Rohan Sathe, Nightfall’ın Kurucu Ortağı ve CEO’su – Röportaj Serisi

Erken günlerde, bulut uygulamaları ve modern iş akışları boyunca duyarlı verileri keşfetmek ve korumak için makine öğrenimi kullanmak istedik. 2019’da gizlilik modundan çıktığımızda, kendimizi bulut yerel, ML güçlendirilmiş bir SaaS DLP çözümü olarak konumlandırdık ve “bulut verileri için kontrol düzlemi” oluşturmayı hedefledik. SaaS’ın ötesine geçerek uç noktaları ve üretken AI’ı kapsayacak şekilde genişlettiğimizde, “AI-native DLP” bizim için bir şemsiye terim haline geldi.

Nightfall’ı kurmadan önce, Uber Eats’te arka uç ekibini yönettiğiniz ve SaaS ve bulut araçları boyunca veri dağılımını ilk elden gördüğünüz için, bu deneyimleriniz veri güvenliği konusundaki bakış açınızı nasıl şekillendirdi ve Nightfall fikri için hangi özel anlar veya zorluklar ilham verdi?

Uber Eats’te, arka uç ekiplerini yönetiyordum ve uygulamalı makine öğrenimi hizmetleri geliştiriyordum – ETA tahmini ve arz-talep tahmini gibi şeyler. Petabayt ölçekli verilerle çalışıyorduk ve bu veriler birçok farklı sistem boyunca hareket ediyordu, bu da duyarlı bilgilerin hızla ve genellikle görünmeden hareket edebileceği bir ortam yaratıyordu. Bu deneyim, endüstri tarafından öğrenilen Uber’in 2016 yılındaki ihlali gibi olaylarla birleşti – saldırganlar, GitHub’da kodda açığa çıkan kimlik bilgilerini kullanarak AWS verilerine ulaştılar. Bu, veri dağınıklığı, kimlik bilgileri ve bulut altyapısının birlikte nasıl büyük bir risk oluşturduğunu vurguladı ve Nightfall’ın başlangıcından itibaren bağlam-aware keşif ve önleme odaklı olmasını sağladı.

Nightfall, 2019’da halka açık olarak Series A finansmanıyla piyasaya sürüldü. Erken yolculuğunuzu, stealth modundan lansmana kadar olan süreci ve bu süreçteki önemli dönemeçleri anlatır mısınız?

Yaklaşık bir yıl gizlilik modunda çalıştıktan sonra, 7 Kasım 2019’da Bain Capital Ventures ve Venrock liderliğindeki 20,3 milyon dolarlık finansman ile resmi olarak piyasaya sürüldük. Erken dönemeç noktaları, geniş SaaS entegrasyonlarını oluşturmak ve legacy DLP çözümlerinin yaşadığı yanlış pozitif sonuçları azaltabilen daha yüksek doğruluklu ML tabanlı içerik sınıflandırması geliştirmek etrafında döndü.

Gölge AI, genellikle işyerinde ChatGPT, Gemini ve Copilot gibi araçların izlenmeyen veya denetimsiz kullanımını ifade eder ve genellikle görünmez veri sızıntılarına yol açar. Gölge AI’ı nasıl tanımlarsınız ve neden modern organizasyonlar için büyüyen bir endişe kaynağıdır?

Gölge AI’ı, çalışanların onay veya denetim olmadan AI araçlarını kullanması – kaynak kodu veya müşteri verilerini sohbet botlarına yapıştırma gibi – olarak tanımlarız, bu da IT yönetimi dışında risklere yol açar. Bu tanım, IBM ve Splunk gibi diğer endüstri oyuncularının görüşleriyle uyumludur. Gölge AI, temel olarak onay veya denetim olmadan kullanılan AI’dir, bu da kör noktalar ve potansiyel veri exfiltrasyon riskleri oluşturur. Kullanımı kolay Generative AI uygulamaları ve uygun kontrollerin eksikliği, bu sorunun bu kadar hızlı büyümesinin nedenidir.

Siz, Gölge AI’a karşı Nightfall’ın yaklaşımının geleneksel DLP’den farklı birçok şekilde olduğunu belirttiniz. Müşterileriniz için en büyük etkiye sahip olan bu özelliklerden hangisidir – bağlam-aware izleme, veri kökeni veya gerçek zamanlı engelleme?

Müşterilerimizle yaptığımız görüşmelerden, iki ana unsurun en büyük farkı yarattığını görüyoruz. İlk olarak, gönderilmeden önce duyarlı içeriği yakalayabilme yeteneğidir. İkincisi, miras DLP’nin ötesine geçen AI-native algılama ve veri kökeni ve bağlamı anlamadır.

Gerçekten güçlü olan, sürekli öğrenme yoluyla gürültü azaltmasıdır. Sistemimiz, içerik ve dosya kökenini anlar, kullanıcı notlarından ve eylemlerinden öğrenir ve güvenli iş akışlarını tanımlar, böylece düşük riskli faaliyetleri bastırır. Bu, legacy DLP çözümlerine kıyasla yanlış pozitif sonuçları önemli ölçüde azaltır. Ayrıca, LLM’ler, transformer’lar ve bilgisayar görüntüsü kullanarak gerçek zamanlı tehdit algılama ve risk önceliklendirmesi yapıyoruz ve özel dosya ve duyarlılık sınıflandırıcıları geliştiriyoruz. Müşterilerimiz, bu dönüşümden, uyarı yorgunluğundan odaklanmış, yüksek etkili güvenlik eylemlerine tanıklık ettiklerini söylüyorlar.

Nightfall’ın tarayıcı tabanlı ve uç nokta yerel algılama sistemi, sızıntıların meydana gelmeden önce nasıl durdurur ve bu, yalnızca ihlalleri algılayan geleneksel DLP sistemlerine kıyasla nasıl farklıdır?

Tarayıcı uzantılarımız ve uç nokta ajanlarımız, dosyalar ve metinler gönderilmeden önce tarar. Riskli içeriği gerçek zamanlı olarak redakte edebilir veya engelleyebiliriz. Ayrıca, bir dosyanın bir kurumsal sistemden geldiğini takip edebiliriz. macOS ve Windows için Chrome ve Firefox uzantıları ile bu önce-gönderme redaksiyonu ve yükleme engellemesi işlevselliğini sunuyoruz. Bu, büyük ölçüde geleneksel DLP’den farklıdır, çünkü onlar genellikle sadece ihlalleri algılar.

Nightfall, kuruluşundan bu yana önemli ölçüde genişledi. Bu süre zarfında kurumsal güvenlik ihtiyaçları nasıl değişti ve ürününüz bu değişikliklere nasıl uyum sağladı?

Manzara gerçekten dramatik bir şekilde değişti. 2020-2021 civarında SaaS taraması ile başladık – Slack ve Google Drive gibi. Ardından, 2023’ten itibaren Üretken AI için güvenlik önlemleri kritik hale geldi ve şimdi, organizasyonel büyümeye ölçeklenebilen otonom, akıllı tehdit önleme ihtiyacı görüyoruz.

Güvenlik operasyonları ekipleri, artan karmaşıklıkta araçlar, legacy DLP, sürekli manuel politika ayarlamaları ve ezici uyarı yorgunluğu ile mücadele ediyor. Bu sorunlar, soruşturmalarda yavaşlama, artan yük ve güvenlik etkinliğini azaltma ile sonuçlanıyor. Ürün evrimimiz, reaktif ve manuel operasyonlardan proaktif, akıllı otomasyona doğru kaymaya karşılık verdi. 2023’te Üretken AI kapsamı, 2024’te exfiltrasyon önleme, şifreleme ve e-posta koruması ile genişlettik ve şimdi Nyx ile veri korumasındaki bir sonraki döneme giriyoruz – SaaS, uç noktalar ve AI araçları boyunca uyarı yorgunluğunu odaklanmış, yüksek etkili güvenlik eylemlerine dönüştürüyoruz.

Nightfall Nyx’i yakın zamanda tanıttınız, bu, endüstrinin ilk otonom AI-native DLP platformu olarak tanımlanıyor. Nyx nedir ve güvenlik ekipleri için hangi sorunları çözer?

Nightfall’ın AI algılama platformu zaten yüksek doğruluk ve düşük gürültü sunuyor – geleneksel DLP’ye kıyasla %95 doğruluk. Nyx, bu temel üzerinde güvenlik ekiplerine yardımcı olan ve riskleri investigación, korelasyon ve anlama yeteneği sunan bir zeka katmanıdır.

Gürültü gittiğinde, gerçek iş başlıyor. Büyük organizasyonlarda, SecOps ekipleri hala her gün yüzlerce meşru uyarı ile karşı karşıya kalabilir. İş akışlarını riskli veri hijyeni sorunlarından veya iç tehditlerden ayırmak için saatler harcamak zorunda kalabilirler. Nyx, bu soruşturma ağır işini üstleniyor – analizin hızlanmasını sağlıyor, böylece ekipler eylem üzerinde odaklanabiliyor, değil de sayfalarca uyarıları aramakla uğraşıyor.

Nyx, exfiltrasyon olayları arasında – kullanıcılar, alanlar, cihazlar, veri türleri, dosya adları ve daha fazlası – anında desenleri ortaya koyuyor. Doğal dil arayüzü aracılığıyla, analistler bulgulara göre hareket edebilir, sonuçları araştırabilir, raporlar üretebilir ve önerilen eylemleri saniyeler içinde alabilir. İki saat sürebilecek görevler artık iki dakikadan az sürer – gerçek bir 20 kat zaman tasarrufu.

İş yerlerinde Üretken AI kullanımının patlaması ve güvenlik ekiplerinin takip etmekte zorlanmasıyla, Nightfall gibi araçların kurumsal ortamlar için varsayılan bir kontrol katmanı haline geleceğine inanılıyor musunuz?

Eğilim böyle olduğunu gösteriyor. Geniş Üretken AI benimseme planlarını görüyoruz ve Microsoft (MSFT ) Entra Internet Access gibi büyük platformlar, Üretken AI trafiği için ön-gönderme kontrolleri sunuyor. Bunu, Gölge AI riskleri etrafındaki endüstri uzlaşması ile birleştirirseniz, ön-gönderme, AI-aware DLP’nin kimlik ve erişim yönetimi ve uç nokta algılama ve yanıt gibi şeylerin yanı sıra varsayılan bir kontrol katmanı haline geleceğini beklemek makul görünüyor.

Son olarak, hızlı bir şekilde gelişen bir alanda kurucu olarak, Nightfall için uzun vadeli vizyonunuz nedir ve kurumsal veri korumasında AI’ın rolü?

Uzun vadeli vizyonumuz, lansman sırasında ortaya koyduğumuz bulut verileri için kontrol düzlemi fikrine dayanarak, otonom operasyonlar ve ajent AI yetenekleri ile genişletiyoruz. Güvenlik duruşunun sürekli olarak geliştiği, analistlere uzmanlık alanı bilgisi gerektirmeden AI’ın güvenlik tehditlerini ortadan kaldırdığı ve organizasyonların reaktif, manuel güvenlik operasyonlarından proaktif, akıllı tehdit önleme yöntemlerine geçtiği bir gelecek hayal ediyoruz.

Pratikte, bu, bağlamda veri anlayan ve SaaS, uç noktalar, e-posta ve Gölge AI boyunca güvenli, akıllı eylemler yapan AI anlamına gelir. Güvenlik ekiplerine, her soruşturma ile daha akıllı hale gelen, her zaman açık bir zeka ortağı sağlamak istiyoruz ve haftalarca süren manuel adli tıpa odaklanmış, yüksek etkili güvenlik eylemlerine dönüştürüyoruz.

Harika bir röportaj için teşekkür ederiz, daha fazla bilgi edinmek isteyen okuyucular Nightfall sitesini ziyaret edebilir.