Beelzebub hæver 3 millioner euro for at skala AI-drevet forførelse på tværs af virksomhedsnetværk

Den italienske cybersikkerhedsstartup Beelzebub har hævet 3 millioner euro i seed-finansiering for at udvide sin AI-drevne platform til detektering og fældning af angribere inde i virksomhedsnetværk.

Runden blev ledet udelukkende af den italienske deep-tech venture capital-firma United Ventures. Beelzebub planlægger at bruge kapitalen til at udvide sin forskningsteam, erhverve kunder på tværs af Europa og åbne kommercielle kontorer i Rom og San Francisco inden udgangen af 2026.

Det milan-baserede selskab retter sig mod organisationer, der står over for stadig mere automatiserede cyberangreb, særligt operatører, der er underlagt Den Europæiske Unions direktiv om net- og informations sikkerhed, kendt som NIS2.

I stedet for at fokusere udelukkende på at holde angribere uden for et netværk, arbejder Beelzebub på antagelsen af, at en intrusion allerede kan have fundet sted. Dets platform planter realistiske lokkeduer overalt i en organisations infrastruktur, hvilket skaber muligheder for at afsløre angribere, før de når ægte aktiver.

Omformning af virksomhedsinfrastruktur til en fælde

Beelzebubs teknologi tilhører en kategori af cybersikkerhed kendt som forførelsesteknologi. I stedet for at vente på, at ondsindet aktivitet udløser en alarm på et produktionsystem, skaber platformen overbevisende kopier af servere, databaser, programmeringsgrænseflader, cloud-miljøer og andre infrastrukturer.

Disse lokkeduer er designet til at se værdifulde ud for angribere, mens de forbliver isolerede fra ægte forretningsystemer. Fordi legitime medarbejdere og programmer ikke burde have nogen grund til at interagere med dem, kan aktivitet inde i en lokdue give en stærk indikation af, at en indtrænger bevæger sig gennem netværket.

Tilgangen er beregnet til at løse et af de mest vanskelige stadier af et cyberangreb: perioden efter, at en angriber har opnået initial adgang, men før den endelige last er installeret.

Angribere tilbringer ofte tid på at udforske systemer, eskalere privilegier, samle legitimationer og identificere værdifuld data. Beelzebub sigter mod at afbryde denne proces ved at guide mistænkelig aktivitet mod kontrollerede miljøer, hvor den kan observeres og indesluttet.

Selskabet siger, at deres fælder bruger store sprogmodeller til at opføre sig mere som ægte infrastruktur. De kan generere realistiske svar og tilpasse deres opførsel, hvilket gør det sværere for en angriber at bestemme, om de er gået ind i en lokdue.

En automatiseret offensiv- og defensiv-løkke

Platformen kombinerer tre produkter, der er designet til at dække forskellige stadier af cybersikkerhedstest og incidentrespons.

Arcangelo fungerer som den offensiv komponent. Det simulerer målrettede angreb mod en organisations infrastruktur, hvilket hjælper sikkerhedsteams med at identificere svagheder og teste, hvordan deres kontroller reagerer.

Beelzebub Managed danner den defensive lag. Det distribuerer AI-drevne fælder over en organisations miljø og overvåger dem efter mistænkelig aktivitet. Når en angriber interagerer med en af lokduerne, kan systemet isolere den berørte maskine, blokere aktiviteten og initiere foruddefinerede responsaktioner.

Selskabet beskriver denne kombination som en automatiseret lilla-team-model. I cybersikkerhed simulerer røde hold typisk angribere, mens blå hold forsvare systemer. Lilla-team-operationer forsøger at bringe de to funktioner sammen, så resultaterne af offensiv test kan direkte forbedre defensive kontroller.

Ved at kombinere angrebs-simulationer med levende forførelses-systemer, forsøger Beelzebub at reducere håndoverførsler, der ofte opstår mellem separate sikkerhedsværktøjer, eksterne konsulenter og interne hold.

Selskabet siger, at deres fælder også kan opdateres for at reflektere nyligt offentliggjorte fælles sårbarheder og eksponeringer. Dette giver platformen mulighed for at imitere systemer, der er påvirket af nye sårbarheder, og potentielt tiltrække angribere, der søger efter disse svagheder.

AI-understøttet malware-analyse

Den tredje komponent, Caronte, er et AI-drevet malware-analyse-system.

Efter, at ondsindet software er blevet opdaget, kan Caronte omvendt konstruere software-eksemplet og producere en incident-rapport, der beskriver dets opførsel. Målet er at forkorte tiden mellem opdagelse af et angreb og forståelse af, hvordan det fungerer.

Malware-analyse er traditionelt en specialiseret og tidskrævende proces. Analytikere kan være nødt til at inspicere kode, observere, hvordan et program opfører sig i en kontrolleret miljø, og bestemme, om det kommunikerer med eksterne infrastrukturer eller forsøger at sprede sig til andre maskiner.

