โรฮัน ซาเทห์ ผู้ร่วมก่อตั้งและซีอีโอของ Nightfall – สัมภาษณ์เชิงลึก

ในสมัยแรก เราต้องการใช้แมชชีนเลิร์นนิงเพื่อค้นหาและปกป้องข้อมูลที่ละเอียดอ่อนทุกที่ที่มันอยู่ทั่วแอปพลิเคชันคลาวด์และเวิร์กโฟลว์สมัยใหม่ เมื่อเราออกจากการซ่อนตัวในปี 2019 เราได้กำหนดตำแหน่ง ourselves เป็นโซลูชัน DLP แบบคลาวด์-เนทีฟที่มีพลังจาก ML โดยมีวิสัยทัศน์ในการสร้าง ‘เครื่องบินควบคุมสำหรับข้อมูลคลาวด์’ เมื่อเราขยายออกไปนอก SaaS เพื่อปกป้องการขโมยข้อมูลทั่วจุดสิ้นสุดและ AI ที่สร้างขึ้น ‘AI-native DLP’ กลายเป็นคำศัพท์หลักของเรา

ก่อนที่คุณจะก่อตั้ง Nightfall คุณเคยเป็นวิศวกรผู้ร่วมก่อตั้งที่ Uber Eats ซึ่งคุณได้เห็นด้วยตัวคุณเองว่าข้อมูลกระจายไปทั่ว SaaS และเครื่องมือคลาวด์ การสัมผัสประสบการณ์ของคุณที่ Uber Eats มีผลกระทบต่อทัศนคติของคุณเกี่ยวกับความปลอดภัยของข้อมูลอย่างไร และมีเหตุการณ์หรือความท้าทายใดที่กระตุ้นให้คุณมีแนวคิดสำหรับ Nightfall?

ที่ Uber Eats ฉันเคยเป็นผู้นำทีมแบ็กเอนด์และสร้างบริการแมชชีนเลิร์นนิง เช่น การทำนายและคาดการณ์ เราต้องจัดการกับข้อมูลขนาดใหญ่หลายพีตะไบที่กระจายไปทั่วระบบต่างๆ ซึ่งเป็นสภาพแวดล้อมที่ข้อมูลที่ละเอียดอ่อนสามารถเคลื่อนที่ได้อย่างรวดเร็วและไม่มองเห็นได้ การสัมผัสประสบการณ์นี้ร่วมกับสิ่งที่อุตสาหกรรมได้เรียนรู้จากเหตุการณ์เช่น การละเมิดความปลอดภัยของ Uber ในปี 2016 ซึ่งผู้โจมตีใช้ข้อมูลประจำตัวที่ถูกเปิดเผยในโค้ดบน GitHub เพื่อเข้าถึงข้อมูลของ AWS ได้ จริงๆ แล้วเน้นย้ำถึงความเสี่ยงที่เกิดจากการที่ข้อมูลกระจายไปทั่ว ระบบคลาวด์ และโครงสร้างพื้นฐาน ทำให้ Nightfall มุ่งเน้นไปที่การค้นพบและป้องกันที่ตระหนักถึงบริบทตั้งแต่เริ่มต้น

Nightfall เปิดตัวสู่สาธารณะในปี 2019 ด้วยเงินทุน Series A คุณสามารถพาคนเราทัวร์ไปตามการเดินทางตั้งแต่การซ่อนตัวไปจนถึงการเปิดตัว รวมถึงจุดเปลี่ยนสำคัญใดๆ ที่คุณพบ?

เราทำงานในโหมดซ่อนตัวเป็นเวลาประมาณหนึ่งปี จากนั้นจึงเปิดตัวอย่างเป็นทางการเมื่อวันที่ 7 พฤศจิกายน 2019 ด้วยเงินทุน 20.3 ล้านดอลลาร์จาก Bain Capital Ventures และ Venrock จุดเปลี่ยนสำคัญในช่วงแรกๆ มีศูนย์กลางอยู่ที่การสร้างการผสานรวม SaaS ที่กว้างขวางและพัฒนาการจัดประเภทเนื้อหาที่มีความแม่นยำสูงโดยใช้ ML ซึ่งสามารถลดผลบวกเท็จที่พบในโซลูชัน DLP ในยุคก่อนๆ ได้

Shadow AI หมายถึงการใช้เครื่องมือ AI อย่างไม่ได้รับการกำกับดูแล เช่น ChatGPT, Gemini และ Copilot ในสถานที่ทำงาน ซึ่งมักจะส่งผลให้เกิดการรั่วไหลของข้อมูลที่มองไม่เห็น คุณนิยาม Shadow AI อย่างไร และเหตุใดจึงเป็นปัญหาที่เพิ่มขึ้นสำหรับองค์กรสมัยใหม่?

