Джо Регенсбургер, Вице-президент по исследованиям, Immuta – Интервью

Джо Регенсбургер в настоящее время является Вице-президентом по исследованиям в Immuta. Лидер в области безопасности данных, Immuta позволяет организациям открывать значение своих облачных данных, защищая их и предоставляя безопасный доступ.

Immuta разработана для интеграции в вашу облачную среду, обеспечивая родные интеграции с ведущими облачными поставщиками. Следуя рамочным правилам кибербезопасности NIST, Immuta покрывает большинство потребностей в безопасности данных для большинства организаций.

Ваше образовательное прошлое в физике и прикладной математике, как вы оказались в области науки о данных и аналитике?

Моя область исследований в аспирантуре была экспериментальной физикой высоких энергий. Анализ данных в этой области требует большого количества статистического анализа, особенно разделения сигналов редких событий от более частых фоновых событий. Эти навыки очень похожи на те, которые необходимы в области науки о данных.

Можете ли вы описать, что входит в вашу текущую роль Вице-президента по исследованиям в лидере по безопасности данных Immuta?

В Immuta мы сосредоточены на безопасности данных. Это означает, что нам нужно понимать, как используются данные, как они могут быть неправильно использованы и предоставлять специалистам по данным инструменты, необходимые для поддержки их миссии, а также предотвращать неправильное использование. Итак, наша роль заключается в понимании требований и проблем специалистов по данным, особенно в отношении правил и безопасности, и помощи в решении этих проблем. Мы хотим уменьшить нормативные требования и позволить специалистам по данным сосредоточиться на своей основной миссии. Моя роль заключается в том, чтобы помочь разработать решения, которые уменьшают эти бремена. Это включает в себя разработку инструментов для обнаружения чувствительных данных, методов для автоматизации классификации данных, обнаружения того, как используются данные, и создания процессов, которые обеспечивают соблюдение политики данных, чтобы гарантировать, что данные используются правильно.

Каковы основные проблемы в управлении ИИ по сравнению с традиционным управлением данными?

Технологические лидеры упоминали, что управление ИИ является естественным следующим шагом и развитием управления данными. Однако есть некоторые ключевые различия, которые следует учитывать. Прежде всего, управление ИИ требует определенного уровня доверия к результатам системы ИИ. С традиционным управлением данными лидеры по данным могли легко отслеживать результаты, используя традиционные статистические модели. С ИИ отслеживаемость и происхождение становятся реальной проблемой, и границы могут быть легко размыты. Способность доверять результатам, достигнутым моделью ИИ, может быть негативно затронута галлюцинациями и конфабуляциями, что является уникальной проблемой для ИИ, которую необходимо решить, чтобы обеспечить надлежащее управление.

Считаете ли вы, что существует универсальное решение для управления ИИ и безопасности данных, или это более специфичный случай?

«Хотя я не думаю, что существует подход, подходящий для всех, к управлению ИИ на данный момент, в отношении безопасности данных, есть определенные соображения, которые лидеры по данным должны принять сейчас, чтобы заложить основу для безопасности и управления. Когда речь идет об управлении ИИ, крайне важно иметь контекст того, для чего используется модель ИИ и почему. Если вы используете ИИ для чего-то более обычного с меньшим влиянием, ваша оценка риска будет намного ниже. Если вы используете ИИ для принятия решений о здравоохранении или обучении автономного транспортного средства, ваше влияние на риск намного выше. Это похоже на управление данными; почему данные используются так же важно, как и то, как они используются.

Вы недавно написали статью под названием «Решение проблемы угрозы Shadow AI». Что такое Shadow AI, и почему предприятиям следует обратить на это внимание?

«Shadow AI можно определить как неразрешенное использование инструментов ИИ, которые находятся вне рамок управления организацией. Предприятиям необходимо быть осведомленными об этом явлении, чтобы защитить данные, поскольку подача внутренних данных в неразрешенное приложение, такое как инструмент ИИ, может представлять огромный риск. Shadow IT обычно хорошо известен и относительно легко управляем, как только его обнаруживают. Просто деактивируйте приложение и продолжайте. С Shadow AI у вас нет четкого соглашения об окончательном пользователе о том, как данные используются для обучения модели ИИ или где модель в конечном итоге делится своими ответами после их генерации. По сути, как только данные попадают в модель, вы теряете контроль над ними. Чтобы смягчить потенциальный риск Shadow AI, организации должны установить четкие соглашения и формализованные процессы для использования этих инструментов, если данные будут покидать среду.

