Andromeda nutzt seine DSPM-Fähigkeiten, um die verschiedenen Datenspeicher zu analysieren, die in unserem Produkt verwendet werden. Die Datenanalysen und das gesamte Benutzererlebnis sind ordentlich und intuitiv. Die KI-gestützte Klassifizierung und Entdeckung wirken wie ein klarer Differenzierungsfaktor auf dem Markt. Das Tool hilft uns, Daten zu identifizieren und zu klassifizieren, und es empfiehlt auch Abhilfemaßnahmen auf eine Weise, die wirklich innovativ erscheint. Insgesamt funktioniert es als ergänzende Lösung neben unseren anderen Sicherheitswerkzeugen und -praktiken.

Ich verwalte sowohl die DevOps-Funktion als auch die Projektabwicklung bei Dice, daher betrachte ich jedes neue Tool aus zwei Perspektiven: Passt es in unsere Infrastruktur-Workflows, ohne unnötige Arbeit zu verursachen, und kann ich seine Lieferzeiten und Ergebnisse zuverlässig vorhersagen. Matters.AI schneidet in beiden Bereichen gut ab. Auf der DevOps-Seite war das Onboarding reibungslos. Wir haben unser AWS-Konto verbunden, die Plattform hat unsere S3-Buckets und RDS-Instanzen automatisch erkannt, und die Scans begannen zu laufen, ohne dass wir benutzerdefinierte Skripte schreiben oder Sidecar-Agents bereitstellen mussten. Das ist wichtig, wenn man ein schlankes Infrastrukturteam betreibt. Die Scans konkurrieren nicht um Rechenressourcen in der Produktion, was eine Sorge war, die ich im Vorfeld hatte. Sie laufen unabhängig und die Leistungsbelastung ist praktisch null. Die Klassifizierungsergebnisse sind der Punkt, an dem ich aufgehört habe, dieses Tool mit anderen zu vergleichen. Wir hatten zuvor versucht, interne Skripte zu erstellen, um sensible Daten in unserer Speicherebene zu kennzeichnen. Die Abdeckung lag an guten Tagen vielleicht bei 60 %, und die Wartung dieser Skripte war ein Projekt für sich. Matters.AI hat all das ersetzt. Die Plattform erkennt Benutzer-PII, Zahlungskennungen, Gerätedaten und Sitzungstoken sowohl in strukturierten Datenbanktabellen als auch in unstrukturierten Dateispeichern. Dies geschieht, ohne dass wir ihr für jeden Datentyp benutzerdefinierte Regeln zuführen müssen. Die Genauigkeit war so hoch, dass unser Sicherheitsteam nach dem ersten Monat aufgehört hat, Validierungsprüfungen der Ergebnisse durchzuführen. Der zweite Punkt, der aus einer Projektmanagement-Perspektive herausstach, ist die geführte Behebung. Jeder Befund kommt mit einer Risikobewertung und einer spezifischen Maßnahme, die ergriffen werden muss. Das bedeutet, dass ich Behebungsaufgaben direkt aus der Befundansicht mit klarer Priorität und Umfang an Teammitglieder zuweisen kann. Keine Unklarheiten, kein Hin und Her darüber, was getan werden muss. Für jemanden, der Sprint-Lieferungen verfolgt, ist diese Klarheit wertvoll. Das Dashboard zur Expositionsbewertung ist ebenfalls Teil unseres monatlichen Berichtszyklus geworden. Die Führungsebene erhält eine einzige Zahl, die unsere Datensicherheitslage widerspiegelt, und sie kann sehen, wie sich diese im Laufe der Zeit entwickelt. Ich musste kein benutzerdefiniertes Dashboard erstellen oder Daten in ein BI-Tool einfügen. Es war von Anfang an vorhanden.

Was uns an Matters.AI am besten gefällt, ist, wie effektiv es unsere Daten bei fastn.ai sichert, indem es kontextbezogene, KI-gesteuerte Einblicke mit minimalem Rauschen bietet. Es hilft uns, echte Risiken schnell zu identifizieren, Reaktionen zu automatisieren und eine starke Datensichtbarkeit in unserer Umgebung aufrechtzuerhalten.