Beelzebub siger, at Caronte automatiserer dele af dette arbejde, hvilket giver organisationer mulighed for at generere en initial vurdering hurtigere.

Systemet kan opereres på stedet, hvilket kan være vigtigt for regeringsagenturer, regulerede virksomheder og virksomheder, der ikke kan uploade potentielt følsomme malware-eksempler til tredjeparts cloud-tjenester.

Beelzebubs bredere platform er tilgængelig som software som en tjeneste eller som en på-sted-udførelse. For organisationer med strengere datakrav kan selskabet også tilbyde hardware til at køre deres store sprogmodel-inferens lokalt.

Bygning omkring levende trusler-intelligence

Beelzebub siger, at mere end 60 uafhængige sikkerhedsforskere bidrager til trusler-intelligence på platformen.

Dette netværk giver information om nye malware, angrebsteknikker og sårbarheder, så snart de opstår. Intelligensen kan derefter bruges til at opdatere platformens lokkeduer, angrebs-simulationer og analysefunktioner.

Selskabet har tidligere fået opmærksomhed for at dokumentere TeamPCP, en truskel-aktør forbundet med angreb på cloud-infrastruktur og cryptojacking-kampagner. TeamPCP er også blevet forbundet med et brud, der involverer GitHub-infrastruktur.

At opdage og studere truskel-grupper kan give cybersikkerheds-virksomheder praktisk information om, hvordan angribere opfører sig efter at være gået ind i et netværk. Denne information kan bruges til at designe lokkeduer, der ligner systemer, legitimationer og tjenester, som angribere er mest sandsynligt at målrette.

Beelzebubs teknologi er også tilgængelig gennem en open-source-fællesskabsudgave, der giver forskere og sikkerhedsteams en mulighed for at eksperimentere med deres lokdue-tilgang.

Det open-source-projekt understøtter multiple protokoller og tjenester, herunder Secure Shell, File Transfer Protocol, databaser og web-applikationer. Dette giver organisationer mulighed for at udrulle lokkeduer, der ligner forskellige dele af deres infrastruktur.

Reagerer på hurtigere, mere automatiserede angreb

Finansieringen kommer, da generativ AI og automatisering ændrer begge sider af cybersikkerhed.

Angribere kan bruge AI-værktøjer til at generere phishing-besked, analysere software for sårbarheder, modificere ondsindet kode og udføre operationer på tværs af et større antal mål. Disse funktioner eliminerer ikke behovet for teknisk ekspertise, men de kan give mindre grupper mulighed for at operere med større hastighed og skala.

Sikkerhedsteams responderer ved at introducere mere automatisering i detektion, undersøgelse og incidentrespons. Forførelsesteknologi tilbyder et andet lag ved at skabe miljøer, hvor angribere kan studeres uden at eksponere ægte data eller systemer.

Beelzebub-grundlægger og administrerende direktør Mario Candela argumenterer for, at defensive værktøjer må operere med maskinehastighed for at forblive effektive mod automatiserede angreb.

Selskabets strategi er ikke at erstatte eksisterende endpoint-, netværks- eller identitetssikkerhedsprodukter. I stedet forsøger det at tilføje et internt detektionslag for situationer, hvor en angriber allerede har omgået perimetre-forsvar.

Dette antaget-brud-modellen er blevet mere relevant, da virksomhedsinfrastruktur udvides på tværs af cloud-platforme, fjernterminaler, programmeringsgrænseflader og software-forsyningskæder. Beskyttelse af hver mulig indgangspunkt er vanskeligt, hvilket gør hurtig detektion inde i netværket stadig mere vigtigt.

Hvorfor forførelse kan blive et kerne-lag i cybersikkerhed

Da angribere stadig mere bruger AI til at automatisere rekognoscering, udnytte sårbarheder og tilpasse malware, kan forførelsesteknologi blive et vigtigere lag i virksomhedsforsvar. I stedet for at afhænge udelukkende af perimetre-kontroller kan organisationer udrulle realistiske lokkeduer, der afslører indtrængere efter, at de er gået ind i et netværk, og før de når kritiske systemer.

De stærkeste platforme vil sandsynligvis kombinere forførelse med kontinuerlig angrebs-simulation og automatiseret undersøgelse. Dette kan forkorte tiden mellem intrusion, detektion og indeslutning, samtidig med at det giver sikkerhedsteams en klarere indsigt i en angribers værktøjer, mål og bevægelse på tværs af netværket.

Forførelse vil ikke erstatte endpoint-sikkerhed, identitetskontrol eller sårbarhedsstyring, men det kan gøre disse systemer mere effektive ved at give højtilførlidelige signaler fra aktivitet, der aldrig burde ske. Beelzebubs udfordring vil være at bevise, at deres tilgang kan operere pålideligt på virksomhedsskala uden at tilføje overmæssig kompleksitet til allerede overfyldte sikkerheds-miljøer.