Elizabeth Nammour, CEO & Founder của Teleskope – Loạt Phỏng Vấn

Elizabeth Nammour, CEO và người sáng lập của Teleskope, là một kỹ sư bảo mật chuyển sang người sáng lập, với sự nghiệp bao gồm bảo mật dữ liệu, kỹ thuật phần mềm và vai trò đổi mới tại một số tổ chức công nghệ lớn nhất thế giới. Trong thời gian làm việc với tư cách là kỹ sư phần mềm cao cấp tập trung vào bảo mật dữ liệu tại Airbnb (ABNB ), cô đã đối mặt với thách thức hoạt động trong việc hiểu và kiểm soát các tài sản dữ liệu khổng lồ, đang phát triển nhanh chóng, được phân tán trên hàng chục hệ thống. Kinh nghiệm đó, kết hợp với các vai trò kỹ thuật và chiến lược trước đó tại Amazon (AMZN ) và Booz Allen Hamilton (BAH ), đã định hình quan điểm của cô về cách các tổ chức hiện đại đấu tranh để quản lý dữ liệu nhạy cảm trên quy mô lớn và cuối cùng đã dẫn cô đến việc xây dựng một công ty giải quyết khoảng trống đó.

Teleskope là một nền tảng bảo mật dữ liệu hiện đại được thiết kế để giúp các tổ chức liên tục hiểu nơi dữ liệu của họ sống, cách nó được sử dụng và những rủi ro mà nó tạo ra khi môi trường trở nên phức tạp hơn. Được xây dựng với các nhà phát triển và nhóm bảo mật trong tâm trí, nền tảng này nhấn mạnh vào khả năng hiển thị dữ liệu chính xác, khắc phục tự động và kiểm soát dựa trên chính sách trên các môi trường đám mây, SaaS và hybrid. Bằng cách vượt qua các kiểm toán tĩnh và các quy trình thủ công, Teleskope nhằm mục đích cung cấp cho các tổ chức một nền tảng thực tế để quản lý sự phân tán dữ liệu trong khi cho phép việc áp dụng AI có trách nhiệm.

Bạn đã thành lập Teleskope sau khi xây dựng các công cụ bảo mật dữ liệu nội bộ tại Airbnb để lập danh mục và phân loại dữ liệu trên quy mô lớn. Khoảnh khắc nào đã thuyết phục bạn rằng điều này cần phải là một công ty chứ không phải là một dự án nội bộ, và những bài học đầu tiên đó đã định hình đề xuất sản phẩm của bạn như thế nào?

Khi tôi hoàn thành việc xây dựng sản phẩm này tại AirBnB, tôi đã có cơ hội viết một bài đăng trên blog của AirBnB có tên “Tự động hóa Bảo vệ Dữ liệu trên Quy mô Lớn”. Tôi không bao giờ thực sự dự kiến bất cứ điều gì sẽ đến từ đó, nhưng cộng đồng bảo mật đã phản ứng rất tích cực và tôi bắt đầu được các chuyên gia từ khắp nơi trên thế giới liên hệ. Tôi chắc chắn đã có khoảnh khắc nhận ra rằng nhiều người chia sẻ những thách thức mà tôi phải đối mặt, và rằng sản phẩm này là thứ mà thị trường thực sự đang yêu cầu. Tôi đã học được rất nhiều từ phản hồi của đồng nghiệp trong những ngày đầu, và thậm chí Teleskope v1.0 đã tốt hơn nhiều so với những gì tôi đã xây dựng tại AirBnB. Ngày nay, sản phẩm của chúng tôi lớn hơn và có tác động nhiều hơn tôi có thể tưởng tượng vào thời điểm đó.

Quy trình phân loại đa mô hình của bạn kết hợp ML truyền thống, mô hình cụ thể và xác thực GenAI. Bạn có thể giải thích logic quyết định và cách giảm thiểu các kết quả sai dương tính / âm tính trên quy mô lớn không?

Tôi chắc chắn sẽ giới thiệu bạn đọc bài viết trên blog của chúng tôi, mà tôi đã viết cùng với trưởng nhóm Khoa học Dữ liệu của chúng tôi, Ivan, về phân loại dữ liệu. Tôi sẽ nói trước rằng đây là một nghệ thuật, cũng như là một khoa học. Có rất nhiều sắc thái – mỗi khi bạn tìm thấy một thực thể dữ liệu nhạy cảm, bối cảnh sẽ là duy nhất. Trong khi đó, quy mô của dữ liệu đã làm cho vấn đề này trở nên vô cùng thách thức, vì quét các petabyte dữ liệu sản xuất đòi hỏi rất nhiều tính toán và thời gian. Về cơ bản, có một lý do tại sao vấn đề này vẫn được coi là một vấn đề chưa được giải quyết.