Можете ли вы объяснить преимущества использования атрибутного контроля доступа (ABAC) над традиционным контролем доступа на основе ролей (RBAC) в безопасности данных?

Контроль доступа на основе ролей (RBAC) функционирует, ограничивая разрешения или доступ к системе на основе роли человека в организации. Преимущество этого заключается в том, что он делает контроль доступа статичным и линейным, поскольку пользователи могут получить доступ к данным только в том случае, если они назначены на определенные предопределенные роли. Хотя модель RBAC традиционно служила способом контроля внутреннего использования данных, она отнюдь не неразрушима, и сегодня мы можем увидеть, что ее простота также является ее основным недостатком.

RBAC был практичен для небольшой организации с ограниченными ролями и немногими инициативами по данным. Современные организации являются ориентированными на данные, с потребностями в данных, которые растут со временем. В этом все более распространенном сценарии эффективность RBAC разрушается. К счастью, у нас есть более современный и гибкий вариант контроля доступа: атрибутный контроль доступа (ABAC). Модель ABAC использует более динамичный подход к доступу и безопасности данных, чем RBAC. Она определяет логические роли, объединяя наблюдаемые атрибуты пользователей и данных, и принимает решения об доступе на основе этих атрибутов. Одной из величайших сил ABAC является его динамичная и масштабируемая природа. По мере роста случаев использования данных и демократизации данных, позволяющей большему количеству пользователей внутри организаций, контроль доступа должен расширяться вместе с их средами, чтобы поддерживать постоянную безопасность данных. Система ABAC также склонна быть внутренне более безопасной, чем предыдущие модели контроля доступа и управления. Более того, этот высокий уровень безопасности данных не происходит за счет масштабируемости. В отличие от предыдущих стандартов контроля доступа и управления, динамичная природа ABAC создает модель, защищенную от будущих угроз.

Каковы ключевые шаги в расширении доступа к данным при сохранении прочного управления данными и безопасности?

Контроль доступа к данным используется для ограничения доступа, разрешений и привилегий, предоставляемых определенным пользователям и системам, что помогает гарантировать, что только уполномоченные лица могут просматривать и использовать определенные наборы данных. Однако команды данных нуждаются в доступе к как можно большему количеству данных, чтобы обеспечить наиболее точные бизнес-инсайты. Это представляет проблему для команд безопасности и управления данными, которые отвечают за обеспечение того, что данные адекватно защищены от несанкционированного доступа и других рисков. В все более ориентированной на данные деловой среде необходимо найти баланс между этими конкурирующими интересами. В прошлом организации пытались найти этот баланс, используя пассивный подход к контролю доступа к данным, который представлял собой данные-бутылки и сдерживал организации, когда речь шла о скорости. Чтобы расширить доступ к данным, сохраняя при этом прочное управление данными и безопасность, организации должны принять автоматизированный контроль доступа к данным, который вводит скорость, гибкость и точность в процесс применения правил к данным. Есть пять шагов, которые необходимо освоить, чтобы автоматизировать контроль доступа к данным:

1. Должен поддерживать любой инструмент, который использует команда данных.
2. Необходимо поддерживать все данные, независимо от того, где они хранятся или какой технологии хранения.
3. Требуется прямой доступ к одним и тем же живым данным во всей организации.
4. Любой человек, независимо от уровня экспертизы, может понять, какие правила и политики применяются к данным организации.
5. Политики конфиденциальности данных должны находиться в одном центральном месте.
6. Как только эти столпы будут освоены, организации могут освободиться от пассивного подхода к контролю доступа к данным и обеспечить безопасный, эффективный и масштабируемый контроль доступа к данным.

В плане мониторинга данных в реальном времени, как Immuta позволяет организациям проактивно управлять рисками использования и безопасности данных?

Продукт Immuta Detect позволяет организациям проактивно управлять использованием данных, автоматически оценивая данные на основе их чувствительности и защиты (такой как маскировка данных или заявленная цель доступа к ним), чтобы команды данных и безопасности могли расставить приоритеты рисков и получить оповещения в реальном времени о потенциальных инцидентах безопасности. Благодаря быстрому выявлению и расстановке приоритетов рисков использования данных с помощью Immuta Detect клиенты могут сократить время до смягчения рисков и в целом поддерживать прочную безопасность данных для своих данных.

Спасибо за отличное интервью, читателям, которые хотят узнать больше, следует посетить Immuta.