- Netskope se integra con la API de cumplimiento de ChatGPT Enterprise de OpenAI.
- La integración proporciona controles de API para reforzar la seguridad y el cumplimiento.
- La plataforma Netskope One ofrece visibilidad avanzada y gestión de seguridad.
- La adopción de aplicaciones de IA generativa se ha triplicado desde 2023.
Netskope, una compañía especializada en Secure Access Service Edge (SASE), ha anunciado su integración con la ChatGPT Enterprise Compliance API de OpenAI. Esta colaboración tiene como objetivo ofrecer controles de API que refuercen la seguridad y el cumplimiento normativo de las empresas que utilizan aplicaciones de inteligencia artificial generativa.
A través de esta integración, la plataforma Netskope One proporcionará visibilidad de las aplicaciones, seguridad avanzada de los datos y una gestión integral de la postura de seguridad. Según un informe reciente de Netskope, el uso de aplicaciones de IA generativa entre los usuarios se ha más que triplicado desde mediados de 2023. En respuesta a esta tendencia, se recomienda a las empresas que revisen sus estrategias de protección de datos debido a la adopción cada vez más generalizada de la IA.
La protección API CASB (Cloud Access Security Broker) de Netskope aprovecha las API disponibles de proveedores principales como Box, Google Workspace y Microsoft 365. Esta herramienta permite visibilidad sobre la configuración y los datos que residen en los servicios en la nube, aplicando políticas para controlar el acceso y proteger la información contenida.
La integración de Netskope está diseñada para asegurar que los datos empresariales dentro de ChatGPT Enterprise sean legales, seguros y protegidos. Entre las capacidades destacadas se incluyen:
- Adherencia a la legislación vigente: Con más de 50 plantillas de control de cumplimiento y más de 3000 identificadores de datos.
- Mejora en la detección y protección de datos confidenciales: Incluyendo información personal identificable (PII) y propiedad intelectual (IP).
- Protección contra amenazas: Utilizando modelos de machine learning para la detección de malware, junto con técnicas tradicionales como firmas, análisis heurístico y sandboxing.
