Pluto Security træder frem fra stealth med samlet finansiering på 42 mio. dollar til beskyttelse af AI-arbejdsområder

En medarbejders AI-assistent kan nu mere end blot besvare et spørgsmål. Den kan oprette forbindelse til virksomhedens systemer, installere udvidelser, køre kommandoer og udvikle applikationer. For sikkerhedsteams består udfordringen i at afgøre, hvilke af disse handlinger der skal tillades – og samtidig bevare muligheden for at gribe ind, når konteksten ændrer sig.

Pluto Security træder frem fra stealth med 42 mio. dollar i samlet finansiering for at løse dette problem. Virksomheden offentliggjorde sin seneste finansieringsrunde på cirka 34 mio. dollar, ledet af Jump Capital, efter en tidligere seedrunde ledet af TLV Partners. Meddelelsen angiver ikke, hvilken fase den seneste runde er.

Pluto blev grundlagt i 2025 og oplyser, at virksomheden har nået en årlig tilbagevendende omsætning på flere millioner dollar, beskytter mere end 1 million endepunkter globalt og betjener over 40 erhvervskunder. Blandt de navngivne kunder er Oscar Health, Workato, Sixt og AlphaSense samt Fortune 500-virksomheder. Den nye kapital skal finansiere produktudvikling, sikkerhedsforskning og ekspansion i USA.

AI-arbejdsområdet bliver en sikkerhedsgrænse

Pluto beskriver sin kategori som sikkerhed for AI-arbejdsområder. Området omfatter de AI-værktøjer, medarbejderne bruger, de komponenter, der er forbundet med værktøjerne, samt de applikationer, agenter og automatiseringer, medarbejderne skaber.

Dette omfang afspejler en ændring i den måde, software finder vej ind i en organisation på. En medarbejder kan sammensætte en arbejdsgang af en AI-assistent, en færdighed fra et fællesskab og en forbindelse til virksomhedsdata uden at gennemføre et traditionelt udviklingsprojekt. Hver tilføjelse kan ændre, hvad assistenten kan få adgang til eller udføre.

Model Context Protocol, eller MCP, er ét eksempel. Det giver AI-applikationer mulighed for at oprette forbindelse til værktøjer og datakilder. Sikkerhedsspørgsmålet handler ikke kun om, hvorvidt selve AI-applikationen er godkendt: Teams skal også forstå tilladelserne og adfærden hos de servere og integrationer, den bruger.

Dette er en del af den bredere udfordring med softwares forsyningskæde, som ligger bag styring af AI-agenter. En gennemgang af en model eller en assistent isoleret set overser afhængigheder, der kan påvirke dens adfærd eller udvide dens rækkevidde.

Kortlægning, risikovurdering og kontrol under kørsel

Pluto oplyser, at platformen kombinerer synlighed på endepunkter, kontekstuel risikoanalyse og håndhævelse i realtid. Målet er at give sikkerhedsteams tilstrækkelig information til at begrænse en farlig handling uden automatisk at forbyde hele det værktøj, der udfører den.

På sin hjemmeside opdeler virksomheden platformen i fire funktioner: Explorer kortlægger AI-aktivitet; Risk Radar vurderer de fundne aktiviteter ved hjælp af sin risikodatabase; Space Shield håndhæver politikker; og Marketspace tilbyder et kurateret udvalg af AI-tilføjelser. Virksomheden beskriver en dækning, der omfatter værktøjer, komponenter i forsyningskæden, adfærd under kørsel og AI-genererede artefakter.

Eksempler på hjemmesiden omfatter krav om godkendelse, før en agent får adgang til et betalings-API, begrænsning af adgang til følsomme data samt tilladelse af betroede MCP-servere, mens andre sættes i karantæne. Dette er beskrivelser af produktets tilsigtede funktion, ikke garantier, der er blevet testet uafhængigt.

Forskellen mellem kortlægning og håndhævelse er vigtig. En oversigt kan fortælle et sikkerhedsteam, at der findes en forbindelse. Effektiv kontrol kræver også, at man ved, hvad den kan få adgang til, og kan begrænse den relevante handling. Et tilladt værktøj kan stadig møde en usikker udvidelse, en adgangsoplysning med for vidtgående rettigheder eller en opgave, der ligger uden for brugerens beføjelser.

