David Matalon, VD och grundare av Venn – Intervjuserie

David Matalon, VD och grundare av Venn, är en serieentreprenör med lång erfarenhet av att bygga säkra företagsplattformar, efter att tidigare ha lett OS33 – en tidig ledare inom säkra arbetsutrymmen för finansiella företag – och External IT, en pionjär inom värd IT-tjänster. Med Venn fokuserar han på att omdefiniera säkerheten för distansarbete genom att möjliggöra för organisationer att anta modellen “ta med din egen enhet” (BYOD) utan att offra regelefterlevnad eller kontroll, med hjälp av sin djupa erfarenhet av molninfrastruktur, slutpunktsäkerhet och reglerade branscher för att hantera de växande utmaningarna med distribuerade arbetsstyrkor.

Venn är en cybersäkerhets- och distansarbetsplattform som är utformad för att skydda företagsdata på personliga och ohanterade enheter genom sin egenutvecklade Blue Border-teknik, som skapar en säker, krypterad enclave på en användares dator där arbetsapplikationer och data isoleras från personlig aktivitet. Till skillnad från traditionell virtuell skrivbordsinfrastruktur tillåter Venn applikationer att köras lokalt med nativ prestanda samtidigt som de upprätthåller strikta dataskydds- och regelefterlevnadsprinciper, vilket hjälper organisationer att minska IT-utgifterna, snabbt påbörja distansarbete och upprätthålla sekretess genom att separera företags- och personliga miljöer på samma enhet.

Du har tillbringat mer än två decennier med att bygga teknik för säker distansarbete, från att lansera Offyx i början av application service providers till att grunda OS33 och nu Venn. Vilka lärdomar från de tidigare företagen ledde dig till att bygga Venn, och hur formade dessa erfarenheter idén bakom Blue Border och din vision för att säkra moderna BYOD-arbetsstyrkor?

Under de senaste två decennierna har jag haft möjlighet att bygga företag i olika skeden av distansarbetets utveckling. På OS33 tillbringade vi år med att leverera säkra distansarbetsmiljöer genom värdinfrastruktur som använde teknik liknande virtuell skrivbordsinfrastruktur (VDI). Medan säkerhetsmodellen fungerade, fick vi samma feedback från kunder: upplevelsen av att använda fjärrvärdade applikationer var ofta långsam, komplex att underhålla och frustrerande för användare.

Den återkopplingen var en vändpunkt. Fjärrvärdning introducerade oundviklig latens och krävde betydande infrastruktur, vilket skapade operativ komplexitet för IT-team. Vi började ställa en enkel fråga: vad om du kunde ta bort värdning från ekvationen helt? Istället för att köra arbete någonstans och strömma det till användaren, kunde du säkert köra arbete lokalt på användarens enhet medan du fortfarande skyddade företagsdata?

Det tänkandet ledde slutligen till Venn och konceptet bakom Blue Border. Istället för att tvinga arbete genom fjärrvärdning och virtualisering skapade vi en ny modell som låter företagsapplikationer köra lokalt på en användares laptop medan företagsdata förblir krypterad och skyddad. Även på en personlig laptop förblir arbete isolerat och skyddat från personlig aktivitet.

Artificiell intelligensverktyg sprider sig snabbare över företag än vad policys kan hålla jämna steg med. Varför har styrningen haft svårt att hålla jämna steg med AI-antagandet inom organisationer?

Styrningen har haft svårt att hålla jämna steg med AI-antagandet eftersom tekniken blev en vardaglig verktyg nästan över en natt. Under de senaste åren sedan ChatGPT exploderade har anställda inkorporerat AI i sina liv och arbetsflöden. De väntar inte på formella IT-godkännandecykler; de använder redan AI för att skriva snabbare, analysera information, sammanfatta möten eller generera kod på sekunder. I de flesta organisationer sker policyutveckling, juridisk granskning, säkerhetsvalidering och IT-distribution på en mycket långsammare tidslinje än användarbetende. Det är där AI-styrningen halkar efter.

Det djupare problemet är att många organisationer försöker applicera gårdagens kontrollmodell på dagens AI-verklighet. Traditionell styrning byggdes kring att godkänna eller blockera en känd uppsättning applikationer, men AI är nu inbäddad över webbläsare, SaaS-plattformar och till och med i operativsystem. Styrningen måste utvecklas bortom att kontrollera ett förutbestämt verktygssortiment och fokusera istället på att skydda data var de än befinner sig, säkra arbetsmiljön och definiera villkoren under vilka känslig information kan användas säkert.

