Zero Trust semplifica l’ETL e accellera machine learning e AI

Pubblicato il 13 luglio 2022
zero trust_1

L’intelligenza artificiale e il machine learning stanno trasformando le pratiche di business, ma solo se le organizzazioni possono vincere la sfida dell’accesso e aggregazione dei dati tra i vari silo e fonti in un unico pool di dati accessibili. ETL (Extract-Transform-Load) è l’acronimo usato per descrivere questa attività, ma i processi sottostanti causano un attrito significativo. Per quanto ciò sia particolarmente importante nelle grandi organizzazioni, anche le piccole realtà quando usano soluzioni AI e ML possono andare incontro ad alcuni degli stessi problemi.

L’uso di una soluzione di accesso remoto Zero Trust elimina tali attriti in tre aree chiave: estrazione dei dati in house, sicurezza dei vendor esterni e soluzioni AI e ML cloud native. Barracuda ha analizzato queste tre aree.

Anche quando un’azienda cliente mantiene gran parte dei suoi dati in casa, molti dei silo esistono per uno scopo preciso. Spesso, esistono ragioni molto valide per cui solo certi individui hanno accesso a particolari database e attributi: garantire un accesso continuo senza controlli può creare problemi. Mediante una soluzione Zero Trust è possibile concedere un accesso condizionale solo a determinate persone, in intervalli di tempo predefiniti o con specifiche app, in modo che possano estrarre solo i dati a cui possono avere accesso.

Le organizzazioni che usano fornitori ETL esterni – cosa piuttosto comune, soprattutto nelle aziende più piccole – hanno un grosso problema. Devono aprire i firewall per garantire a questi fornitori un accesso continuo ai dati perché i pool di dati non sono statici. Affinché l’AI e il ML siano realmente efficaci, i nuovi dati devono poter fluire costantemente verso e attraverso il processo ETL.

Avendo un accesso continuativo ai dati, questi fornitori esterni diventano un possibile vettore di minacce e, se vengono compromessi, lo diventa anche il cliente. L’accesso Zero Trust può garantire che, anche nel caso il fornitore ETL venga compromesso, il cliente non viene toccato. Con una implementazione Zero Trust, le credenziali persistenti e prive di limitazioni non sono disponibili agli hacker anche se il fornitore è stato compromesso, e gli hacker non possono quindi raggiungere i dati del cliente.

I portfolio di tecnologie AI/ML sia in Microsoft Azure sia in Amazon Web Services sono ampi e hanno innumerevoli applicazioni nei workflow sia di aziende commerciali sia del pubblico. All’interno di Microsoft esistono quattro gruppi di servizi di base: Azure Applied AI Services, Azure Cognitive Services, Azure Machine Learning e Azure AI infrastructure, tutti progettati per interoperare tra loro nelle soluzioni di AI /ML sviluppate dal cliente.

Anche AWS offre una simile serie di soluzioni AI e ML: Amazon SageMaker, Intelligent Document Processing (IDP), Contact Center Intelligence (CCI) e AWS Glue e tutte possono entrare significativamente a far parte di iniziative AI/ML.

Per quanto preziosi siano questi servizi, prima di implementarli le organizzazioni devono innanzitutto capire come fornire accesso condizionale alle diverse fonti di dati (spesso isolate). Una soluzione Zero Trust può snellire il modo in cui le organizzazioni implementano l’accesso ai dati, fornendo la connettività e la sicurezza richieste per spostare questi dati isolati lungo tutti questi servizi cloud nativi.

L’accesso Zero Trust alla rete è il modo più semplice con cui le organizzazioni possono garantire che l’accesso ai dati sia sicuro e mirato. le VPN cloud specifiche sono inflessibili e costose e i tool interni complessi da manutenere. Le implementazioni basate sui container come Kubernetes risolvono questi problemi, ma l’accesso Zero Trust può aiutare a eliminarli del tutto.



Contenuti correlati

Scopri le novità scelte per te x