تجمع Brava Security تمويلًا قدره 15 مليون دولار لاختبار ما تستطيع دفاعات الأمن السيبراني المدعومة بالذكاء الاصطناعي اكتشافه فعليًا

خرجت Brava Security من مرحلة التخفي بتمويل تأسيسي قدره 15 مليون دولار، لمعالجة نقطة ضعف جوهرية في الدفاع السيبراني المدعوم بالذكاء الاصطناعي: فلا يستطيع المحلل الآلي التحقيق في هجوم إذا لم ترصده أنظمة الأمن الأساسية أصلًا.

قاد الجولة كل من F2 Venture Capital وPitango، بمشاركة مستثمرين ملائكيين من التنفيذيين في Anthropic وMicrosoft وCheck Point. وتعتزم Brava استخدام التمويل لتطوير منتجاتها والتوسع التجاري في أنحاء أمريكا الشمالية، بما في ذلك استكشاف فرص في قطاعي الخدمات المالية والحكومة.

تتمثل مقاربة الشركة في توليد بيانات القياس عن بُعد التي كان سينتجها هجوم في بيئة معينة، من دون تنفيذ الهجوم نفسه. ثم تتحقق مما إذا كانت وسائل الدفاع الحالية تتعرف على تلك الأدلة، وتساعد على سد الثغرات. وبذلك يصبح التحقق من فعالية الاكتشاف محور عرضها، لا مجرد تسريع التحقيق في التنبيهات.

اختبار الأدلة قبل وقوع الحادث

تعتمد مراكز العمليات الأمنية على بيانات القياس عن بُعد، أي سجلات الأنشطة عبر الأجهزة الطرفية والبيئات السحابية والهويات والتطبيقات. ويجمع نظام إدارة معلومات الأمن والأحداث، المعروف اختصارًا بـ SIEM، هذه السجلات ويحللها، مستخدمًا قواعد الاكتشاف لتحديد السلوك المريب.

تعتمد هذه العملية على عدة عوامل. إذ يجب أن ينتج النظام المعني سجلًا مفيدًا، وأن تنقله المنظومة، وأن تفسر آلية الاكتشاف حقوله على نحو صحيح. ولا تعني زيادة السجلات تلقائيًا تحسن التغطية إذا كانت الأدلة اللازمة لاكتشاف هجوم معين مفقودة أو غير صالحة للاستخدام.

تقول Brava إن تقنيتها متعددة الوكلاء تحاكي سلوك المهاجمين وتحدد كيف ينبغي أن تظهر تقنيات معينة عبر مصادر السجلات لدى العميل. ثم تختبر منصتها ما إذا كانت تلك الآثار ستفعّل وسائل الدفاع المقصودة، وتعيد كتابة قواعد الاكتشاف المفقودة في SIEM، وتعالج الثغرات في تدفقات البيانات.

قال إيدان باسري، الشريك المؤسس والرئيس التنفيذي لـ Brava، الذي سبق له قيادة إدارة المنتجات في Microsoft Defender: «لا يمكنك أتمتة قرار يستند إلى أدلة لم يثبتها أحد قط».

من المهم التمييز بين توليد الأدلة وتنفيذ هجوم. تختبر Brava مسار الاكتشاف باستخدام بيانات قياس عن بُعد مُصطنعة. وقد يساعد ذلك على كشف قاعدة لا تصدر أي تنبيه أو حقل مفقود، لكن نجاح الاختبار لا يثبت أن النظام سيكتشف كل أشكال الاختراق الحقيقي، أو أن المهاجم لن يتمكن من الوصول إلى النظام.

إغلاق الحلقة بين القاعدة والتنبيه

تصف آلية عمل المنتج لدى Brava أربع مراحل: نمذجة التهديد، وتوليد بيانات القياس عن بُعد الخاصة به، والتحقق من ثغرات الاكتشاف وإصلاحها، ثم إعادة تشغيل الأدلة للتأكد من ظهور تنبيه في SIEM. كما تشير إلى إعادة الاختبار مع تغير البيئات.

وهذا تمييز مهم عن اعتبار تثبيت قاعدة دليلًا على تحقق التغطية. فقد يؤدي تغيير اسم حقل أو تحديث محلّل أو انقطاع مصدر بيانات إلى عجز آلية اكتشاف كانت مفيدة سابقًا عن مطابقة النشاط الذي صُممت لاكتشافه. ويساعد تكرار الاختبار بعد إجراء تغيير على تحديد ما إذا كانت آلية الاكتشاف لا تزال تعمل باستخدام البيانات التي تتلقاها فعليًا.

