El de Google va ser un senyal clar per a la indústria: la guerra de seguretat en el núvol té un guanyador. El que és més interessant és com van guanyar. Wiz no va ser el primer impulsor. Lacework va començar cinc anys abans amb un equip sòlid, una visió de producte forta i un suport de VC de primer nivell. Adquisició de Wiz per 32.000 milions de dòlars Si navegueu per les xarxes socials, trobareu enginyers i CISO que pregunten el mateix. Threads en X, Reddit i Hacker News tenen desenes de publicacions que dissecten el matchup. La resposta té lliçons no només per als proveïdors de seguretat, sinó per a qualsevol persona que construeixi productes moderns intensos en dades. Evidentment, Wiz va fer moltes coses correctes des de l'estratègia del producte i GTM fins al suport i execució del client. Però hi ha un angle que no he vist parlar molt en l'anàlisi habitual. Molts posts comparen Lacework i Wiz, amb enginyers que comparteixen experiències de primera mà d'avaluacions i desplegaments. No sóc un tipus de seguretat.Vinc d'un fons d'infraestructura de dades.Però aquesta història és tant sobre l'arquitectura de dades com sobre l'estratègia del producte. Anem a veure què ha construït cada empresa. Lacework: Graph Ideas, SQL Reality Lacework: Idees de gràfics, SQL Reality Lacework es va llançar el 2015 amb la Plataforma de Dades Polygraph®. El seu objectiu era detectar amenaces mitjançant el mapa de relacions i comportaments entre els actius del núvol, un cas d'ús clàssic de gràfics. Per què Snowflake? Probablement perquè Sutter Hill Ventures va incubar ambdues empreses. I per ser just, Snowflake tenia sentit en el paper. Ofereix una forta escalabilitat i un cost relativament baix. Pots emmagatzemar grans volums de telemetria en el núvol, i s'escala de manera elàstica. Snowflake no està construït per a les càrregues de treball de gràfics. Escriure una consulta de relació de 3 cops en SQL pot prendre més de 100 línies d'enllaços nixats. SELECT a.user_id, d.device_id, n.network_id
FROM users a
JOIN logins b ON a.user_id = b.user_id
JOIN devices d ON b.device_id = d.device_id
JOIN connections c ON d.device_id = c.device_id
JOIN networks n ON c.network_id = n.network_id
WHERE n.public = true;
 Ara imagineu debuggar això a 10 salts, amb filtres, agregacions i lògica d'alerta. Fins i tot els millors enginyers ralentiran. Wiz: Native Graph, Feature Velocity Wiz: gràfic natiu, Velocitat de característiques Wiz va ser fundada el 2020 per Assaf Rappaport i el seu antic equip d'Adallom. Van triar un camí diferent. Des del primer dia, Wiz va utilitzar Amazon Neptune, una base de dades de gràfics nativa. En una publicació conjunta amb AWS titulada , Wiz CTO Ami Luttwak va explicar el seu enfocament: “El món és un gràfic” "El món és un gràfic, no una taula.És hora que les nostres eines ho reflecteixin". Wiz va modelar tot, usuaris, actius, rols i fluxos, com a nodes i vores. g.V().hasLabel("vm").has("public", true)
  .out("connectedTo").hasLabel("network")
  .out("reachableBy").has("role", "admin")
  .path()
 Aquest tipus de lògica és expressable en 10 línies amb Gremlin. En SQL? seria un malson. Aquesta elecció arquitectònica va donar a Wiz un avantatge enorme en velocitat de desenvolupador. Amb Neptune i Gremlin, els enginyers podien expressar lògica de seguretat complexa en consultes concises, llegibles i enviar-les ràpidament. El que prendria dies o setmanes en SQL a causa de les articulacions fràgils i les cadenes de consultes llargues es podrien prototipitzar i empènyer en hores. Això era important. La seguretat és un camp en moviment ràpid, i la capacitat de Wiz d'enviar característiques a la velocitat d'inici va significar que podia respondre a les sol·licituds dels clients, els requisits de conformitat i la intel·ligència de amenaces més ràpid que Lacework. Fins