Onit Security indsamler 11 millioner dollars for at eliminere flaskenhalen, der langsomer ned cyberforsvaret

Onit Security er kommet ud af stealth med en seed-runde på 11 millioner dollars ledet af Hetz Ventures og Brightmind Partners, og positionerer sig i centrum af en voksende skift i cybersikkerhed: fra opdækning til autonom afhjælpning.

Selskabets grundlæggende historie er rod i en reel verdens fejl. En tidligere forretning ledet af medstifter Ofer Amitai blev brudt efter en kendt sårbarhed lå begravet i en backlog, og fremhævede et systemisk problem på tværs af branchen. I dag er organisationer overvældet af titusinder af uløste sårbarheder, mens angribere kun behøver minutter for at udnytte dem.

Hvorfor sårbarhedsstyring bryder sammen

Kerneproblemet er ikke manglen på værktøjer. Det er den voksende afstand mellem at identificere risiko og faktisk at løse det.

Sikkerhedsplatforme er blevet meget effektive til at fremhæve sårbarheder, men afhjælpning forbliver langsom, manuel og fragmenteret. Hold skal bestemme ejerskab, vurderere forretningsimpact og koordinere på tværs af afdelinger – ofte gennem ikke-tilkoblede systemer. Denne proces kan tage uger, mens angribere opererer i næsten realtid.

Omfanget af problemet accelererer. Sårbarhedsdatabaser forventes at overstige en million poster ved årtiets slut, og forværre en allerede ustyrlig backlog.

Det, der kommer frem, er en strukturel ubalance: forsvarere opererer stadig med arbejdsgange designet for en langsommere æra, mens angribere er stadig mere automatiseret.

Fra billetter til autonom afhjælpning

Onit Security forsøger at lukke denne afstand ved at omdefinere, hvordan eksponeringsstyring fungerer på et grundlæggende niveau.

I stedet for at generere billetter og afhænge af menneskelig koordination, bruger platformen AI-agenter til at tage ejerskab af hele afhjælpningslivscyklussen. Målet er at erstatte gentagen triage og prioritering med en beslutningsbaseret model, hvor en enkelt menneskeligt defineret handling kan løse tusinder af lignende problemer automatisk.

Dette tilgang introducerer flere nøgleændringer:

• Forretningskontekstprioritering: Sårbarheder rangeres efter reel virkning i stedet for generiske score-systemer
• Automatisk ejerskabskortlægning: Platformen identificerer, hvem der er ansvarlig for hver aktiv ved at analysere fragmenteret internt data
• Udførelse, ikke orkestrering: AI-agenter udfører afhjælpningstrin i stedet for blot at tildele opgaver
• Akkumulerende løsning: Når en løsningsstrategi er defineret, genbruges den på tværs af lignende eksponeringer fremover

Resultatet er et system, der ikke blot reducerer arbejdsmængden, men søger at eliminere den gentagne natur af sårbarhedsstyring helt.

Opstigen af agenssikkerhed

Onit Security er en del af en bredere bevægelse mod agenssikkerhed, hvor systemer ikke blot analyserer data, men aktivt tager handling.

I cybersikkerhed er denne skift særligt betydningsfuld. AI-agenter kan kontinuerligt overvåge miljøer, samle trusler og foreslå eller udføre løsninger i en hastighed, der er mere i overensstemmelse med angribere. I praksis holder de fleste installationer stadig en menneskelig operatør i løkken for endelig godkendelse, og reflekterer både teknisk og organisatorisk forsigtighed.

Det, der ændrer sig, er rollen af den menneskelige operatør. I stedet for at styre enkeltlige alarmer definerer hold politikker og beslutninger, som AI-systemer gennemfører i stor målestok.

En fremtid med selvhelende sikkerhedssystemer

Hvis denne model viser sig at være effektiv, kan det grundlæggende ændre, hvordan organisationer tænker om cybersikkerhed.

I stedet for at behandle sårbarheder som en stadig voksende kø af problemer at triage, kan systemer kontinuerligt løse eksponeringer som en del af normal drift. Backloggen selv kan begynde at forsvinde, erstattet af et dynamisk miljø, hvor risici håndteres næsten lige så hurtigt, som de opdages.

Dette har bredere implikationer end blot effektivitet. Sikkerhedshold kan skifte fra reaktiv brandbekæmpelse til strategisk oversigt, fokus på at definere politikker, evaluere kanttilfælde og forstå systemisk risiko i stedet for at jagte enkeltlige problemer. Samtidig kan organisationer begynde at forvente næsten øjeblikkelig afhjælpning som standard, ikke undtagelse.

Der er også en akkumulerende effekt. Når AI-systemer lærer af hver afhjælpningshandling, bygger de institutionel viden, der skalerer på tværs af miljøer. Over tid kan dette føre til infrastruktur, der ikke blot fikserer sig selv, men også bliver progressivt mere robust uden at kræve proportionalt øgede headcounts.

Den længerevarende trajektori peger mod autonome sikkerhedsarkitekturer, hvor opdækning, prioritering og afhjælpning er tæt integreret i en kontinuerlig løkke. I den verden skifter fordelene til organisationer, der kan handle hurtigst, ikke blot dem, der kan se mest.

For en branche, der har brugt årtier på at forbedre sig selv uden at løse udførelse, kan denne skift være den vigtigste ændring endnu.