صُممت المنصة للعمل مع البنية التحتية الأمنية القائمة. وتدرج Brava كلًا من Splunk وGoogle SecOps وCrowdStrike، إلى جانب أكثر من 70 مصدرًا ووجهة، ما يقلل الحاجة إلى استبدال الأدوات التي يستخدمها فريق الأمن بالفعل.

بالنسبة إلى مهندس الاكتشاف، تكمن القيمة العملية في الحصول على إجابة أكثر تحديدًا من مجرد درجة تغطية عامة: ما الأدلة التي ينبغي أن تكون موجودة، وأي جزء من مسار الاكتشاف أخفق في رصدها، وهل أسفر الإصلاح عن تنبيه؟ وتربط هذه الأسئلة التغيير الهندسي بنتيجة قابلة للرصد.

التحقيق وخطوط أنابيب البيانات يستندان إلى الأساس نفسه

يعرض موقع الشركة ميزتين إضافيتين مترابطتين. فتتيح Aquarium، واجهة التحقيق الخاصة بها، إجراء عمليات بحث عبر مصادر متعددة، وربط النتائج بالأحداث التي تستند إليها. أما أدوات خطوط أنابيب البيانات، فتحلل السجلات وتوحد تنسيقها، وتوجه الأحداث ذات الصلة إلى SIEM، وتحتفظ بالبيانات الأخرى في مساحة تخزين أقل تكلفة وقابلة للبحث.

تعالج هذه الوظائف جوانب مختلفة من المشكلة التشغيلية نفسها. فالمحلل يحتاج إلى أدلة لإعادة بناء ما حدث، بينما تحتاج قاعدة الاكتشاف إلى الحقول الصحيحة كي تطلق تنبيهًا. ولا يكون خفض حجم البيانات المستوعبة مفيدًا إلا إذا ظلت المعلومات اللازمة للاكتشاف والتحقيق متاحة.

يفيد إعلان Brava بأن المنصة تقدم الرؤى الأولية خلال 10–15 دقيقة من بدء الاستخدام. وهذا توقيت تعلنه الشركة للوصول إلى أولى النتائج، وليس ضمانًا بإتمام نشر مؤسسي كامل أو إصلاح كل آلية اكتشاف ضمن هذه المدة.

عملاء من الشركات الكبرى وفريق يجمع بين الذكاء الاصطناعي والأمن

تقول Brava إن من بين عملائها شركات مدرجة في قائمة Fortune 100 في قطاعات التجزئة والطاقة والضيافة، إلى جانب Cushman & Wakefield وشركة الرعاية الصحية الكندية WELL Health. وقال إريك هارت، رئيس أمن المعلومات في Cushman & Wakefield، إن المنصة تجري التحقيقات جنبًا إلى جنب مع فريقه، وتجمع الأدلة لدعم اتخاذ القرارات.

أسس الشركة Basre والمدير التقني Itay Gabbay. أمضى Basre عشر سنوات في الوحدة 8200 باحثًا في التهديدات، قبل توليه منصبه في Microsoft. وأمضى Gabbay سبع سنوات في بناء أنظمة الذكاء الاصطناعي في الجيش الإسرائيلي، بما في ذلك العمل على برنامج بحثي مشترك بين DARPA وإسرائيل.

يعمل في Brava نحو 20 موظفًا، فيما تجري أنشطة البحث والتطوير في إسرائيل، ويتوسع الفريق التجاري في الولايات المتحدة. ويدعم التمويل منتجًا يجمع بين أبحاث الذكاء الاصطناعي ومهمة شاقة في هندسة الأمن: نمذجة كيفية ظهور الهجمات في الأنظمة المحددة التي تستخدمها المؤسسة.

تتمثل الفرضية التي تنطلق منها الشركة في أن القرارات الأمنية المستقلة تحتاج إلى أدلة موثّقة تستند إليها. وسيكون الاختبار الأقوى لهذه الفرضية هو الحفاظ على جودة الكشف مع تغير بيئات العملاء: قواعد صامتة أقل، وإشارات مفقودة أقل، وإصلاحات تستطيع فرق الأمن إثبات أنها تعمل فعليًا.