Đó là nơi nghệ thuật xuất hiện – tìm ra cách cân bằng tất cả các sự đánh đổi – tốc độ, độ trễ, độ chính xác, chi phí và phạm vi (trong các cửa hàng dữ liệu, định dạng tệp, ngôn ngữ, v.v.). Chúng tôi luôn tin rằng câu trả lời phải sáng tạo và phải đa phương thức. Đây là lý do tại sao chúng tôi đã áp dụng cách tiếp cận này, kết hợp nhiều phương pháp phân loại có sẵn để có một cách tiếp cận động và tinh tế, để tóm lại, được xây dựng để sử dụng phương pháp nhẹ nhất có thể, mà không hy sinh đáng kể độ chính xác. Cách tiếp cận động này cho phép chúng tôi quét dữ liệu nhanh hơn 10-20 lần so với các công cụ phụ thuộc vào các mô hình LLM một kích cỡ và cũng cung cấp kết quả chính xác hơn nhiều so với các phương pháp dựa trên REGEX hoặc ngữ cảnh truyền thống.

Gần đây, bạn đã giới thiệu Prism, tập trung vào việc hiểu dữ liệu ở cấp độ kinh doanh và khắc phục bằng cách sử dụng GenAI. Những trường hợp sử dụng mới nào được mở khóa so với việc phát hiện PII ở cấp độ phần tử, và bạn bảo vệ chống lại việc ảo giác trong các hành động khắc phục như thế nào?

Khi tôi đầu tiên bắt đầu giải quyết thách thức của việc phân loại và bảo vệ dữ liệu, sự tập trung của tôi là giảm thiểu các kết quả sai dương tính thực sự. Ví dụ, làm thế nào để chúng tôi đảm bảo rằng ít nhất 95% thời gian khi chúng tôi đánh dấu một thứ gì đó là Số An sinh Xã hội, nó sẽ thực sự là một SSN. Một vài năm trước, thậm chí độ chính xác 80% trên các loại yếu tố dữ liệu khác nhau đã là một cải tiến.

Nhưng bằng cách làm việc chặt chẽ với khách hàng của chúng tôi trong năm qua, điều đó đã trở nên rõ ràng rằng “tiếng ồn” mà các đội đang bị áp đảo không chỉ được gây ra bởi các phân loại thực thể dữ liệu không chính xác (các “kết quả sai dương tính” truyền thống). Tiếng ồn thường chỉ là về việc bị ngập trong các cảnh báo không liên quan cũng như nhận được cảnh báo sai. Điều mà Prism thực hiện là nó mở khóa khả năng của chúng tôi để xem xét nhiều ngữ cảnh hơn – không chỉ “loại dữ liệu này là gì” hoặc “ai đang truy cập tệp này”, mà còn “thực tế, tệp này là gì”. Bằng cách kết hợp thông tin này với thông tin mà chúng tôi có thể thu thập về những gì một doanh nghiệp cụ thể thực sự làm và quan tâm, chúng tôi có thể cung cấp một sản phẩm đáp ứng các định nghĩa “nhạy cảm” khác nhau của từng công ty.

Việt hóa và bảo vệ dữ liệu là cốt lõi trong cách tiếp cận của bạn. Triết lý của bạn về việc tự động hóa khắc phục so với con người trong vòng lặp là gì, và bạn vẽ ranh giới an toàn ở đâu?

Chúng tôi nhận ra một vài năm trước rằng, cần thiết như việc khám phá và phân loại dữ liệu đã có, chúng chỉ cung cấp nửa câu chuyện. Tìm thấy rủi ro dữ liệu là bước đầu tiên, nhưng việc giải quyết và khắc phục rủi ro đó là mục tiêu thực sự. Khách hàng của chúng tôi thường bắt đầu bằng cách đánh giá các phát hiện của Teleskope trong danh mục dữ liệu của chúng tôi, sau đó chuyển sang khắc phục với con người trong vòng lặp trước khi chuyển sang khắc phục tự động hoàn toàn. Chúng tôi rất nhận thức được rằng trong thực tế, sẽ luôn có một số hành động mà các đội sẽ không bao giờ cảm thấy hoàn toàn thoải mái khi tự động hóa hoàn toàn. Xóa dữ liệu khỏi một cơ sở dữ liệu sản xuất, ví dụ, có thể rất vấn đề. Nhưng trong nhiều trường hợp, chúng tôi đang thấy khách hàng áp dụng tự động hóa hoàn toàn cho các việc như thu hồi quyền, di chuyển dữ liệu, thực thi lưu trữ hoặc chính sách giữ lại, v.v.

Nhiều công cụ DSPM/DLP gặp khó khăn với việc bảo vệ thời gian thực. Những gì đã phải thay đổi về mặt kiến trúc để làm cho “thời gian thực” trở thành tiêu chuẩn, và độ trễ cũng như thông lượng mà các doanh nghiệp có thể mong đợi trong sản xuất là gì?

