ang google Ito ay isang malinaw na mensahe sa industriya: ang cloud security war ay may isang winner. Ano ang mas interesado ay kung paano sila ay nabawasan. Wiz ay hindi ang unang mover. Lacework ay nagsimula limang taon na ang nakaraan na may isang solid na team, malakas na produkto vision, at top-tier VC backing. Kaya kung ano ang nangyari sa Lacework? At kung ano ang nangyari sa Wiz? Pagkuha ng Wiz para sa $ 32 bilyon Kung i-browse ang social media, makikita mo ang mga engineers at mga CISO na nag-aalok ng parehong bagay. Threads sa X, Reddit, at Hacker News ay may mga dulo ng mga post na disect ang matchup. Ang solusyon ay may mga leksyon hindi lamang para sa mga vendor ng seguridad, ngunit para sa lahat na binuo ng mga modernong data-intensive na mga produkto. Alam na, ang Wiz ay gumaganap ng maraming bagay mula sa strategiya ng produkto at GTM hanggang sa suporta sa customer at pag-execute. Ngunit may isang angle na hindi ko nakita na nagsasalita tungkol sa karamihan sa karaniwang pag-analysis. Ito ay magkakaroon ng aking niche: data infrastructure. Ito ay maaaring lamang ang kanilang sekreto na armas, at ito ay kung ano ang nagdadala sa akin sa pag-script na ito. Maraming mga post ay naghahambing sa Lacework at Wiz, na may mga engineer na ibahagi ng first-hand na karanasan mula sa mga evaluations at deployments. Hindi ako isang security guy. I came from a data infrastructure background. Ngunit ito ay tungkol sa data architecture tulad ng ito ay tungkol sa produkto strategy. Tingnan natin kung ano ang ginawa ng bawat kumpanya. Lacework: Graph Ideas, SQL Reality Lacework: Graph Ideas, ang SQL Reality Ang Lacework ay inilunsad noong 2015 na may Polygraph® Data Platform. Ito ay nagtatagumpay sa pag-detect ng mga threats sa pamamagitan ng pag-mapping ng relasyon at pag-atake sa pagitan ng mga assets ng cloud, isang classic graph use case. Ngunit sa ilalim ng kape, ang Lacework ay hindi gumagamit ng isang graph database. Bakit Snowflake? Mukhang dahil ang Sutter Hill Ventures incubated ang parehong mga kumpanya. At upang maging katotohanan, ang Snowflake ay makakalimutan sa papel. Nag-aalok ito ng malakas na scalability at relatibong mababang gastos. Maaari mong i-storage ng malaking volumes ng cloud telemetry, at ito ay gumagana sa elastically. But there’s a catch. Snowflake ay hindi binuo para sa graph workloads. I-writing ng isang 3-hop relasyon query sa SQL ay maaaring magkaroon ng 100+ mga linya ng nagtatagumpay na joins. Narito ang kung ano ang isang pangunahing traversal ay nakikita sa SQL: 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;
 Ngayon i-imagine ang pag-debug ito sa 10 hops, na may mga filter, mga aggregation, at logic ng alerta. kahit na ang pinakamahusay na engineers ay magkakasama. Wiz: Native Graph, Feature Velocity ang napili ng mga taga-hanga: Native Graph, Feature Velocity Ang Wiz ay itinatag noong 2020 ng Assaf Rappaport at ang kanyang ex-team mula sa Adallom. Siya ay pinili ng isang iba't ibang path. Mula sa unang araw, ang Wiz ay gumagamit ng Amazon Neptune, isang native graph database. Sa isang joint blog post na may AWS na tinatawag na , Ang Wiz CTO Ami Luttwak ay naglalarawan ng kanilang pananampalataya: "Ang mundo ay isang graph" "Ang mundo ay isang graph, hindi isang table. It's time our tooling reflected this." Wiz modeled ang lahat, mga gumagamit, assets, roles, at flows, tulad ng mga nodes at edges. Ang mga ito ay inilathala sa Gremlin. Narito ang isang real-world na halimbawa: g.V().hasLabel("vm").has("public", true)
  .out("connectedTo").hasLabel("network")
  .out("reachableBy").has("role", "admin")
  .path()
 Ang logic na ito ay ibinigay sa 10 linya sa Gremlin. Sa SQL? Ito ay isang nightmare. Ang arkitektural na pagpili na ito ay nagbibigay ng Wiz ng isang mas mataas na kapaki-pakinabang sa pag-unlad na bilis. Sa Neptune at Gremlin, ang mga engineer ay maaaring i-express ang karaniwang logic ng seguridad sa mga sumusunod, malinaw na mga query at i-send ang mga ito mabilis. Ano ang maaaring magkaroon ng araw-araw o linggo sa SQL dahil sa brittle joins at long query chains ay maaaring prototype at i-push sa mga oras. Ito ay mahalaga. Security ay isang mabilis na-move field, at ang kakayahan ng Wiz na magpadala ng mga tampok sa pag-start speed ay nangangahulugan na ito ay maaaring tumugon sa mga customer requests, compliance requirements, at threat intelligence mas mabilis kaysa sa Lacework. Noong 2022, inihahanda ng Wiz ang kanyang pag-iisip sa graph infrastructure sa pamamagitan ng patuloy na mag-scale sa Amazon Neptune. Ang kanilang pag-iisip sa native graph technology ay hindi lamang architectural; ito ay inihahanda ang kanilang bilis at diferensiasyon. The Graph Bet That Changed Everything Ang Graph Bet na Mabadil ang Lahat Sa pamamagitan ng paggamit ng Snowflake, ang mga Lacework ay nag-prioritize ang cost efficiency. Sa pamamagitan ng paggamit ng Snowflake, maaaring sila mag-ingnan at mag-iisip ng malaking volumes ng telemetry na may elastic scaling at mas mababang margin cost. Hindi nila kinakailangan na magtatrabaho ng isang separadong database ng graph o i-optimize para sa workloads ng graph. Ang kompromiso ay sa kapasidad: Ang tabular na disenyo ng Snowflake ay hindi binuo para sa mga deep relationship queries. Ang pag-modeling ng graph logic sa SQL, lalo na sa multi-hop joins, ay mabuti, mabuti, at mahirap upang iterate. Ang Wiz ay optimized para sa speed. By betting sa isang native graph engine, nakuha nila ang mabilis na iteration, nakikipag-ugnay na logic ng query, at isang modelo ng seguridad na itinatag sa relasyon. Maaari nila i-express ang mga bagong detection o traversal-based insights sa ilang mga linya ng Gremlin, prototype mga ideya mabilis, at ship updates mas mabilis. Sa cybersecurity, ang speed ay nagkakahalaga. Ang mga customer ay mas interesado sa speed ng feature at kalidad ng pag-detection kaysa sa marginal computing savings. Ang Wiz ay nagsimula ng isang mahalaga ngunit strategic path: sila ay nagbayad ng maraming higit pa para sa infrastructure ngunit nagbibigay ng mas mabilis na pag-innovate at nagkakahalaga ng field. Ang architecture ng Lacework ay nagbibigay-daan sa mga ito upang mag-scale mas madali, ngunit ang parehong architecture ay nagiging mahirap upang bumuo ng graph-native security features. Ang kanilang bet ay optimized para sa storage at gastos. Wiz's bet ay optimized para sa iteration at produkto na halaga. Ang resulta ay malinaw. Can You Get the Wiz Speed With Low Cost and Unlimited Scalability of Data Lakes? Maaari mong Makakuha ng Speed ng Wiz sa Low Cost at Unlimited Scalability ng Data Lakes? Kung nakuha mo ito hanggang ngayon, maaari mong malaman: Maaari bang makuha ang mga benepisyo ng isang native graph system, mabilis na iterasyon, expressive multi-hop queries, nang walang ang sakit na gastos at kompleksidad ng mga tradisyonal na graph databases? Maraming mga unicorn ng cybersecurity ay nagtatrabaho ng mga creative workarounds upang matugunan ang mga problema sa scalability at gastos ng mga tradisyonal na graph databases: 
 
