Ameesh Divatia, medgrundare och VD för Baffle – Intervjuserie

Ameesh Divatia är medgrundare och VD för Baffle, ett företag som fokuserar på att integrera datasäkerhet i varje aspekt av datapipelinen för att förenkla molndataskydd och minimera effekterna av dataintrång.

Deras plattform erbjuder en lösning utan kod, som är lätt att distribuera och som skyddar känsliga data utan att påverka prestanda eller kräva ändringar i applikationer. Baffles teknologi är kompatibel med stora molntjänsteleverantörer som AWS, Azure, IBM och GCP. Genom att betjäna en bred kundbas, från företag i Fortune 25 till små och medelstora företag, skyddar Baffle över 100 miljarder poster världen över och arbetar med systemintegratörer för effektiv distribution.

Vad motiverade dig att starta Baffle, Inc., och hur påverkade dina tidigare entreprenöriella erfarenheter din strategi i företagets tidiga skede?

Efter att mitt förra företag sålts tog jag en välbehövlig paus för att ladda om och fundera på vad jag verkligen ville göra härnäst. Jag har alltid älskat att bygga företag, så jag började ha samtal med en tidig VC-vän och han introducerade mig till Priyadarshan “PD” Kolte, som skulle bli min medgrundare. Han utmanade oss med en intressant fråga, förklädd till en utmaning: “Hur får man värde från data samtidigt som man skyddar den?” Den utmaningen grep mig—att lösa svåra problem är vad jag lever för. Det fanns ett uppenbart gap i dataskydd, särskilt kring att förenkla kryptering och skydda data “i bruk”. Nio år senare är vi här och besvarar den frågan med Baffle.

Med den ökande användningen av generativ AI, hur kan företag säkerställa att deras data förblir säker samtidigt som de utnyttjar fördelarna med AI-teknologier?

Detta är en fråga som varje företag som arbetar med AI borde ställa sig. Säkerhet och innovation känns ofta som två motstridiga krafter, men de behöver inte vara det. Nyckeln är en banbrytande innovation som kallas Privacy Enhanced Computation (PEC), som börjar med kryptering—att hålla data skyddad i vila, under transport och medan den används. Genom att kryptera känsliga data innan de når AI-modellerna och sedan använda PEC för att bearbeta dem, kan du fortfarande få de insikter du behöver utan att äventyra säkerheten. Det handlar om att ligga steget före, uppdatera säkerhetsprotokoll och utnyttja verktyg som Baffle för att minimera risker. Du behöver inte offra innovation för säkerhet.

Kan du förklara den specifika rollen som kryptering spelar i skyddandet av AI-genererad data och modeller? Hur skiljer sig detta från traditionella metoder för dataskydd?

Kryptering för AI-data är som att omsluta ditt mest värdefulla tillgång i bubbelplast—oavsett hur mycket den hanteras, förblir den skyddad. Tänk på det som att låsa data medan den används. Traditionella metoder fokuserar på att skydda data när den inte används (i vila) eller när den förflyttas (under transport). Men med AI lägger vi till en ny komplexitetsnivå eftersom data måste förbli krypterad även när den bearbetas av modeller. Baffle fokuserar på detta “data-i-bruk”-skydd, som säkerställer att prestanda inte påverkas men säkerhet inte offras.

Baffle lanserade nyligen en dataskyddslösning specifikt för GenAI-projekt. Kan du dela mer information om hur denna lösning fungerar och vad som gör den unik på marknaden?

Vår GenAI-lösning handlar om att göra kryptering enkel och effektiv, även när du arbetar med AI. Den ansluter till en befintlig AI-pipeline genom att skydda data medan den hämtas. Detta följs av en funktion som kallas real-frågestödd kryptering som bearbetar data utan att exponera den. Det viktigaste är att du inte behöver ändra något i din AI-pipeline—ingen omkodning, ingen besvär. Bara anslut och gå. Vi har fokuserat på enkelhet och säkerställer att säkerhet inte hindrar innovation, vilket är varför kunder hittar denna lösning så attraktiv.