Många företag försöker lösa problemet genom att begränsa eller förbjuda generativa AI-verktyg. Varför tror du att detta tillvägagångssätt misslyckas i praktiken, och vilka oavsiktliga säkerhetsrisker kan det skapa?

Förbud misslyckas eftersom de ignorerar verkligheten i hur människor arbetar. Anställda kommer att hitta sätt att använda AI-verktyg oavsett officiellt godkännande. Det skapar skugg-AI, eller ogodkänd användning av verktyg, personliga konton, kopiera-och-klistra-in-arbetsflöden och webbläsarbaserade interaktioner, som kan ske utanför godkänd övervakning. Företaget förlorar då synlighet, vilket utsätter känslig data för risk.

I många fall kan restriktiva policys öka risken snarare än minska den. När anställda inte kan använda dessa verktyg på ett säkert sätt, hittar de ofta på alternativa lösningar. Känslig företagsdata kan då hamna i verktyg som IT- eller säkerhetsteam inte övervakar eller kontrollerar. En bättre strategi är inte förbud för sin egen skull, utan att möjliggöra säker användning genom isolering, datakontroller och tydliga riktlinjer som låter verksamheten fortsätta utan att utsätta kritisk information.

AI-kapaciteter är alltmer inbäddade i vardagliga applikationer snarare än att existera som fristående verktyg. Hur förändrar denna förändring sättet som säkerhetsteam bör tänka kring övervakning och kontroll av dataexponering?

Denna förändring är betydande eftersom den bryter den gamla mentalmodellen av “riskfyllt app versus godkänd app”. Om AI är inbäddad i e-post, CRM, konferens, dokumentredigering och sökning, är dataexponering inte längre kopplad till om en användare öppnar ett separat AI-verktyg. Det är kopplat till vilken data som är tillgänglig inom applikationen, vilket sammanhang AI kan se och om den interaktionen sker inom en säker arbetsmiljö.

Som ett resultat måste säkerhetsteam fokusera på att skydda data snarare än fullständig enhetslåsning. Fokus bör ligga på att isolera arbetspass, kontrollera kopiera-och-klistra-in och nedladdningar där det är lämpligt, förhindra läckage över personliga och affärsmässiga sammanhang och se till att känslig information förblir inom en skyddad miljö.

Venns Blue Border-teknik isolerar arbetsapplikationer och data lokalt på en användares personliga enhet snarare än att förlita sig på traditionell virtuell skrivbordsinfrastruktur. Hur förändrar denna arkitektur grundläggande den slutpunktsäkerhetsmodellen för distansarbete?

Blue Border förändrar grundläggande den slutpunktsäkerhetsmodellen genom att gå bortom idén att säkerhet kräver antingen fullständig enhetskontroll eller en virtualiserad skrivbord. Traditionell VDI säkrar arbete genom att värdas på distans och strömma det till användaren. Blue Border säkrar arbete direkt på användarens personliga enhet genom att skapa en IT-kontrollerad säker enclave där applikationer körs lokalt och företagsdata förblir krypterad och skyddad.

Resultatet är en annan säkerhetsmodell för distansarbete, där företag kan upprätthålla skydd runt arbetet självt utan att behöva utfärda företagsenheter eller tvinga användare att hantera den fördröjning och latens som kommer från att värdas i molnet.

Från ett säkerhetsarkitekturperspektiv förändrar detta modellen från att kontrollera hela slutpunkten eller centralisera säkerhetsprotokoll till att skydda arbetsmiljön själv, där den befinner sig. Blue Border säkerställer att känslig data aldrig lämnar den skyddade, lokala miljön och upprätthåller principer inom den gränsen. Det förhindrar läckage till den personliga sidan av enheten. Som ett resultat kan användare njuta av nativ beräkning och applikationsprestanda, och de kan använda en personlig enhet från var som helst i världen, snarare än en obligatorisk företagsenhet.

Många organisationer kämpar med att balansera anställdas integritet och företagsövervakning när arbetare använder personliga enheter. Hur kan säkerhetsteam skydda känslig data utan att skapa uppfattningen om övervakning?

Nyckeln är att skydda arbetet, inte den personliga aktiviteten. Anställda är förståeligt nog obekväma när säkerhetsåtgärder kan utsträckas till deras privata filer, meddelanden, webbläsarhistorik eller personliga applikationer. På en BYOD-enhet är förtroende viktigt. Om företaget inte kan tydligt förklara var dess synlighet börjar och slutar, kommer anställda att anta det värsta.

