Ron Reiter, CTO i współzałożyciel Sentra – seria wywiadów

Ron Reiter, CTO i współzałożyciel Sentra, to doświadczony przedsiębiorca i ekspert ds. bezpieczeństwa cybernetycznego z głęboką wiedzą na temat chmury, który przez ponad dwie dekady rozwoju oprogramowania budował innowacyjne rozwiązania technologiczne; współzałożył i kieruje technologią w Sentra, firmie zajmującej się bezpieczeństwem danych w chmurze, która pomaga przedsiębiorstwom zabezpieczyć swoje dane w chmurze, a wcześniej współzałożył Crosswise (przejęty przez Oracle (ORCL ) za 50 milionów dolarów), a także przez ponad sześć lat pełnił funkcję dyrektora inżynieryjnego w Oracle/Crosswise, nadzorując produkty i zespoły Oracle Data Cloud.

Sentra to platforma bezpieczeństwa danych rodzimej chmury, która wykorzystuje odkrywanie, klasyfikację i analizę kontekstową napędzaną przez sztuczną inteligencję, aby dać organizacjom pełną widoczność i kontrolę nad wrażliwymi danymi w chmurze, hybrydowych i lokalnych środowiskach, pomagając im ocenić ryzyko, egzekwować zarządzanie, spełniać wymagania dotyczące zgodności i zapobiegać narażeniu danych w skali nowoczesnych, wielochmurowych i sztucznie inteligentnych przepływów pracy.

Założyłeś wiele firm w dziedzinie bezpieczeństwa cybernetycznego i infrastruktury danych. Co skłoniło Cię do stworzenia Sentra, a jak Twoje doświadczenie w Crosswise i Oracle wpłynęło na wczesny kierunek rozwoju firmy?

To, co skłoniło mnie do założenia Sentra, to wzorzec, który widziałem się powtarzać. W Crosswise i później w Oracle dane były zawsze centrum grawitacji. To było miejsce, gdzie tkwiła wartość, ale także gdzie nagromadzało się ryzyko. Jednak większość narzędzi bezpieczeństwa traktowała dane jako coś statycznego, co odkrywa się raz i potem zakłada, że jest pod kontrolą.

Gdy przyjęło się korzystanie z chmury i organizacje zaczęły eksperymentować ze sztuczną inteligencją, to założenie przestało obowiązywać. Dane były w ciągłym ruchu, były kopiowane, przekształcane i dostępne dla systemów, których nikt w pełni nie śledził. Chciałem zbudować firmę, która zaczyna od danych jako żywego aktywa, czegoś, co się ciągle rozumie i zarządza, a nie czegoś, co się raz odkrywa i potem zapomina. Ta idea ukształtowała Sentra od samego początku.

Sentra koncentruje się na dawaniu organizacjom pełnej kontroli i widoczności nad ich danymi w chmurze. Jaki podstawowy problem chciałeś rozwiązać, gdy zacząłeś projektować tę platformę?

Podstawowym problemem była fałszywa pewność. Wiele organizacji wierzyło, że rozumie swoją sytuację danych, ale ta pewność opierała się na częściowej widoczności. Wiedziały, gdzie mieszka część wrażliwych danych, ale nie wszystkich, i rzadko miały wyraźny obraz, w jaki sposób te dane były dostępne lub ponownie wykorzystywane w czasie.

Postanowiliśmy zamknąć tę lukę. Nie tylko odkrywając dane, ale także utrzymując ciągłe zrozumienie, jakie dane istnieją, jak wrażliwe są i kto lub co może do nich uzyskać dostęp. Bez tej podstawy wszystko inne w bezpieczeństwie staje się reaktywne.

Mówiłeś o ważności dokładności we współczesnym bezpieczeństwie danych. Co sprawia, że osiąganie wysokiej dokładności w ogromnej skali chmury jest takie trudne, i jak Twoja drużyna podejęła ten problem inaczej?

Dokładność staje się trudna w skali, ponieważ kontekst ma znaczenie. Gdy środowiska rosną, dane stają się bardziej niestrukturalne i bardziej specyficzne dla tego, jak firma naprawdę działa. Proste dopasowywanie wzorców i modele o ogólnym przeznaczeniu działają rozsądnie w mniejszych środowiskach, ale mają tendencję do psucia się, gdy objętość danych rośnie i przypadki użycia stają się bardziej złożone.

Widzieliśmy to na własne oczy w ocenach przedsiębiorstw, gdzie dokładność pogarszała się, gdy klienci przechodzili od kilkudziesięciu terabajtów do petabajtów niestrukturalnych danych. Nasze podejście polegało na zaprojektowaniu klasyfikacji wokół kontekstu i na dyscyplinie w kwestii wydajności. Dokładność, która działa tylko w małej skali lub wymaga nadmiernego obliczeń, nie jest przydatna w rzeczywistych środowiskach przedsiębiorstw.

Skanowanie i zabezpieczanie danych w rozproszonych środowiskach chmury jest szczególnie trudne. Jakie decyzje architektoniczne pozwalają Sentra działać wydajnie w wielu chmurach i magazynach danych?

Założyliśmy od samego początku, że klienci będą działać w wielu chmurach, platformach SaaS i hybrydowych środowiskach. To skłoniło nas do unikania projektów, które opierają się na intensywnym przesunięciu danych lub ciągłych pełnych przeskanowaniach, które nie działają dobrze, gdy środowiska rosną.

Zamiast tego, skupiliśmy się na utrzymaniu widoczności, gdy środowiska się zmieniają, i minimalizowaniu niepotrzebnego nakładu. To podejście architektoniczne uwidacznia się w niezawodności i przewidywalności kosztów, szczególnie w dużych, złożonych środowiskach.