i tot amb un equip més petit, van superar constantment Per 2022, Wiz va aprofundir el seu compromís amb la infraestructura de gràfics continuant escalant-se a Amazon Neptune. La seva aposta per la tecnologia de gràfics natius no era només arquitectònica; va definir la seva velocitat i diferenciació. The Graph Bet That Changed Everything L'aposta que ho va canviar tot Lacework prioritzava l'eficiència de costos. Mitjançant l'ús de Snowflake, podien ingerir i retenir grans volums de telemetria amb l'escalabilització elàstica i un cost marginal més baix. No necessitaven mantenir una base de dades de gràfics separada o optimitzar per a les càrregues de treball de gràfics. El comerç era en capacitat: el disseny de taules de Snowflake no es va construir per a consultes de relació profunda. La modelització de la lògica gràfica en SQL, especialment les connexions multi-hop, era verbosa, fràgil i difícil d'iterar. Això va retardar el desenvolupament i va fer que la modelització avançada de amenaces fos més difícil d'executar. En apostar per un motor de gràfic natiu, van aconseguir una iteració ràpida, lògica de consulta concisa i un model de seguretat basat en relacions. Podien expressar noves deteccions o insights basats en travessia en unes poques línies de Gremlin, prototyping idees ràpidament i actualitzar els vaixells més ràpidament. En la ciberseguretat, la velocitat guanya. Els clients es preocupen més per la velocitat de les característiques i la qualitat de la detecció que per l'estalvi marginal en computació. Wiz va prendre un camí costós però estratègic: van pagar molt més per la infraestructura, però van oferir una innovació més ràpida i van superar el camp. L'arquitectura de Lacework els va ajudar a escalar de forma barata, però aquesta mateixa arquitectura va dificultar la construcció de característiques de seguretat de graf natiu. La seva aposta està optimitzada per a l'emmagatzematge i el cost. La aposta de Wiz està optimitzada per a la iteració i el valor del producte. Can You Get the Wiz Speed With Low Cost and Unlimited Scalability of Data Lakes? Pots obtenir la velocitat de Wiz amb costos baixos i escalabilitat il·limitada de llacs de dades? Si ho heu fet fins ara, potser us preguntareu: és possible obtenir els beneficis d'un sistema de gràfic natiu, iteració ràpida, consultes expressives multi-hop, sense el cost dolorós i la complexitat de les bases de dades de gràfics tradicionals? Molts unicorns de ciberseguretat han intentat solucions creatives per abordar els reptes d'escalabilitat i costos de les bases de dades de gràfics tradicionals: 
 
 
 Un amic d'una startup de ciberseguretat de la sèrie F em va dir que només emmagatzemen dades de gràfics d'un sol dia, perquè la base de dades de gràfics no es pot escalar. Una altra empresa divideix la seva càrrega de treball de gràfics: la topologia roman en una base de dades de gràfics, però tots els atributs es descarreguen a un magatzem com Snowflake o Databricks. Aquests són compromisos intel·ligents, però encara són compromisos.

Aquest àudio és produït a l'idioma original de la història!

Massa Llarg; Per llegir

Get Free Unlimited IP Geo Data With IPinfo Lite

Com una start-up que utilitza Gremlin batega a tothom a la porta de Google

About Author

COMENTARIS

Etiquetes penjant

AQUEST ARTICLE VA SER PRESENTAT A

Related Stories

Startups of The Year: Meet the Emerging Tech Industry

The Jewel Robbery at the Grand Metropolitan

Startups of The Year: Meet the Cybersecurity Industry

The Fall of OM by Mantra DAO: Accident or Pattern?

Startups of The Year: Meet the Emerging Tech Industry

The Jewel Robbery at the Grand Metropolitan

Startups of The Year: Meet the Cybersecurity Industry

The Fall of OM by Mantra DAO: Accident or Pattern?

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps