ytelse ikke påvirkes, men sikkerheten ikke ofres.

Baffle lanserte nylig en løsning for datasikkerhet spesifikt for GenAI-prosjekter. Kan du dele mer detaljer om hvordan denne løsningen fungerer og hva som gjør den unik i markedet?

Vår GenAI-løsning handler om å gjøre kryptering enkelt og effektiv, selv når du arbeider med AI. Den kobles til en eksisterende AI-pipeline ved å beskytte data mens de innhentes. Dette følges av en funksjon kjent som real-spørbar kryptering som prosesserer dataene uten å avsløre dem. Det viktigste er at du ikke trenger å endre noe i AI-pipeline—ingen kodeendringer, ingen problemer. Bare koblet den til og gå. Vi har fokusert på enkelhet og sikret at sikkerhet ikke kommer i veien for innovasjon, og det er derfor kundene finner denne løsningen så attraktiv.

Deres plattform betoner “ingen kode”-endringer for å implementere datasikkerhet. Hvordan fordeler denne tilnærmingen selskaper, særlig de med store og komplekse datapipelines?

Ingen ønsker å bryte noe som allerede fungerer. Med vår “ingen kode”-tilnærming, trenger selskaper ikke å rive apart sine eksisterende applikasjoner eller dataflytter for å legge til kryptering. Dette er en stor fordel for store organisasjoner med komplekse datapipelines, fordi det betyr at de kan styrke sikkerheten uten å risikere avbrytelser. Det er raskere, enklere og fjerner mange av hodepineene som vanligvis følger med integrering av ny teknologi.

Hvordan skiller Baffles Real Queryable Encryption seg fra andre krypteringsmetoder, og hva fordeler den for selskaper som håndterer storstilte dataanalyser?

Real Queryable Encryption er vår hemmelige saus. I motsetning til tradisjonell kryptering, som krever at du dekrypterer data i datalagret før du analyserer det (og dermed avslører det), lar vi deg kjøre spørringer på de krypterte dataene selv. Det er som å ha kaken og spise den også—du får innsiktene uten å risikere sikkerheten. Dette er en game-changer, særlig for selskaper som håndterer store mengder følsomme data, som i finans eller helse, hvor overholdelse er uhåndgripelig.

Data-i-bruk-beskyttelse er en kritisk funksjon i Baffles plattform. Kan du forklare hvordan dette fungerer og hvorfor det er essensielt for selskaper, særlig i sammenheng med GDPR og andre datasikkerhetsregler?

Når data er i bruk—blir prosessert av systemer—er de vanligvis på sitt mest sårbare. Derfor er det kritisk å beskytte dem i sanntid, særlig med regler som GDPR, som krever en holdning kjent som “datasikkerhet ved design”. Vår plattform sikrer at dataene fortsatt er kryptert selv når de prosesseres. Denne tilnærmingen eliminerer det risikable vinduet for eksponering hvor datalekkasjer ofte skjer, og hjelper selskaper å forbli overholdt og trygge.

Ettersom AI-modellene blir mer komplekse, hva er de største utfordringene i å sikre disse modellene mot motstridende angrep, og hvordan møter Baffle disse utfordringene?

AI-modellene blir smartere, men også angriperne. Motstridende angrep—der onde aktører prøver å manipulere data som påvirker en AI-modells utgang—er en voksende bekymring. Vi møter dette ved å fokusere på datasiden. Ved å kryptere dataene som AI-modellene er avhengige av, gjør vi det mye vanskeligere for noen å forstyrre modellens integritet. Det er som å gi AI-modellen en låst skap med data—ingen kommer inn uten nøkkel.

Kan du diskutere betydningen av rollebasert tilgangskontroll (RBAC) i moderne datasikkerhetsstrategier, særlig for organisasjoner som bruker flerleiet skytmiljøer?

I flerleiet skytmiljøer er RBAC en nødvendighet. Forestill deg at du har en haug med mennesker som deler samme sky-infrastruktur. Uten RBAC, er det som å gi alle tilgang til hele bygningen i stedet for bare deres kontor. Vår plattform integrerer RBAC, så bare autoriserte personer basert på deres individuelle rolle eller legitimasjon, kan få tilgang til følsomme data, og holder ting låst og reduserer risikoen for brudd.

Baffle har opplevd betydelig vekst de siste årene, med en dobling av inntektene i løpet av det siste året. Hva tilskriver du denne veksten til, og hvordan planlegger du å fortsette denne trenden?

Vi surfer på en bølge av etterspørsel fordi vi har bygget den riktige løsningen for det riktige problemet. Veksten vår skyldes en ting: vi løser et problem som hvert selskap møter—datasikkerhet. Med økende cybertrusler og strengere regler, vender selskaper seg til oss for løsninger som fungerer uten å bremse dem ned. Fokuset vårt på real-spørbar kryptering og enkelhet er en stor årsak til denne veksten. Fremover planlegger vi å fortsette å drive innovasjon, utvide produktene våre og bygge sterke partnerskap som tar oss inn i nye markeder.

Takk for det flotte intervjuet, lesere som ønsker å lære mer, kan besøke Baffle.