Forestil dig, at en assistent bliver bedt om at opsummere en kundeoplysning. At læse en tilladt oplysning og eksportere en hel kundedatabase er to forskellige handlinger, selv om begge udføres via den samme godkendte applikation. Kontekstuelle politikker skal kunne skelne mellem disse situationer. Deres praktiske værdi afhænger af, hvor præcise observationerne er, og hvor pålidelig håndhævelsen er.

Plutonium undersøger komponenterne omkring agenten

En central del af Plutos tilgang er Plutonium, et gratis katalog over sikkerhed i AI-forsyningskæden, som ifølge meddelelsen drives af virksomhedens proprietære RisksDB. Det hjælper fagfolk med at vurdere komponenter som færdigheder, udvidelser og MCP-servere, før de tager dem i brug.

Den offentlige platform beskriver en agentisk risikomotor, der kombinerer oplysninger om udgivere, kortlægning af kompatibilitet, kildekodegennemgang og scanning af kode. Vurderingskategorierne omfatter kommandoudførelse, vedvarende adgangstokens, datadeling med tredjeparter, ændring og sletning af data. Den tilbyder også en MCP-inspektør og vejledning i sikker brug.

Disse kategorier omsætter et bredt spørgsmål – om en tilføjelse er sikker – til mere konkrete spørgsmål om funktioner og adgang. En forbindelse, der kan læse et dokument, indebærer en anden risiko end en, der kan ændre poster eller udføre kommandoer. Den samme funktion kan også være passende i én arbejdsgang, men gå videre end nødvendigt i en anden.

En vurdering i et katalog og beskyttelse under kørsel håndterer forskellige dele af problemet. Inspektion kan danne grundlag for beslutninger om ibrugtagning; løbende kontrol skal tage højde for, hvordan en komponent faktisk bruges. Ingen af delene bør opfattes som bevis på, at alle fremtidige handlinger vil være harmløse.

Tidlig kommerciel fremgang, men resultaterne skal stadig måles

De kundetal og omsætningstal, Pluto har oplyst, tyder på en tidlig efterspørgsel efter denne kategori. Virksomheden siger, at den har opbygget sin udbredelse med udgangspunkt i sikkerhedsforskning, gratis ressourcer og fagfolks deltagelse, og at tusindvis af fagfolk bruger og bidrager til Plutonium.

Disse tal for udbredelsen er oplyst af virksomheden. Meddelelsen indeholder ingen uafhængige målinger af detektionsdækning, falske positiver, håndhævelsesforsinkelse eller forebyggelse af angreb. At sikre mere end 1 million slutpunkter beskriver den oplyste udbredelse af løsningen; det fastslår ikke, at alle tænkelige AI-arbejdsgange på disse enheder er dækket.

For virksomheder er de operationelle spørgsmål konkrete: Hvilke værktøjer og eksekveringsforløb er synlige, hvilke handlinger kan blokeres, hvordan godkendes undtagelser, og hvilken dokumentation gemmes, når en politik griber ind? Et system, der standser risikabel aktivitet, men jævnligt afbryder legitimt arbejde, skaber et andet problem for virksomheden.

Et sikkerhedsteam, der tager udgangspunkt i brugernes hensigter

Den administrerende direktør og medstifter Shahar Bahat grundlagde Pluto sammen med Tal Ofer Regev og Gil Maman. Bahat har tidligere haft ledende stillinger inden for cybersikkerhed hos Microsoft og Palo Alto Networks. Regev var tidligere vicepræsident for R&D hos Palo Alto Networks, mens Maman arbejdede i mere end seks år i Israels militære efterretningstjeneste i tekniske lederstillinger. Pluto oplyser, at virksomheden nu har mere end 50 medarbejdere fordelt på USA og Israel.

Bahat beskriver virksomhedens tilgang som baseret på at forstå, hvad brugerne forsøger at opnå, og give sikkerhedsteams den nødvendige kontekst til at muliggøre arbejdet på en sikker måde. Produktudfordringen består i at omsætte denne filosofi til præcise og pålidelige kontroller, efterhånden som medarbejderne tager nye værktøjer i brug og sammensætter nye arbejdsgange.

Finansieringsmeddelelsen placerer Pluto i en voksende konkurrence om at sikre AI dér, hvor den handler på virksomhedssystemer. Den næste prøve bliver at vise, at opdagelse, vurdering af komponenter og håndhævelse under kørsel kan fungere sammen i den skala, som virksomhedens tidlige kundebase allerede repræsenterer.