En starkare modell är en som skapar en tydlig arbetsmiljö för affärsaktivitet och tillämpar säkerhetskontroller endast inom den gränsen. Detta ger organisationen möjlighet att skydda företagsdata samtidigt som anställda får förtroende för att deras personliga aktivitet inte övervakas eller hanteras. Integritet och säkerhet behöver inte konkurrera om arkitekturen är utformad för att separera dem tydligt.

Distansarbete och kontraktbaserade team har gjort BYOD-miljöer nästan oundvikliga. Vilka är de största säkerhetsriskerna för ohanterade enheter idag?

Den största risken är att ohanterade enheter utplånar gränsen mellan personlig och affärsaktivitet. På samma maskin kan en användare ha arbetsapplikationer öppna bredvid personlig e-post, konsument-AI-verktyg, meddelandeappar, fildelningstjänster och obehöriga webbläsartillägg. Utan en säker separationslager kan det bli mycket enkelt för känslig data att kopieras, cachelagras, laddas ner, skärmdumpas eller exponeras genom kanaler som företaget inte kontrollerar. För organisationer som omfattas av regler kring datasäkerhet är detta en enorm risk.

Artificiella intelligensagenter och automatiserade arbetsflöden börjar interagera direkt med företagsapplikationer och data. Vilka nya säkerhetsutmaningar introducerar dessa autonoma system?

Autonoma system introducerar en annan klass av risk eftersom de inte bara genererar innehåll, utan också kan agera. AI-agenter anslutna till företagssystem kan hämta eller flytta data, uppdatera poster, utlösa arbetsflöden eller kommunicera externt. Det utvidgar risksamheten för ett misstag, felkonfiguration eller komprometterad identitet betydligt bortom vad vi ser med passiva AI-assistenter.

Det skapar också nya frågor om åtkomst, förtroende och ansvar. Vilken data är agenten tillåten att komma åt? Under vilka villkor kan den agera? Hur loggas, begränsas och granskas den aktiviteten? IT- och säkerhetsteam kommer att behöva behandla AI-agenter som privilegerade digitala aktörer snarare än som programfunktioner. Det innebär att tillämpa principer som minsta behörighet, segmentering, sessionsisolering och stark granskning från början.

När organisationer integrerar generativ artificiell intelligens i produktivitetsverktyg, kundsupportsystem och interna arbetsflöden, vilka typer av känsliga dataexponeringar oroar dig mest?

Användningen av generativ AI på arbetsplatsen har suddat ut gränsen mellan personlig och företagsdata. Anställda har ofta åtkomst till externa verktyg medan de arbetar med företagsinformation, vilket gör det mycket enkelt för känslig data som kundregister, interna dokument, källkod eller finansiell information att hamna i externa miljöer. När företagsdata flödar genom personliga sammanhang eller ohanterade enheter förlorar företag synlighet och kontroll över var den informationen hamnar, hur den lagras och vem som slutligen kan komma åt den. När AI blir inbäddad i vardagliga arbetsflöden måste organisationer hantera denna suddiga gräns genom att se till att företagsdata förblir skyddad även när arbete sker på personliga enheter.

Om vi ser framåt, hur ser du att slutpunktsäkerheten kommer att utvecklas när AI-drivna arbetsflöden blir vanligare över distribuerade och distansarbetsstyrkor?

Slutpunktsäkerheten kommer att behöva bli mycket mer anpassningsbar, kontextmedveten och arbetsmiljöcentrerad. I det förflutna antog slutpunktsäkerhetsdesignen en hanterad enhet, en definierad kontorsperimeter och en relativt stabil uppsättning affärsapplikationer. Framtiden är distribuerad, AI-driven och alltmer autonom. Säkerheten måste följa arbetet självt, var det än sker, utan att anta fullständig kontroll över enheten eller blockera produktivitet.

Den vinnande modellen kommer att vara en som kombinerar stark separation mellan enheten och känslig data, kontextmedvetna åtkomstkontroller och en arkitektur som bevarar en tydlig gräns mellan arbete och personlig aktivitet. Organisationer behöver miljöer där anställda, kontraktorer och AI-aktiverade arbetsflöden kan arbeta produktivt, men inom kontroller som skyddar data av design. De företag som lyckas kommer inte att vara de som försöker sakta ner AI-antagandet; de kommer att vara de som gör säker antagning möjlig i stor skala.

Tack för den utmärkta intervjun, läsare som vill lära sig mer kan besöka Venn.