 
 Isang kaibigan sa isang Series F cybersecurity startup sinabi sa akin na naglagay lamang ang isang araw-araw na halaga ng graph data, dahil ang graph database ay hindi maaaring mag-scale. Ang isa pang kumpanya ay naghahatid ng kanyang workload sa graph: ang topology ay matatagpuan sa isang database ng graph, ngunit ang lahat ng mga atributo ay offloaded sa isang warehouse tulad ng Snowflake o Databricks. Ito ay mga smart tradeoffs. Ngunit ito ay pa rin ang mga kompromiso.

Ang audio na ito ay ginawa sa orihinal na wika ng kuwento!

Masyadong mahaba; Upang basahin

Get Free Unlimited IP Geo Data With IPinfo Lite

Paano ang isang startup na gumagamit ng Gremlin ay bumalik sa lahat sa Google's Door

About Author

MGA KOMENTO

HANG TAGS

ANG ARTIKULONG ITO AY IPINAKITA SA

Related Stories

Encrypted Instant Messaging Recommendations January 2017

How I deployed my spark document classification(Logistic Regression) model/s as a standalone app…

Getting intimate with Ethereum tokens

COVID-19: We Need More Than Data, We Need Insights!

Encrypted Instant Messaging Recommendations January 2017

How I deployed my spark document classification(Logistic Regression) model/s as a standalone app…

Getting intimate with Ethereum tokens

COVID-19: We Need More Than Data, We Need Insights!

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps