Джо Регенсбургер, віце-президент з досліджень, Immuta – Серія інтерв’ю

Джо Регенсбургер зараз є віце-президентом з досліджень у Immuta. Лідер у сфері захисту даних, Immuta дозволяє організаціям розблокувати цінність своїх даних у хмарі, захищаючи їх і забезпечуючи безпечний доступ.

Immuta спроектована для безшовної інтеграції у ваше хмарне середовище, забезпечуючи рідні інтеграції з провідними хмарними постачальниками. Слідуючи рамці безпеки кібербезпеки NIST, Immuta покриває більшу частину потреб у bảoові даних для більшості організацій.

Ваша освіта у сфері фізики та прикладної математики, як ви опинилися у сфері науки про дані та аналітики?

Моя спеціальність у магістратурі була експериментальною фізикою високих енергій. Аналіз даних у цій галузі вимагає великої кількості статистичного аналізу, особливо виділення сигнатур рідкісних подій з тих, що належать до частіших фонових подій. Ці навички дуже схожі на ті, які необхідні у сфері науки про дані.

Можете описати, що таке ваша поточна роль віце-президента з досліджень у лідері з безпеки даних Immuta?

У Immuta ми зосереджені на bảoові даних. Це означає, що нам потрібно зрозуміти, як дані використовуються, як вони можуть бути використані неправильно, і забезпечити фахівцям з даних інструментами, необхідними для виконання їхньої місії, а також запобігання неправильному використанню. Наша роль полягає у розумінні вимог і проблем фахівців з даних, особливо щодо регулювання та безпеки, і допомозі у вирішенні цих проблем. Ми хочемо зменшити нормативні вимоги і дозволити фахівцям з даних зосередитися на своїй основній місії. Моя роль полягає у допомозі у розробці рішень, які зменшать ці навантаження. Це включає розробку інструментів для виявлення чутливих даних, методів автоматизації класифікації даних, виявлення того, як дані використовуються, і створення процесів, які забезпечують дотримання політики даних, щоб дані використовувалися правильно.

Які основні виклики у сфері управління штучним інтелектом порівняно з традиційним управлінням даними?

Технологічні лідери зазначили, що управління штучним інтелектом є природним наступним кроком і прогресом від управління даними. Однак є деякі ключові відмінності, які потрібно враховувати. По-перше, управління штучним інтелектом вимагає рівня довіри до результатів системи штучного інтелекту. З традиційним управлінням даними лідери з даних раніше могли легко відстежувати答案 до результату за допомогою традиційної статистичної моделі. З штучним інтелектом відстежуваність і походження стають справжнім викликом, і лінії можуть бути легко розмиті. Можливість довіряти результату, до якого прийшла система штучного інтелекту, може бути негативно вплинута на галюцинації та конфабуляції, які є унікальним викликом для штучного інтелекту, який потрібно вирішити для забезпечення належного управління.

Ви вважаєте, що існує універсальне рішення для управління штучним інтелектом і безпеки даних, або це більше залежить від конкретного випадку?

“Хоча я не думаю, що існує універсальне рішення для управління штучним інтелектом на даний момент щодо захисту даних, є певні фактори, які лідери з даних повинні приймати зараз, щоб створити основу для безпеки та управління. Коли мова йде про управління штучним інтелектом, дуже важливо мати контекст щодо того, для чого використовується модель штучного інтелекту і чому. Якщо ви використовуєте штучний інтелект для чогось більш буденного з меншим впливом, ваш калькулятор ризику буде значно нижчим. Якщо ви використовуєте штучний інтелект для прийняття рішень щодо охорони здоров’я або навчання автономного транспортного засобу, ваш вплив ризику значно вищий. Це схоже на управління даними; те, чому дані використовуються, є таким же важливим, як і те, як вони використовуються.

Ви нещодавно написали статтю під назвою “Відповідь на приховані загрози тіньового штучного інтелекту”. Що таке тіньовий штучний інтелект і чому підприємства повинні звернути на це увагу?

“Тіньовий штучний інтелект можна визначити як зловживання неавторизованими інструментами штучного інтелекту, які виходять за межі рамок управління організацією. Підприємства повинні бути обізнані про це явище, щоб захистити дані, оскільки введення внутрішніх даних у неавторизовану програму, таку як інструмент штучного інтелекту, може представляти величезний ризик. Тіньові технології загалом добре відомі і відносно легко керуються, якщо їх виявлено. Просто виведіть з ладу програму і продовжуйте. З тіньовим штучним інтелектом у вас немає чіткої угоди щодо того, як дані використовуються для навчання моделі штучного інтелекту або де модель в кінцевому підсумку передає свої відповіді після генерації. По суті, як тільки дані потрапляють у модель, ви втрачаєте контроль над ними. Щоб пом’якшити потенційний ризик тіньового штучного інтелекту, організації повинні створити чіткі угоди та формалізовані процеси використання цих інструментів, якщо дані будуть залишати середовище будь-яким чином.

