iboss lanserer AI DLP for sanntidskontroll av data på tvers av nettskyen og AI

iboss kunngjorde AI DLP 3. november 2026. Produktet skal forebygge datatap ved å inspisere innhold i sanntid på tvers av AI-verktøy, skyapplikasjoner og andre nettbaserte tjenester. Selskapet planlegger å åpne for en privat forhåndsversjon i desember 2026.

Produktet skal bøte på begrensningene ved tradisjonelle løsninger for å forebygge datatap. Regler basert på regulære uttrykk og mønstergjenkjenning leter etter forhåndsdefinerte formater, for eksempel et kontonummer eller en ID-streng, mens kontroller som er avhengige av merking, kan overse filer som er feilmerket eller ikke merket i det hele tatt. Eksempler er en fil som deles på en skystasjon, et skjema som sendes inn via en nettapplikasjon, og kildekode som limes inn i et AI-verktøy. Alle disse kan inneholde sensitivt materiale uten å passe til et fast mønster.

Innholdsanalyse og policykontroller

AI DLP kombinerer klassifisering ved hjelp av AI og maskinlæring med grundig innholdsanalyse for å undersøke data mens de overføres. Filanalyse og optisk tegngjenkjenning utvider analysen til dokumenter og tekst i bilder, slik at løsningen også dekker innhold som er merket, feilmerket eller umerket. Kontrollene baseres på det faktiske innholdet i en fil eller forespørsel, også når formatregler og metadata ikke gir pålitelige holdepunkter.

Regler kan avgrenses etter bruker, gruppe eller avdeling for å identifisere, flagge eller stanse overføringer som omfatter kildekode, kundedata, personopplysninger og immaterielle rettigheter. Dokumentasjonen for iboss DLP beskriver også avgrensning etter kilde og mål, navngitte unntak og tiltak som blokkering, innsamling av filer, logging, varsler og alvorlighetsgradering. Regelbrudd kan inngå i hendelser med risikoscore og tidslinjer over hendelsesforløpet, samt dokumentasjon i form av innsamlede filer. Dermed får analytikere en sak de kan undersøke og avslutte, i stedet for bare enkeltstående loggoppføringer.

Kryptert trafikk og agentaktivitet

Innholdsbaserte kontroller krever innsyn i mer enn bare målet for en overføring. I sin forklaring av AI DLP skriver iboss at nettbaserte AI-verktøy vanligvis krever inspeksjon av krypterte økter for at denne typen kontroll skal være mulig. Uten slik inspeksjon kan et system se hvor dataene sendes, men ikke hvilken forespørsel eller fil som overføres. Dette innsynet gjør det mulig å bruke innholdspolicyer på AI-chatter på samme måte som på andre opplastinger til nettet.

Kontrollene omfatter også mer enn situasjoner der en person limer inn tekst i et chattevindu. De kan styre hvilke AI-tjenester, verktøy og API-er en autonom agent kan bruke, og føre oversikt over agentens aktivitet. Dermed knyttes styringen av agenter til den samme kontrollmodellen som brukes for interaktive AI-økter, slik at dataflyt som initieres av programvare, omfattes på lik linje med dataflyt initiert av ansatte.

Merking, revisjonsdokumentasjon og plattformarkitektur

Når det finnes følsomhetsetiketter fra Microsoft Information Protection, leser og håndhever AI DLP dem direkte under overføringen. Produktdokumentasjonen beskriver beslutninger om å tillate eller blokkere trafikk per etikett og per mål, ved hjelp av synkronisering av etiketter fra Microsoft Purview. Samtidig fortsetter innholdsanalysen å dekke umerkede dokumenter. Etiketter blir dermed én av flere inndata til policyen, ved siden av innholdsanalyse, noe som reduserer avhengigheten av at alle dokumenter har riktige metadata.

Rapporteringen omfatter risikovurdering for datatap og rapporter med ett klikk for GDPR, HIPAA, PCI-DSS og SOX. Hensikten er å gi revisorer dokumentasjon på hva som ble oppdaget og stanset. iboss opplyser at hver kundes trafikk behandles i egne, dedikerte containere med isolerte SSL-nøkler og dedikerte IP-adresser, og at kundedata ikke blandes sammen. AI DLP inngår sammen med selskapets tjenester Secure Web Gateway, CASB, GenAI Protection og Zero Trust Network Access, med en felles konsoll, policy-motor og datasjø.

En 30-minutters nettbasert demonstrasjon er planlagt 5. november 2026 kl. 12.00 ET, før forhåndsversjonen i desember. Det praktiske skillet går mellom den annonserte utformingen og tilgjengeligheten: iboss har presentert én innholdsbasert kontrollflate for dataflyt initiert av både mennesker og agenter, og den private forhåndsversjonen er det planlagte neste steget mot å ta denne utformingen i bruk.