Horizon3 hæver 250 millioner dollars i serie E-finansiering til over 2 milliarder dollars i værdi for at udvide autonom AI-penetrationstest

Horizon3 har hævet 250 millioner dollars i serie E-finansiering til en værdi, der overstiger 2 milliarder dollars, hvilket giver det cybersecurity-selskab betydelig nyt kapital til at udvide sin autonome penetrationstest-platform og gå videre med automatiseret defensiv remediation.

Runden blev co-ledet af eksisterende investorer NightDragon og New Enterprise Associates (NEA). Horizon3 siger, at deres værdi er mere end tredoblet fra den 650 millioner dollars værdi, der var knyttet til deres serie D for lidt over et år siden.

Finansieringen kommer, da sikkerhedsteams står over for en stadig mere vanskelig uligevægt. Kunstig intelligens kan hjælpe angribere med at identificere svagheder, tilpasse teknikker og bevæge sig hurtigere gennem kompromitterede miljøer, mens mange organisationer stadig afhænger af sårbarhedsskanninger og periodiske penetrationstests, der kun giver en øjebliksbillede af deres sikkerhedsstilling.

Horizon3 gætter på, at organisationer vil reagere ved at angribe deres egen infrastruktur kontinuerligt, før nogen andre gør det.

Omformning af penetrationstest til en kontinuerlig proces

Horizon3 er det selskab bag NodeZero, en platform designet til at udføre autonome penetrationstests mod interne netværk, eksterne infrastrukturer, cloud-miljøer, Kubernetes-udrulninger og andre komponenter i en organisations teknologi-stak.

I stedet for blot at generere en liste over kendte sårbarheder, forsøger NodeZero at udnytte svagheder og kombinere dem til komplette angrebsveje. En mis konfiguration kan f.eks. eksponere legitimationsoplysninger, som derefter kan give adgang til et andet system og til sidst føre til følsomme data eller administrative rettigheder.

Dette tilgangsmåde er designet til at skelne mellem sårbarheder, der teoretisk findes, og svagheder, der kan faktisk bruges til at forårsage betydelig skade.

Under en test kan organisationer observere de teknikker, der udføres gennem en realtidsgrænseflade. Når testen er fuldført, giver platformen bevis for udnyttelse, kortlægger de trin, der er taget gennem miljøet, og anbefaler handlinger til at afbryde angrebsvejen. Sikkerhedsteams kan derefter køre den relevante test igen for at verificere, at en reparation var effektiv.

NodeZero kan også identificere problemer, der ikke afhænger af en konventionel software-sårbarhed, herunder svage adgangskoder, eksponerede legitimationsoplysninger, ineffektive sikkerheds kontroller, data-lækage og dårlig netværkssegmentering. Dens interne tests kan skifte fra on-premises-systemer til tjenester som Amazon Web Services, Microsoft Azure og Microsoft 365, når en udnytbar vej findes.

Det overordnede mål er at erstatte lejlighedsvis vurderinger med en gentagen cyklus af at finde svagheder, løse dem og teste det samme miljø igen.

Hvordan Horizon3 bruger AI uden at give det fuld kontrol

Selvom Horizon3 beskriver NodeZero som en autonom AI-hacker, er dets arkitektur mere kontrolleret, end denne frase måske antyder.

Platformen kombinerer graf-baseret resonnering, maskinlæring, deterministisk logik og snævert defineret generativ AI. Den bygger en kort over systemer, brugere, legitimationsoplysninger og relationer i en miljø, og bruger derefter denne information til at planlægge og omprioritere potentielle angrebsveje.

Generativ AI bruges til opgaver som f.eks. at identificere højt-værdige systemer, fortolke den potentielle forretningsimpact af kompromitterede data, producere executive-summeringer og foreslå yderligere strategier, når en test når et hinder. Maskinlæring kan klassificere filer og adfærd, mens graf-resonnering hjælper platformen med at bestemme, hvordan enkelt-svagheder kan forbinde.

Vigtigt er, at Horizon3 siger, at generative modeller ikke skaber eller udfører direkte udnyttelser. Handlingerne, der bruges til at angribe produktionsmiljøer, er deterministiske, forvaliderede og begrænsede af testkonfigurationen. Denne adskillelse er designet til at bevare den tilpasning, der er forbundet med AI, mens man reducerer den uforudsigelighed, der ville opstå, hvis en stor sprogmodel uafhængigt genererede angrebskode.

High-Value Targeting, en af platformens nyere funktioner, illustrerer tilgangen. Systemet vurderer navnemønstre, rettigheder, netværksrelationer og forretningskontekst for at identificere mål som f.eks. domænekontrollere, administrative konti og databaseservere. Det kan derefter prioritere angrebsvejene, der er mest sandsynlige at producere en alvorlig operationel eller finansielle impact, snarere end at behandle hver tilgængelig system lige.