Можете пояснити переваги використання атрибутного контролю доступу (ABAC) над традиційним ролевим контролем доступу (RBAC) у сфері безпеки даних?

Ролевий контроль доступу (RBAC) функціонує шляхом обмеження дозволів або доступу до системи на основі ролі особи у організації. Перевага цього полягає в тому, що це робить контроль доступу статичним і лінійним, оскільки користувачі можуть отримати доступ до даних лише у разі призначення до певних попередньо визначених ролей. Хоча модель RBAC традиційно служила способом контролю внутрішнього використання даних, вона жодним чином не є незламною, і сьогодні ми можемо побачити, що її простота також є її основним недоліком.

RBAC був практичним для менших організацій з обмеженими ролями та небагатьма ініціативами з даних. Сучасні організації орієнтовані на дані, а потреби у даних зростають з часом. У цьому все частішому сценарії ефективність RBAC розбивається. На щастя, у нас є більш сучасний і гнучкий варіант контролю доступу: атрибутний контроль доступу (ABAC). Модель ABAC застосовує більш динамічний підхід до доступу до даних та безпеки, ніж RBAC. Вона визначає логічні ролі шляхом поєднання спостережуваних атрибутів користувачів і даних, а також прийняття рішень щодо доступу на основі цих атрибутів. Однією з найбільших переваг ABAC є його динамічна і масштабована природа. Коли випадки використання даних зростають і демократизація даних дозволяє більшій кількості користувачів у організаціях, засоби контролю доступу повинні розширюватися разом з їхніми середовищами, щоб підтримувати постійну безпеку даних. Система ABAC також схильна бути суттєво більш безпечною, ніж попередні моделі контролю доступу. Що більше, такий високий рівень безпеки даних не відбувається за рахунок масштабованості. На відміну від попередніх стандартів контролю доступу та управління, динамічна природа ABAC створює модель, майбутнє якої забезпечено.”

Які ключові кроки для розширення доступу до даних при збереженні потужного управління даними та безпеки?

Контроль доступу до даних використовується для обмеження доступу, дозволів і привілеїв, наданих певним користувачам і системам, які допомагають забезпечити, щоб тільки авторизовані особи могли бачити і використовувати певні набори даних. Однак команди з даних потребують доступу до якомога більшої кількості даних, щоб забезпечити найбільш точні бізнес-інсайти. Це представляє проблему для команд з безпеки даних та управління, які відповідають за забезпечення того, щоб дані були достатньо захищені від несанкціонованого доступу та інших ризиків. У дедалі більш даних середовищі бізнесу потрібно знайти баланс між цими конкуруючими інтересами. У минулому організації намагалися знайти цей баланс, використовуючи пасивний підхід до контролю доступу до даних, який представляв собою дані-瓶頸 і утримував організації, коли мова йшла про швидкість. Щоб розширити доступ до даних при збереженні потужного управління даними та безпеки, організації повинні прийняти автоматизований контроль доступу до даних, який вводить швидкість, гнучкість і точність у процес застосування правил до даних. Є п’ять кроків, які потрібно освоїти, щоб автоматизувати свій контроль доступу до даних:

1. Повинен підтримувати будь-який інструмент, який використовує команда з даних.
2. Потрібно підтримувати всі дані, незалежно від того, де вони зберігаються чи яку технологію зберігання використовують.
3. Вимагає прямого доступу до тих самих живих даних по всій організації.
4. Будь-хто, незалежно від рівня кваліфікації, може зрозуміти, які правила та політики застосовуються до корпоративних даних.
5. Політики конфіденційності даних повинні знаходитися в одному центральному місці.
6. Як тільки ці стовпи будуть освоєні, організації можуть звільнитися від пасивного підходу до контролю доступу до даних і забезпечити безпечний, ефективний і масштабований контроль доступу до даних.

У сфері моніторингу даних у реальному часі, як Immuta дозволяє організаціям прогнозувати управління своїм використанням даних і ризиками безпеки?

Продукт Immuta Detect дозволяє організаціям прогнозувати управління своїм використанням даних шляхом автоматичного оцінювання даних на основі того, наскільки вони чутливі та захищені (наприклад, маскування даних або заявлена мета доступу до них), щоб команди з даних та безпеки могли пріоритизувати ризики та отримувати сповіщення у реальному часі про потенційні інциденти безпеки. За допомогою швидкого визначення та пріоритизації ризиків використання даних за допомогою Immuta Detect клієнти можуть зменшити час реакції на ризики та загалом підтримувати потужну безпеку даних для своїх даних.

Дякую за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати Immuta.