Bloom Security vystupuje ze stealth módu s 20 miliony dolarů na zabezpečení AI-nativního koncového bodu

Bloom Security vystupuje ze stealth módu s 20 miliony dolarů v seed financování, aby řešil rostoucí slepou skvrnu v podnikové kybernetické bezpečnosti: rozšiřující se sbírku agentů AI, prohlížečových rozšíření, pluginů, balíčků kódu a místních automatizací, které fungují na zařízeních zaměstnanců.

Investice vedl Glilot Capital Partners, se účastnil Ten Eleven Ventures, Okta Ventures a Runtime Ventures. Mezi andělské investory patří zakladatelé bezpečnostních společností Dig Security, Demisto, Snyk a Talon. Bloom spouští s 30členným týmem a tvrdí, že jeho platforma je již nasazena u desítek velkých podniků ve Spojených státech a Evropě.

Koncový bod se stává obtížněji definovatelným

Tradiční bezpečnost koncových bodů byla postavena pro spravovaná zařízení s schváleným softwarem, se zaměřením na detekci a reakci na malware a podezřelé procesy.

Generativní AI narušil tento model. Zaměstnanci mohou nyní přidávat asistenty kódování, agenty AI, prohlížečová rozšíření, open-source balíčky a místní automatizace mimo tradiční akviziční kanály. Prohlížeče a vývojová prostředí se stala softwarovými tržišti, zatímco agenty mohou instalovat závislosti nezávisle.

V důsledku toho se koncové body vyvíjejí v neustále se měnící softwarové ekosystémy. Bezpečnostní týmy musí nyní posuzovat nejen to, zda je nástroj škodlivý, ale zda je legitimní nástroj vhodný pro konkrétního uživatele, zařízení a datový prostředí.

Prohlížečové rozšíření může být nízkorizikové na jednom notebooku, ale nebezpečné na zařízení výkonného ředitele. Podobně schválený agent AI může se stát nadměrně privilegovaným, pokud může přistupovat k produkčním přihlašovacím údajům, zákaznickým datům nebo finančním záznamům.

Vytvoření inventáře toho, co skutečně běží

Platforma Bloom udržuje nepřetržitě aktualizovaný inventář softwaru napříč flotilou koncových bodů organizace, včetně aplikací, prohlížečových rozšíření, pluginů vývojového prostředí, nástrojů AI, serverů Model Context Protocol a místních knihoven kódu.

Model Context Protocol, nebo MCP, umožňuje agentům AI připojit se k externím nástrojům, zdrojům dat a obchodním systémům. Zatímco tyto připojení rozšiřují, co mohou agenty dělat, mohou také odhalit citlivé informace nebo umožnit akce jménem uživatele.

Bloom analyzuje každou komponentu, včetně jejího vývojáře, původu, oprávnění, konfigurace a přístupu k firemním zdrojům. Také sleduje změny v čase, což pomáhá bezpečnostním týmům identifikovat software, který byl zaveden prostřednictvím tržišť, správce balíčků, aktualizací na pozadí nebo automatizované aktivity agentů.

To je zvláště relevantní ve softwarovém vývoji, kde může kódovací agent vybrat rámce a nainstalovat několik závislostí, než vývojář přezkoumá výslednou aplikaci.

Hodnocení rizika v kontextu

Mimo identifikaci softwaru Bloom hodnotí kontext, ve kterém každá komponenta funguje. Platforma kombinuje inteligenci z tržišť, statickou analýzu a behaviorální sandboxing, aby posoudila konfigurace, oprávnění, přístup k datům, zranitelné balíčky, obcházení politik a interakce mezi nástroji.

Riziko je měřeno podle faktorů, jako je role zaměstnance, citlivost přístupných dat a systémy připojené k zařízení. Rozšíření, které je přijatelné pro jednoho uživatele, může představovat větší expozici na laptopu výkonného ředitele, zatímco agent AI fungující v testovacím prostředí představuje nižší riziko než ten, který má přístup k produkčním přihlašovacím údajům.

