Cybersäkerhet
Iboss presenterar AI DLP för datakontroll i realtid i molnet och inom AI
Lägg till Unite.AI bland dina föredragna källor på Google
iboss presenterade AI DLP den 3 november 2026, en produkt för att förebygga dataförlust som är utformad för att granska innehåll i realtid i AI-verktyg, molnapplikationer och andra onlinetjänster. Företaget planerar att inleda en privat förhandsversion i december 2026.
Produkten är utformad för att hantera begränsningar i traditionellt skydd mot dataförlust. Regler baserade på reguljära uttryck och mönstermatchning söker efter format som har definierats i förväg, till exempel ett kontonummer eller en ID-sträng, medan kontroller som bygger på etiketter kan missa filer som har märkts fel eller inte märkts alls. Det kan handla om en fil som delas på en molnenhet, ett formulär som skickas in via en webbapplikation eller källkod som klistras in i ett AI-verktyg. Alla dessa kan innehålla känsligt material utan att följa ett fast mönster.
Innehållsgranskning och policykontroller
AI DLP kombinerar AI- och maskininlärningsbaserad klassificering med djupgående innehållsgranskning för att undersöka data medan den överförs. Filanalys och optisk teckenigenkänning utökar granskningen till dokument och text i bilder, så att även innehåll som är märkt, felmärkt eller omärkt omfattas. Kontrollerna utgår från innehållet i en fil eller prompt, även när formatregler och metadata inte ger någon tillförlitlig vägledning.
Policyer kan avgränsas efter användare, grupp eller avdelning för att identifiera, flagga eller stoppa överföringar av källkod, kunddata, personligt identifierbar information och immateriella tillgångar. Dokumentationen om iboss DLP beskriver även avgränsning efter källa och mål, namngivna undantag samt åtgärder som blockering, insamling av filer, loggning, aviseringar och tilldelning av allvarlighetsgrad. Överträdelser kan samlas i incidenter med riskpoäng, tidslinjer över händelser och bevis i form av insamlade filer. Det ger analytiker ett ärende att utreda och avsluta, i stället för enbart enskilda loggposter.
Krypterad trafik och agentaktivitet
Innehållsbaserade kontroller kräver insyn i mer än bara destinationen. I sin förklaring av AI DLP uppger iboss att webbaserade AI-verktyg i allmänhet kräver granskning av krypterade sessioner för att möjliggöra den här kontrollnivån. Utan sådan granskning kan ett system se vart data skickas, men inte vilken prompt eller fil som överförs. Den insynen gör att innehållspolicyer kan tillämpas på AI-chattar på samma sätt som på andra uppladdningar via webben.
Kontrollerna omfattar också mer än när en person klistrar in text i ett chattfönster. De kan styra vilka AI-tjänster, verktyg och API:er en autonom agent får använda och spara en logg över agentens aktivitet. På så sätt kopplas styrningen av agenter till samma kontrollmodell som används för interaktiva AI-sessioner, så att dataöverföringar som initieras av programvara omfattas liksom de som initieras av anställda.
Etiketter, granskningsunderlag och plattformsarkitektur
När det finns känslighetsetiketter från Microsoft Information Protection läser och tillämpar AI DLP dem direkt. Produktdokumentationen beskriver hur tillåt- eller blockeringsbeslut fattas för varje etikett och destination med hjälp av synkronisering av etiketter från Microsoft Purview, samtidigt som innehållsgranskningen även omfattar omärkta dokument. Etiketter blir därmed en av flera policygrunder, vid sidan av innehållsanalys, vilket minskar beroendet av att varje dokument har korrekta metadata.
Rapporteringen omfattar riskbedömning av dataförlust och rapporter som skapas med ett klick för GDPR, HIPAA, PCI-DSS och SOX. Syftet är att ge revisorer underlag som visar vad som har upptäckts och stoppats. iboss uppger att varje kunds trafik behandlas i separata containrar med isolerade SSL-nycklar och dedikerade IP-adresser, och att kunddata inte blandas samman. AI DLP ingår tillsammans med företagets Secure Web Gateway-, CASB-, GenAI Protection- och Zero Trust Network Access-tjänster, med en gemensam konsol, policyhanteringsmotor och datasjö.
En 30 minuter lång demonstration online är planerad till den 5 november 2026 kl. 12.00 ET, inför förhandsversionen i december. Den praktiska skillnaden gäller vad som har presenterats och vad som är tillgängligt: iboss har beskrivit ett enda innehållsmedvetet kontrollplan för dataöverföringar som initieras av människor och agenter, och den privata förhandsversionen är det planerade steget mot att omsätta den utformningen i praktiken.
