Una risposta alle limitazioni delle soluzioni DLP tradizionali

Il 3 novembre 2026 iboss ha presentato un prodotto di prevenzione delle perdite di dati (DLP) progettato per ispezionare i contenuti in tempo reale su strumenti di intelligenza artificiale, applicazioni cloud e altre destinazioni online. L’obiettivo è superare le restrizioni delle soluzioni classiche, che si basano principalmente su espressioni regolari e pattern predefiniti.

Le regole tradizionali identificano formati noti, come numeri di conto o stringhe di identificazione, ma falliscono quando i file sono mal etichettati o privi di etichetta. Esempi tipici includono un file condiviso su un drive cloud, un modulo inviato a un’app web o codice sorgente incollato in uno strumento IA: tutti possono contenere dati sensibili senza corrispondere a un pattern fisso.

Ispezione del contenuto e controlli basati su regole

La soluzione DLP di iboss unisce classificazione AI e machine learning a un’ispezione approfondita del contenuto, consentendo di analizzare i dati in transito. L’analisi dei file e il riconoscimento ottico dei caratteri (OCR) estendono questa ispezione a documenti e testo contenuto in immagini, indipendentemente dall’etichettatura.

Le regole possono essere definite per utente, gruppo o servizio, permettendo di rilevare, segnalare o bloccare il trasferimento di:

    • codice sorgente
    • dati dei clienti
    • informazioni personali identificabili (PII)
    • proprietà intellettuale

La documentazione DLP di iboss descrive inoltre la definizione di fonti e destinazioni, eccezioni nominate e azioni possibili, tra cui blocco, cattura file, logging, avvisi e assegnazione di gravità.

Gestione degli incidenti

Le violazioni vengono raggruppate in incidenti con punteggio di rischio, cronologia eventi e prove costituite dai file catturati. Gli analisti ricevono così un dossier completo da esaminare e chiudere, evitando voci di log isolate.

Traffico cifrato e attività degli agenti autonomi

Per applicare controlli basati sul contenuto è necessario ispezionare anche le sessioni cifrate verso gli strumenti IA web. Senza questa capacità, il sistema può vedere solo la destinazione, ma non la richiesta o il file trasmesso.

La visibilità su traffico cifrato consente di applicare le stesse regole di contenuto alle conversazioni con IA generativa come ai caricamenti su altri siti web.

Le regole non si limitano a testi incollati in chat: governano anche i servizi IA, gli strumenti e le API a cui un agente autonomo è autorizzato, tracciando la sua attività. In questo modo la governance degli agenti rientra nello stesso modello di applicazione delle regole usato per le sessioni interattive con l’IA.

Integrazione con etichette di sensibilità e audit

Quando sono disponibili etichette di sensibilità Microsoft Information Protection, la soluzione le legge e le applica in tempo reale. Le decisioni di autorizzazione o blocco sono definite per ogni etichetta e destinazione tramite la sincronizzazione con Microsoft Purview.

L’ispezione del contenuto copre comunque i documenti privi di etichetta, rendendo le etichette un criterio tra i vari fattori di regola, riducendo la dipendenza da metadati corretti.

I report includono una valutazione dei rischi di perdita dati e report predefiniti per GDPR, HIPAA, PCI‑DSS e SOX, fornendo prove per gli auditor.

Architettura sicura

Il traffico di ogni cliente è trattato in contenitori dedicati, con chiavi SSL isolate e indirizzi IP dedicati, garantendo che i dati non vengano mescolati tra clienti. La soluzione si integra con i servizi Secure Web Gateway, CASB, GenAI Protection e Zero Trust Network Access di iboss, condividendo una console, un motore di regole e un data lake.

Prossimi step e disponibilità

Una dimostrazione online di 30 minuti è programmata per il 5 novembre 2026 alle 12 h EST, prima dell’accesso anticipato privato previsto per dicembre 2026.

In sintesi, iboss propone un approccio unico basato sul contenuto per controllare i trasferimenti di dati effettuati da persone o agenti, ampliando la protezione al traffico cifrato e alle interazioni con IA generativa, con l’obiettivo di ridurre le vulnerabilità legate a etichette errate o assenti.