เรานิยาม Shadow AI ว่าเป็นการใช้เครื่องมือ AI โดยพนักงานโดยไม่ได้รับอนุญาตหรือการกำกับดูแล ซึ่งสร้างความเสี่ยงต่อการรั่วไหลของข้อมูลนอกเหนือจากการจัดการ IT ขององค์กร นิยามนี้สอดคล้องกับสิ่งที่เราเห็นจากผู้เล่นในอุตสาหกรรมอื่นๆ เช่น IBM และ Splunk Shadow AI คือ AI ที่ใช้โดยไม่ได้รับการอนุมัติหรือการดูแล ซึ่งนำไปสู่จุดบอดและความเสี่ยงต่อการขโมยข้อมูล การผสมผสานระหว่างแอปพลิเคชัน AI ที่ใช้งานง่ายและขาดการควบคุมที่เหมาะสมทำให้ปัญหานี้เติบโตอย่างรวดเร็ว

คุณได้อธิบายวิธีการที่แนวทางของ Nightfall ต่อ Shadow AI แตกต่างจาก DLP แบบดั้งเดิม คุณคิดว่าฟีเจอร์ใดจากฟีเจอร์ต่างๆ เช่น การติดตามที่ตระหนักถึงบริบท การจัดทำลำดับข้อมูล หรือการบล็อกในเวลาจริง ที่มีผลกระทบมากที่สุดต่อลูกค้าของคุณ?

จากสิ่งที่ลูกค้าให้คำแนะนำกับเราอย่างต่อเนื่อง มีเครื่องมือสองชิ้นที่สร้างความแตกต่างมากที่สุด ประการแรกคือการควบคุมก่อนการส่ง ซึ่งจริงๆ แล้วจับข้อมูลที่ละเอียดอ่อนก่อนที่จะถูกส่งไปยังเครื่องมือ AI หรือโพสต์บนเว็บ ประการที่สองคือการตรวจจับ AI ที่เป็นมิตรของเรา ซึ่งพัฒนามากกว่าการค้นหาตามรูปแบบแบบดั้งเดิมเพื่อทำความเข้าใจเกี่ยวกับลำดับข้อมูลและบริบท

สิ่งที่มีพลังมากคือการลดความเสี่ยงผ่านการเรียนรู้อย่างต่อเนื่อง ระบบของเราทำความเข้าใจเนื้อหาลำดับข้อมูลและไฟล์ เรียนรู้จากข้อความและการดำเนินการของผู้ใช้ และระบุการทำงานที่ปลอดภัยเพื่อระงับกิจกรรมที่มีความเสี่ยงต่ำเมื่อเทียบกับโซลูชัน DLP แบบดั้งเดิม เรากำลังทำการตรวจจับภัยคุกคามและจัดลำดับความสำคัญของความเสี่ยงโดยใช้ LLM, ทรานส์ฟอร์เมอร์ และการมองเห็นคอมพิวเตอร์ พร้อมด้วยตัวจำแนกไฟล์และความไวต่อความอ่อนไหวที่กำหนดเอง ซึ่งสามารถเปิดเผยการเคลื่อนไหวของทรัพย์สินทางปัญญาและเอกสารที่มีค่ามากกว่าเพียงการตรวจหาตัวตนตามกฎเกณฑ์ ลูกค้าของเราบอกเราว่าพวกเขาเห็นการเปลี่ยนแปลงจากความเหนื่อยล้าในการแจ้งเตือนไปสู่การดำเนินการรักษาความปลอดภัยที่มีผลกระทบสูง

ระบบตรวจจับและป้องกันของ Nightfall ที่อยู่บนเบราว์เซอร์และจุดสิ้นสุดสามารถหยุดการรั่วไหลของข้อมูลได้ก่อนที่จะเกิดขึ้นได้อย่างไร และสิ่งนี้แตกต่างจากระบบ DLP แบบดั้งเดิมที่ตรวจจับการละเมิดหลังจากที่มันเกิดขึ้นอย่างไร?