Để giải quyết vấn đề thời gian thực, điều quan trọng là chia nhỏ nhiệm vụ thành các thành phần cốt lõi của nó. Các tình huống khác nhau đòi hỏi các loại độ trễ khác nhau, nhưng mục tiêu luôn là cung cấp thông tin chính xác nhất có thể trong thời gian ngắn nhất. Điều này có nghĩa là một kiến trúc linh hoạt sẽ cho phép chúng tôi song song hóa hệ thống độ trễ thấp của mình để đáp ứng các yêu cầu thông lượng khác nhau. Khi một doanh nghiệp có Teleskope chạy trong môi trường của họ, dữ liệu đang được phân loại và bảo vệ ngay trong cơ sở hạ tầng của họ, giảm độ trễ và luồng dữ liệu đi ra. Điều này cho phép chúng tôi cung cấp khắc phục trong các kịch bản rủi ro cao trong các khung thời gian dưới giây.

Quyền riêng tư và tuân thủ: bạn tuyên bố giám sát liên tục và ánh xạ tự động đến các khuôn khổ/quy định. Bạn giữ cho các ánh xạ này cập nhật như thế nào khi các luật pháp phát triển, và các kiểm soát có thể được tùy chỉnh như thế nào cho các khu vực hoặc đơn vị kinh doanh khác nhau?

Thành thực, sự tập trung của chúng tôi đã thực sự chuyển hướng khỏi việc kiểm tra các hộp và hướng tới việc hiểu sâu sắc những gì khách hàng của chúng tôi quan tâm. Trong một số trường hợp, họ muốn ánh xạ 100% đến các quy định mới nhất đang xuất hiện, và chúng tôi liên tục theo dõi những thay đổi này và tích hợp chúng vào sản phẩm của mình. Nhưng, sự thật là, hầu hết các công ty đang rất xa so với việc tuân thủ đầy đủ các luật này, vì vậy chúng tôi phải gặp họ ở nơi họ đang đứng và đảm bảo rằng chúng tôi có thể đưa họ từ điểm A đến điểm B đến điểm C trước khi chúng tôi lo lắng về việc đưa họ đến điểm Z. Cách chúng tôi làm điều này là bằng cách hiểu trước tiên những gì tuân thủ có nghĩa là với công ty đó (lại, một công ty sản xuất có thể không coi GDPR là một mối quan tâm lớn), và đảm bảo rằng chúng tôi có thể định hình sản phẩm xung quanh các hồ sơ rủi ro và nhu cầu cụ thể của họ.

Sự áp dụng GenAI: khách hàng của bạn đang sử dụng Teleskope như thế nào để tạo ra “đầu vào an toàn” và “đầu ra an toàn” mà không làm giảm tốc độ của nhà phát triển? Có bất kỳ mẫu nào bạn khuyên dùng không?

Khách hàng tích hợp API Redact của Teleskope vào các đường ống đào tạo và suy luận của họ để đảm bảo rằng dữ liệu nhạy cảm không bao giờ chảy vào các mô hình AI tạo sinh. Quá trình xóa dữ liệu được trừu tượng hóa khỏi các nhà phát triển, bảo tồn tốc độ phát triển bằng cách thực hiện xóa dữ liệu trước khi suy luận và tái hydrat hóa dữ liệu sau đó.

Nhìn về phía trước, bạn đã nói về một nền tảng bảo mật dữ liệu “agentic” từ đầu đến cuối với khả năng khắc phục tự động. Những cột mốc nào sẽ cho thấy rằng ngành công nghiệp đã sẵn sàng cho bảo vệ dữ liệu tự động hoàn toàn?

Chúng tôi biết chắc chắn rằng ngành công nghiệp đã sẵn sàng cho điều này. Các lĩnh vực khác của an ninh mạng, như SOC, đã thể hiện một sự thay đổi hoàn toàn hướng tới AI agentic như một phương tiện để mở rộng khả năng của các đội an ninh. Chúng tôi có một hàng đợi khách hàng đang yêu cầu trở thành đối tác thiết kế cho công việc này, vì vậy chúng tôi biết rằng rất nhiều công ty đang cảm thấy cùng một nỗi đau về việc vẫn phải tự tay phân loại, điều tra, đưa ra quyết định và sau đó thực hiện, chỉ để giải quyết một vé duy nhất. Chúng tôi có niềm tin tuyệt đối rằng đây là nơi thị trường đang đi, và chúng tôi quyết tâm dẫn đầu sự thay đổi này.

Cảm ơn bạn vì cuộc phỏng vấn tuyệt vời, những người đọc muốn tìm hiểu thêm nên truy cập Teleskope.