Vækst ud over traditionel sårbarhedsstyring

Horizon3 rapporterer, at deres teknologi nu har gennemført ca. 310.000 tests i produktion og bruges af over 7.000 organisationer, herunder banker, sundhedsnetværk, regeringsagenturer og fire Fortune 10-selskaber.

Selskabet rapporterede også en vækst på 120% i år-til-år-omsætning. Disse tal hjælper med at forklare, hvorfor investorer var villige til at støtte en betydelig sen-fase-runde til en skarpt højere værdi, selvom de stadig er selskabs-rapporterede metrikker.

Finansieringsrunden tiltrak syv nye investorer: Acrew Capital, Blue Cloud Ventures, Demeter Group, EDBI, PSG, SAIC og Sapphire Ventures. Returnerende investorer inkluderede Craft Ventures, Prosperity7 Ventures, Qualcomm (QCOM ) Ventures, Ridge Ventures og SignalFire.

NightDragon grundlægger Dave DeWalt, der tidligere ledte FireEye og McAfee, og NightDragon Managing Director Morgan Kyauk vil slutte sig til Horizon3’s bestyrelse som en del af transaktionen.

Finansiering af global udvidelse og autonom remediation

Horizon3 planlægger at fordele det nye kapital mellem kommerciel udvidelse, international vækst og produktudvikling.

Selskabet har intentioner om at øge salg, marketing og kanaloperationer på tværs af enterprise-, mid-market- og føderale kunder. Internationalt er de klar til at indtræde i Singapore og Australien, mens de udvider deres eksisterende tilstedeværelse på tværs af Europa, Mellemøsten og Afrika.

Den mere konsekvensfulde del af vejledningen indebærer at gå ud over identifikation af udnytbarhed.

Horizon3 planlægger at udvikle autonome blue-team-agenter, der kan handle på resultaterne fra NodeZero. Den langsigtede koncept er en kontinuerlig læringscyklus, hvor et offensivt system identificerer og beviser en angrebsvej, en defensiv agent implementerer eller foreslår en korrektion, og NodeZero tester miljøet igen for at bekræfte, at vejen er lukket.

Selskabet har allerede introduceret integrationer gennem deres Model Context Protocol-server, der kan overføre penetrationstestresultater til værktøjer som Jira, GitHub, sikkerhedsorkestreringsplatforme og infrastruktur-som-kode-arbejdsgange. Potentielle handlinger inkluderer rotation af kompromitterede legitimationsoplysninger, justering af endpoint-detektionsregler, implementering af kompenserende kontroller og verificering af, om en remediation virkede.

NodeZero kan også udrulle Tripwires, der er decoy-mål, der placeres på sårbare eller strategisk vigtige aktiver. Hvis en reel indtrænger senere interagerer med en, kan systemet alarmere organisationen om, at der kan være pågående malicious aktivitet.

Fra at finde problemer til at bevise sikkerhed

Serie E-reflekterer en bredere ændring i, hvordan cybersecurity-risiko vurderes.

Traditionel sårbarhedsstyring producerer ofte mere resultater, end sikkerhedsteams kan realistisk håndtere. Alvorlighedsscore kan indikere, at en svaghed er farlig generelt, men de afslører ikke altid, om den kan nås, kombineres med andre svagheder eller bruges til at kompromittere et vigtigt system inden for en bestemt organisation.

Autonom penetrationstest forsøger at lukke denne gap ved at producere bevis for, hvad en angriber kunne opnå under reelle betingelser. Den næste udfordring er at bestemme, hvor meget af den resulterende remedieringsproces også kan automatiseres uden at introducere nye operationelle risici.

At tillade defensiv-agenter til at ændre legitimationsoplysninger, konfigurationer eller sikkerheds politikker kunne reducere respons-tider betydeligt. Det vil også kræve strenge godkendelsesgrænser, revisionsspor, rollback-mekanismer og sikkerhedsforanstaltninger mod, at en automatiseret korrektion forstyrrer legitime systemer.

Horizon3’s nye finansiering giver dem ressourcerne til at forfølge denne overgang i en langt større skala. Deres fremgang vil hjælpe med at bestemme, om autonom penetrationstest blot forbliver primært et hurtigere sikkerheds-vurderingsværktøj eller udvikler sig til et bredere kontrol-lag, hvor AI-systemer kontinuerligt angriber, reparerer og validerer enterprise-infrastruktur.

De 250 millioner dollars runden antyder, at investorer tror, at den sidstnævnte model kan blive en vigtig del af, hvordan organisationer forsvaret stadig mere komplekse netværk. At bevise, at det kan deployes sikkert og konsekvent, vil nu være lige så vigtigt som at bevise, at teknologien kan finde en vej ind.