익스เทนชั่นเบราว์เซอร์และเอเย่นต์จุดสิ้นสุดของเราสแกนข้อความและไฟล์ก่อนที่จะถูกส่ง เราสามารถแก้ไขหรือบล็อกเนื้อหาที่มีความเสี่ยงในเวลาจริง ดังนั้น ก่อนที่จะส่งคำถามไปยัง ChatGPT เราสามารถติดตามลำดับข้อมูลเพื่อให้ทราบว่าไฟล์มาจากไหน เราใช้งานบน macOS และ Windows พร้อมด้วย 익스เทนชั่น Chrome และ Firefox ที่ให้การแก้ไขและบล็อกการอัปโหลดก่อนที่จะส่ง ซึ่งเป็นการเปลี่ยนแปลงที่ชัดเจนเมื่อเทียบกับ DLP แบบดั้งเดิม ซึ่งส่วนใหญ่เกี่ยวกับการตรวจจับหลังจากที่การละเมิดเกิดขึ้นแล้ว

Nightfall ขยายตัวขึ้นอย่างมากนับตั้งแต่ก่อตั้ง องค์กรด้านความปลอดภัยขององค์กรมีวิวัฒนาการอย่างไรในช่วงเวลานี้ และผลิตภัณฑ์ของคุณปรับตัวเพื่อตอบสนองอย่างไร?

ภูมิทัศน์เปลี่ยนแปลงไปอย่างมาก เราเริ่มต้นด้วยการสแกน SaaS ในช่วงปี 2020-2021 จากนั้นการป้องกัน AI ที่สร้างขึ้นกลายเป็นสิ่งสำคัญตั้งแต่ปี 2023 และตอนนี้เรากำลังเห็นความจำเป็นเร่งด่วนสำหรับการป้องกันภัยคุกคามอัตโนมัติที่มีไอนตелिजเจนต์ ซึ่งสามารถปรับขนาดตามการเติบโตขององค์กร

ทีมปฏิบัติการด้านความปลอดภัยกำลังต่อสู้กับเครื่องมือที่ซับซ้อนมากขึ้น DLP ตามรูปแบบแบบดั้งเดิม การปรับแต่งนโยบายด้วยมืออย่างต่อเนื่อง และความเหนื่อยล้าในการแจ้งเตือน ซึ่งทำให้การสืบสวนช้าลง เพิ่มภาระ และลดประสิทธิภาพด้านความปลอดภัย การพัฒนาของผลิตภัณฑ์ของเราติดตามการเปลี่ยนแปลงนี้จากปฏิบัติการที่ตอบสนองและทำด้วยมือไปสู่การทำงานอัตโนมัติและป้องกันที่ฉลาด เราประกาศการครอบคลุม AI ที่สร้างขึ้นในปี 2023 ขยายไปสู่การป้องกันการขโมยข้อมูล การเข้ารหัส และการป้องกันอีเมลในปี 2024 และตอนนี้ด้วย Nyx เรากำลังเปิดตัวสิ่งที่เรามองว่าเป็นยุคหน้าของ AI ที่มีไอนตелจิเจนต์ในด้านการปกป้องข้อมูล โดยเปลี่ยนความเหนื่อยล้าในการแจ้งเตือนไปสู่การดำเนินการรักษาความปลอดภัยที่มีผลกระทบสูง

คุณได้แนะนำ Nightfall Nyx ซึ่งคุณอธิบายว่าเป็นแพลตฟอร์ม DLP ที่มี AI อัตโนมัติแห่งแรกในอุตสาหกรรม สิ่งใดที่ทำให้มันกลายเป็นอัตโนมัติ และปัญหาใดที่ได้รับการแก้ไขสำหรับทีมด้านความปลอดภัย?

แพลตฟอร์มการตรวจจับ AI ของ Nightfall มอบผลลัพธ์ที่แม่นยำและต่ำมาก — ความแม่นยำ 95% เมื่อเทียบกับ 5-30% ที่พบใน DLP แบบดั้งเดิมที่ใช้รูปแบบหรือกฎเกณฑ์ Nyx คือชั้นความฉลาด AI ที่ช่วยให้ทีมด้านความปลอดภัยสืบสวน ระบุความเสี่ยง และเข้าใจความเสี่ยง

แม้หลังจากที่เสียงรบกวนหายไป การทำงานที่แท้จริงก็เริ่มต้นขึ้น ในองค์กรขนาดใหญ่ ทีม SecOps อาจยังคงเผชิญกับการแจ้งเตือนหลายร้อยครั้งต่อวัน การค้นหาและแยกแยะระหว่างการทำงานที่ได้รับการอนุมัติจากธุรกิจกับปัญหาด้านสุขภาพข้อมูลที่มีความเสี่ยงหรือภัยคุกคามจากภายในสามารถใช้เวลานานได้ Nyx รับหน้าที่ในการสืบสวนที่หนักหน่วง — เร่งการวิเคราะห์ให้ทีมสามารถมุ่งเน้นไปที่การดำเนินการ ไม่ใช่การค้นหาและจัดเรียงการแจ้งเตือน