Gdy agenci AI, kopiloty i automatyczne przepływy pracy stają się wbudowane w systemy przedsiębiorstw, jakie nowe kategorie ryzyka bezpieczeństwa danych, według Ciebie, przedsiębiorstwa nadal zaniżają?

Największym punktem ślepej jest dostęp nie-ludzki. Agenci AI, integracje i automatyczne przepływy pracy teraz dostęp do wrażliwych danych w sposób ciągły, często poza kontrolami zaprojektowanymi dla użytkowników ludzkich.

Te systemy nie logują się w taki sam sposób, jak ludzie, i nie wywołują tradycyjnych alertów. Traktowanie ich jak zwykłego użytkownika jest błędem. Przedsiębiorstwa muszą zrozumieć, do jakich systemów mają dostęp, i upewnić się, że te uprawnienia pozostają zgodne z intencją, w przeciwnym razie ryzyko rośnie szybciej, niż zespoły mogą zareagować.

Sentra wykorzystuje podejście oparte na modelu do klasyfikacji i zabezpieczania wrażliwych danych. Jak balansujesz wydajność modelu, koszty operacyjne i skalowalność przy budowaniu dla obciążeń przedsiębiorstw?

Równowaga wynika z tego, że jesteśmy świadomi, jak modele są używane. Nie każdy problem wymaga największego lub najbardziej ogólnego modelu. Koncentrujemy się na używaniu małych modeli językowych (SLM), które są dobrze przystosowane do zadań klasyfikacji i mogą działać wydajnie w dużych środowiskach.

To pozwala nam utrzymać silną dokładność, jednocześnie utrzymując niskie i przewidywalne koszty operacyjne. Dla zespołów bezpieczeństwa przedsiębiorstw, spójność i niezawodność mają takie same znaczenie, jak surowa wydajność.

Jaki jest największy błąd, jaki widzisz wśród CISO, dotyczący zabezpieczania danych w chmurze w erze AI, i jak ich strategie powinny ewoluować?

Typowym błędem jest przekonanie, że odkrywanie danych raz jest wystarczające. W rzeczywistości środowiska chmury i AI zmieniają się ciągle. Dane są w ruchu, uprawnienia się zmieniają, a nowe systemy pojawiają się co tydzień.

Strategie powinny przesunąć się od okresowych ocen do ciągłego zarządzania. Oznacza to traktowanie bezpieczeństwa danych jako ciągłej dyscypliny, a nie projektu. Celem nie jest tylko znalezienie ryzyka, ale także uniemożliwienie ponownego pojawienia się ryzyka, gdy środowisko ewoluuje.

Zarządzanie postawą bezpieczeństwa danych (DSPM) stało się centralną warstwą nowoczesnego stosu bezpieczeństwa chmury. Twoim zdaniem, jakie cechy charakteryzują dojrzałą platformę DSPM?

Dojrzała platforma DSPM robi trzy rzeczy dobrze. Musi rozumieć dane dokładnie, musi działać niezawodnie w dużej skali i musi wspierać działanie, a nie tylko raportowanie.

To, co widzimy teraz, to fakt, że wiele platform wygląda dobrze w POV lub wczesnych wdrożeniach, ale mają trudności, gdy środowiska rosną i wzorce dostępu stają się bardziej dynamiczne. Skanowania zwalniają, koszty rosną, a dokładność się pogarsza, szczególnie z danymi niestrukturalnymi. Dojrzała platforma DSPM to taka, której zespoły bezpieczeństwa nadal ufają, gdy objętość danych osiąga skalę produkcyjną, a systemy AI dostęp do danych w sposób ciągły. Ufność w skali to to, co odróżnia użyteczne platformy od teoretycznych.

Zainwestowałeś również w kilka startupów z dziedziny bezpieczeństwa cybernetycznego. Z tej perspektywy, co, Twoim zdaniem, odróżnia założycieli, którzy odnoszą sukces w tej branży, od tych, którzy mają trudności?

Założyciele, którzy odnoszą sukces, mają tendencję do bycia bardzo blisko realnych problemów klientów. Odporni są na pokusę gonienia za modnymi słowami lub budowaniem dla przypadków krańcowych, a zamiast tego koncentrują się na rozwiązywaniu problemów, które pojawiają się wielokrotnie w środowiskach produkcyjnych.

Także myślą o zrównoważonym rozwoju wcześnie. W bezpieczeństwie wygranie proof of concept jest łatwe. Działanie niezawodnie w skali przez lata jest o wiele trudniejsze. Założyciele, którzy projektują z myślą o tej rzeczywistości od samego początku, mają tendencję do przetrwania.

W 2026 i w latach kolejnych, jak, Twoim zdaniem, wymagania dotyczące bezpieczeństwa danych będą się zmieniać, gdy organizacje przyjmą architektury zdecentralizowane, autonomiczne systemy AI i coraz bardziej złożone przepływy danych?

Bezpieczeństwo danych przesunie się od ochrony lokalizacji do zarządzania ruchem. Gdy architektury się zdecentralizują, a systemy AI działają autonomicznie, pytanie nie będzie już brzmieć, gdzie dane się znajdują, ale jak się poruszają i kto lub co może z nich korzystać.

Organizacje będą musiały mieć ciągłą widoczność i egzekwowanie polityki, które podróżują razem z danymi. Te, które nie mogą tego osiągnąć, znajdą, że ich inicjatywy AI będą spowolnione przez obawy dotyczące ryzyka i zgodności. Te, które mogą, będą działać szybciej, z pewnością.

Dziękuję za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Sentra.