Ert plattform betonar “ingen kod”-ändringar för att implementera dataskydd. Hur gynnar detta företag, särskilt de med stora och komplexa datapipeliner?

Ingen vill bryta något som redan fungerar. Med vår “ingen kod”-approach behöver företag inte riva isär sina befintliga applikationer eller dataöverföringar för att lägga till kryptering. Detta är en stor fördel för stora organisationer med komplexa datapipeliner eftersom det innebär att de kan förstärka säkerheten utan att riskera avbrott. Det är snabbare, enklare och tar bort många av de huvudvärk som vanligtvis följer med integration av ny teknik.

Hur skiljer sig Baffles real-frågestödda kryptering från andra krypteringsmetoder, och vilka fördelar erbjuder den för företag som hanterar storskalig dataanalys?

Real-frågestödd kryptering är vår hemlig sauce. Till skillnad från traditionell kryptering, som kräver att du dekrypterar data i datalagret innan du analyserar den (och därmed exponerar den), låter vi dig köra frågor på de krypterade data i sig. Det är som att ha kakan och äta den också—du får insikterna utan att äventyra säkerheten. Detta är en spelväxlare, särskilt för företag som hanterar stora mängder känsliga data, som inom finans eller hälsovård, där regelefterlevnad är ovillkorlig.

Dataskydd under användning är en kritisk funktion i Baffles plattform. Kan du förklara hur detta fungerar och varför det är avgörande för företag, särskilt i sammanhang med GDPR och andra dataskyddsregler?

När data används—bearbetas av system—is den vanligtvis som mest sårbar. Därför är det avgörande att skydda den i realtid, särskilt med regler som GDPR, som kräver en inställning som kallas “dataskydd genom design”. Vår plattform säkerställer att data förblir krypterad även när den bearbetas. Detta tillvägagångssätt eliminerar det riskfyllda fönstret för exponering där dataintrång ofta sker, vilket hjälper företag att förbli regelefterlevande och säkra.

När AI-modeller blir mer komplexa, vad är de största utmaningarna i att skydda dessa modeller mot antagonistiska angrepp, och hur möter Baffle dessa utmaningar?

AI-modeller blir smartare, men angriparna också. Antagonistiska angrepp—där illasinnade aktörer försöker manipulera data som påverkar en AI-modells utdata—are en växande oro. Vi tacklar detta genom att fokusera på datasidan. Genom att kryptera data som AI-modellerna förlitar sig på, gör vi det mycket svårare för någon att manipulera modellens integritet. Det är som att ge AI-modellen en låst valv av data—ingen kommer in utan nyckeln.

Kan du diskutera betydelsen av rollbaserad åtkomstkontroll (RBAC) i moderna dataskyddsstrategier, särskilt för organisationer som använder multi-inhygnads molnmiljöer?

I multi-inhygnads molnmiljöer är RBAC en absolut nödvändighet. Tänk dig att du har en mängd människor som delar samma molninfrastruktur. Utan RBAC är det som att ge alla åtkomst till hela byggnaden istället för bara deras kontor. Vår plattform integrerar RBAC så att endast auktoriserade personer baserat på deras individuella roll eller behörighet kan komma åt känsliga data, håller allt låst och minskar risken för intrång.

Baffle har sett en betydande tillväxt under de senaste åren, med era intäkter som dubblats under det senaste året. Vad tillskriver du denna tillväxt till, och hur planerar du att fortsätta denna bana?

Vi rider på en våg av efterfrågan eftersom vi har byggt rätt lösning för rätt problem. Vår tillväxt beror på en sak: vi löser ett problem som varje företag står inför—dataskydd. Med cyberhot på uppgång och regler som blir tuffare, vänder sig företag till oss för lösningar som fungerar utan att sakta ner dem. Vår fokus på real-frågestödd kryptering och enkelhet är en stor anledning till denna tillväxt. Framåt planerar vi att fortsätta driva innovationen, expandera våra produkter och bygga starka partnerskap som tar oss in i nya marknader.

Tack för den underbara intervjun, läsare som vill lära sig mer kan besöka Baffle.