Nyx เชื่อมโยงจุดต่างๆ ทั่วเหตุการณ์การขโมยข้อมูล — ผู้ใช้ โดเมน อุปกรณ์ ประเภทข้อมูล ชื่อไฟล์ และอื่นๆ — โดยแสดงรูปแบบทันที ผ่านอินเทอร์เฟซภาษาธรรมชาติ ผู้วิเคราะห์สามารถดำเนินการตามรูปแบบ สืบสวนผลการค้นหา สร้างรายงาน และรับข้อแนะนำการดำเนินการภายในไม่กี่วินาที — การประหยัดเวลา 20 เท่าจริงๆ

เมื่อการใช้ AI ที่สร้างขึ้นกำลังระเบิดขึ้นในที่ทำงาน และทีมด้านความปลอดภัยกำลังต่อสู้เพื่อตามทัน คุณคิดว่าเครื่องมืออย่าง Nightfall จะกลายเป็นชั้นการควบคุมโดย mặc địnhสำหรับสภาพแวดล้อมองค์กรหรือไม่?

ฉันคิดว่าแนวโน้มชี้ไปในทิศทางนั้น เราเห็นการนำ AI ที่สร้างขึ้นมาใช้ในองค์กรอย่างกว้างขวาง และแพลตฟอร์มหลักๆ เช่น Microsoft (MSFT ) Entra Internet Access กำลังเปิดตัวการควบคุมแบบINLINE สำหรับการรับส่งข้อมูล AI ที่สร้างขึ้น เมื่อคุณจับคู่สิ่งนี้กับความเห็นพ้องกันในอุตสาหกรรมเกี่ยวกับความเสี่ยงของ Shadow AI มีเหตุผลที่จะคาดหวังว่าการควบคุม DLP ที่ตระหนักถึง AI ก่อนการส่งจะกลายเป็นชั้นการควบคุมโดย mặc địnhพร้อมกับสิ่งต่างๆ เช่น การจัดการเอกลักษณ์และการเข้าถึง และการตรวจจับและตอบสนองต่อจุดสิ้นสุด

สุดท้าย ในฐานะผู้ก่อตั้งที่สร้างสรรค์ในพื้นที่ที่เปลี่ยนแปลงอย่างรวดเร็ว วิสัยทัศน์ระยะยาวของคุณสำหรับ Nightfall และบทบาทของ AI ในการปกป้องข้อมูลองค์กรมีอะไรบ้าง?

วิสัยทัศน์ระยะยาวของเราต่อยอดจากสิ่งที่เราได้กล่าวถึงตั้งแต่การเปิดตัว — ที่จะเป็นเครื่องบินควบคุมสำหรับข้อมูลคลาวด์ — แต่ตอนนี้เรากำลังขยายสิ่งนี้ด้วยการดำเนินการที่อัตโนมัติและความสามารถ AI ที่มีไอนติลจิเจนต์ เราเห็นอนาคตที่ท่าทางด้านความปลอดภัยดีขึ้นอย่างต่อเนื่องโดยไม่ต้องเพิ่มภาระงานให้กับนักวิเคราะห์ ที่ AI กำจัดความจำเป็นในการมีความเชี่ยวชาญเฉพาะด้าน และที่องค์กรสามารถเปลี่ยนจากการปฏิบัติการด้านความปลอดภัยที่ตอบสนองและทำด้วยมือไปสู่การป้องกันภัยคุกคามที่ฉลาดและ proactively

ในทางปฏิบัติ สิ่งนี้หมายถึง AI ที่เข้าใจข้อมูลในบริบทและดำเนินการอย่างปลอดภัยและฉลาด — สืบสวน การฝึกอบรม การแก้ไข การบล็อก — ทั่ว SaaS จุดสิ้นสุด อีเมล และ Shadow AI เราต้องการปิดวงจรจากการตรวจจับไปยังการป้องกัน โดยให้ทีมด้านความปลอดภัยเป็นหุ้นส่วนที่ฉลาดและทำงานตลอดเวลา ซึ่งจะฉลาดขึ้นในการสืบสวนทุกครั้งและเปลี่ยนการนิติเวชด้วยมือเป็นเวลาหลายสัปดาห์ให้เป็นการตอบสนองด้านความปลอดภัยที่มีผลกระทบสูงภายในไม่กี่นาที

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเยี่ยมชม Nightfall เพื่อเรียนรู้เพิ่มเติม