Tento přístup umožňuje Bloomu jít za rámec jednoduchých schválených nebo zablokovaných politik. Je zvláště relevantní pro prohlížečová rozšíření, která mohou mít široká oprávnění pro čtení dat webových stránek, interakci s kartami a komunikaci s externími službami, vytvářející potenciální cesty do firemních systémů, které nástroje zaměřené na malware mohou přehlédnout.

Přechod z viditelnosti k vynucování

Bloom je navržen tak, aby šel za rámec detekce rizika do přímého vynucování koncových bodů. Platforma může zablokovat zranitelné komponenty před instalací, odstranit rizikové nástroje, zrušit oprávnění, opravit nezabezpečené konfigurace a ukázat správcům, kteří zaměstnanci budou ovlivněni změnou politiky.

Politiky lze aplikovat na konkrétní nástroje, týmy nebo uživatele napříč kanály, včetně npm, Chrome Web Store a Open VSX. AI zábrany Bloomu mohou také omezit, co agenty jsou povoleny přístup, spustit nebo přenášet, zatímco opravují nadměrně permissive konfigurace Model Context Protocol.

Cílem je nahradit blankety omezení cílenějšími kontrolami, které snižují riziko, aniž by zbytečně narušovaly legitimní pracovní postupy. Účinnost Bloomu nakonec bude záviset na tom, zda bude moci udržet tuto přesnost napříč složitými podnikovými prostředími.

Zakládající tým s podnikovou bezpečnostní zkušeností

Bloom byl založen CEO Itay Kerenem, Chief Product Officer Ofir Balassianem a Chief Technology Officer Itay Frishmanem.

Keren dříve zastával inženýrské a prodejní inženýrské vedoucí pozice v Palo Alto Networks (PANW ), Dig Security a Demisto. Obě Dig Security a Demisto byly získány Palo Alto Networks.

Balassiano vedl výzkum pro Cortex Cloud Posture Security v Palo Alto Networks, se zaměřením na AI, identitu a datovou bezpečnost. Předtím pracoval v Dig Security a XM Cyber.

Frishman pomáhal budovat produkty AI bezpečnostní pozice a datové bezpečnostní pozice v Palo Alto Networks a Dig Security. Mnoho současných zaměstnanců Bloomu dříve pracovalo společně v Dig Security.

Tato sdílená historie dává společnosti zkušenosti s budováním bezpečnostních produktů pro velké organizace, ačkoli Bloom vstupuje na konkurenční trh, kde se bezpečnost koncových bodů, prohlížečová bezpečnost, AI governance, softwarová bezpečnost dodavatelského řetězce a datová ochrana stále více překrývají.

Financování nové vrstvy zabezpečení koncových bodů

Širší význam spuštění Bloom Security spočívá v tom, že bezpečnost koncových bodů může potřebovat expandovat za detekci malwaru, protože agenty AI, prohlížečová rozšíření a autonomní nástroje se stávají častějšími na pracovišti.

Bezpečnostní týmy budou stále více potřebovat pochopit nejen to, jaký software běží, ale také, ke kterým datům má přístup, jaké akce může provádět a jak se jeho riziko mění na základě uživatele a zařízení. To by mohlo posunout bezpečnost koncových bodů blíže k řízení identity, monitorování softwarového dodavatelského řetězce, prohlížečové bezpečnosti a AI governance.

Zůstává nejasné, zda se AI-nativní ochrana koncových bodů vyvine v samostatnou kategorii kybernetické bezpečnosti nebo se stane součástí stávajících bezpečnostních platforem. V každém případě budou dodavatelé čelit tlaku, aby poskytli více kontextových kontrol, aniž by se spoléhali na blankety omezení, které snižují produktivitu nebo nutí zaměstnance obcházet schválené systémy.