Onit Security získala 11 milionů dolarů na odstranění úzkého místa, které zpomaluje kybernetickou obranu

Onit Security vyšla z utajení s 11milionovou seedovou investicí vedenou Hetz Ventures a Brightmind Partners, a umístila se do centra rostoucího trendu v kybernetické bezpečnosti: přechodu od detekce k autonomní opravě.

Příběh založení společnosti je zakořeněn v reálném selhání. Předchozí podnik vedený spoluzakladatelem Oferem Amitem byl napaden poté, co známá zranitelnost zůstala pohřbena v záložce, což poukázalo na systémový problém napříč odvětvím. Dnes jsou organizace zahlceny desítkami tisíc nevyřešených zranitelností, zatímco útočníkům stačí několik minut, aby je využili.

Proč se rozpadá správa zranitelností

Ústředním problémem není nedostatek nástrojů. Je to rostoucí mezera mezi identifikací rizika a skutečnou opravou.

Bezpečnostní platformy se staly vysoce efektivními v odhalování zranitelností, ale oprava zůstává pomalá, manuální a fragmentovaná. Týmy musí určit vlastnictví, vyhodnotit obchodní dopad a koordinovat napříč odděleními – často prostřednictvím nespojených systémů. Tento proces může trvat týdny, zatímco útočníci operují v téměř reálném čase.

Rozsah problému se zrychluje. Databáze zranitelností by se měly do konce desetiletí přiblížit k jednomu milionu položek, což ještě více znásobí již tak nezvladatelnou záložku.

Co vyplývá, je strukturální nerovnováha: obránci stále operují s pracovními postupy navržými pro pomalejší éru, zatímco útočníci jsou stále více automatizováni.

Od tiketů k autonomní opravě

Onit Security se snaží uzavřít tuto mezeru, přehodnotit, jak funguje správa expozic na fundamentální úrovni.

Místo generování tiketů a spoléhání se na lidskou koordinaci platforma využívá agentů AI, aby převzali vlastnictví celého životního cyklu opravy. Cílem je nahradit opakovanou triáž a prioritizaci modelem založeným na rozhodnutích, kde jedna lidsky definovaná akce může automaticky vyřešit tisíce podobných problémů.

Tento přístup zavádí několik klíčových posunů:

• Prioritizace založená na obchodním kontextu: Zranitelnosti jsou hodnoceny na základě skutečného dopadu rather než obecných systémů hodnocení
• Automatické mapování vlastnictví: Platforma identifikuje, kdo je odpovědný za každý asset analýzou fragmentovaných interních dat
• Provedení, ne orchestrace: Agenti AI provádějí kroky opravy místo toho, aby pouze přidělovali úkoly
• Kumulativní řešení: Jakmile je definována strategie opravy, je znovu použita napříč podobnými expozicemi v budoucnu

Výsledkem je systém, který nejen snižuje pracovní zátěž, ale snaží se eliminovat opakovanou povahu správy zranitelností úplně.

Vzestup agentic security

Onit Security je součástí širšího hnutí směrem k agentic AI, kde systémy neanalyzují pouze data, ale aktivně činí akce.

V kybernetické bezpečnosti je tento posun zvláště významný. Agenti AI mohou nepřetržitě monitorovat prostředí, shromažďovat zpravodajské informace a navrhovat nebo provádět opravy rychlostí, které se více shodují s útočníky. V praxi většina nasazení stále udržuje lidského operátora ve smyčce pro konečnou schválení, odrážející technickou i organizační opatrnost.

Co se mění, je role lidského operátora. Místo řízení jednotlivých upozornění týmy definují zásady a rozhodnutí, která systémy AI vynucují v měřítku.

Budoucnost samoopravujících se bezpečnostních systémů

Pokud se tento model ukáže jako účinný, mohl by zásadně změnit, jak organizace myslí o kybernetické bezpečnosti.

Místo toho, aby považovaly zranitelnosti za neustále rostoucí frontu problémů, které je třeba triážovat, systémy by mohly nepřetržitě řešit expozice jako součást normálních operací. Záložka sama by mohla začít mizet, nahrazena dynamickým prostředím, kde rizika jsou řešena téměř tak rychle, jak jsou objevena.

To má širší důsledky za hranicemi efektivity. Týmy kybernetické bezpečnosti by se mohly posunout z reaktivního hašení požárů ke strategickému dohledu, zaměřenému na definování zásad, hodnocení okrajových případů a pochopení systémového rizika spíše než honbě za jednotlivými problémy. Současně organizace mohou začít očekávat téměř okamžitou opravu jako standard, ne výjimku.

Existuje také kumulativní efekt. Jak systémy AI učí z každé akce opravy, budují institucionální znalosti, které se škálováním napříč prostředími. S časem by to mohlo vést k infrastruktuře, která se nejen opravuje sama, ale stává se také postupně odolnější bez požadavku proporcionálního zvýšení počtu zaměstnanců.

Dlouhodobá trajektorie směřuje k autonomním bezpečnostním architekturám, kde detekce, prioritizace a oprava jsou těsně integrovány do kontinuálního cyklu. V tom světě se výhoda posouvá k organizacím, které mohou jednat nejrychleji, ne pouze těm, které mohou vidět nejvíce.

Pro odvětví, které strávilo desetiletí zlepšováním viditelnosti bez řešení provedení, může být tento posun nejvýznamnější změnou dosud.