RevEng samler 4,15 millioner dollars til at sikre softwareforsyningskæder med AI

London-baserede RevEng har samlet 4,15 millioner dollars i seed-finansiering, støttet af Sands Capital, In-Q-Tel Capital, IQ Capital, og Episode 1 Ventures, for at bygge grundlæggende AI-modeller, der kan detektere trusler og sårbarheder i kompilteret software uden adgang til kildekode. Da McKinsey estimerer, at det globale cybersecurity-marked kan nå 1,5 til 2 billioner dollars, positionerer denne investering RevEng til at spille en vital rolle i at omdefinere, hvordan organisationer forsvareder deres softwareforsyningskæder – især i en æra, hvor traditionelle værktøjer kæmper for at følge med AI-genereret kode og uigennemsigtige tredjeparts-komponenter.

At dække det blinde punkt i cybersikkerhedsforsvaret

Den corporate verden kæmper med en udenforstående stigning i softwareforsyningskæde-angreb – 45% af organisationer forventes at opleve sådanne brud i år. Problemet intensiveres, da afhængigheden af open-source-komponenter og AI-genereret kode stiger, samtidig med at de fleste sikkerheds-værktøjer kræver adgang til kildekode for at spotte skjulte sårbarheder.

RevEng løser denne kritiske lukning ved at analysere binær software direkte – undersøge kompilteret kode, firmware og eksekverbarer for at detektere anomalier som skjulte bagdøre, ondsindet adfærd eller zero-day-sårbarheder.

BinNet™: Den AI-motor bag innovationen

Centralt for platformen er BinNet™, den største grundlæggende AI-model bygget til at forstå semantikken af maskinkode. Det er trænet på diverse binære datasets (x86, x86_64, ARM64) og programmeringssprog (C, C++, Go, Rust), hvilket giver det mulighed for at:

• Rekonstruere højere-niveau programlogik og flow
• Detektere ukendte trusler og sårbarheder i stor skala
• Automatisk generere YARA-regler til trusselsjagt
• Pakke uigennemsigtig malware ved hjælp af dynamisk sandboxing
• Emulere funktioner for at trække ud af krypterede strenge

RevEngs platform bruger avancerede maskinlæringsmodeller, der er trænet specifikt til at forstå strukturen og adfærden af kompilteret software. Ved at analysere kontrolflow, funktionrelationer og instruktionsniveau-mønstre kan det trække ud af meningsfulde indsigt fra binærer – identificere ondsindet komponenter, detektere zero-day-sårbarheder og afsløre skjulte bagdøre. Dette giver sikkerhedsteams mulighed for at evaluere integriteten af software-pakker, selv når kildekode ikke er tilgængelig, og omdanner tidligere utilgængelige eksekverbarer til gennemsigtige og verificerbare artefakter.

Ledelse og strategisk støtte

I spidsen for RevEng står Dr. James Patrick-Evans, en globalt anerkendt ekspert i AI og maskinlæring til binær analyse. Med en ph.d. i cybersikkerhed og AI fra Royal Holloway og tidligere roller i F-Secure, Mozilla og MWR, bringer han dyb ekspertise i sikker softwareingeniørarbejde og lav-niveau-trusselsdetektion. Hans mål er at skala reverse engineering-kapaciteter – traditionelt begrænset til elite-specialister – gennem automatisering og AI.

Selskabet har allerede opnået troværdighed gennem sin udvælgelse til to højt respekterede programmer: UK’s NCSC for Startups og Intel (INTC ) Ignite 2024. Disse acceleratorer gav RevEng kritisk adgang til regerings-sikkerhedsnetværk, tekniske rådgivere og kommercielle partnerskaber – herunder inden for Intel selv – og accelererede både produktudvikling og markedsindtræden.

Hvad der er i vente

Efter sin seed-finansiering på 4,15 millioner dollars er RevEng klar til at udvide sin tilstedeværelse i den amerikanske føderale og forsvarssektor, samtidig med at det skal udvide sit ingeniørteam. Fremtidige planer omfatter at udvide platformen til at understøtte yderligere arkitekturer som MIPS, RISC-V og PPC, udvikle cross-arkitektur-symbol-matching og dybe integreringer med værktøjer som Splunk, Cutter og Radare2. Platformen vil også understøtte private cloud- og on-premise-installation, hvilket giver fuld overensstemmelse med virksomheds- og regeringsdata-politikker.

I et cybersikkerheds-marked, der forventes at overstige 2 billioner dollars, er RevEng unikt positioneret til at levere AI-naturlige løsninger, der fungerer på binært niveau – afslører skjulte sårbarheder i software, hvor traditionelle værktøjer ikke kan følge med. Som Sands Capital bemærkede, “RevEng løser en kritisk udfordring i cybersikkerhed med sin innovative tilgang. Vi er stolte af at støtte deres vision…”

Med teknisk troværdighed, strategisk støtte og voksende kommerciel traktion er RevEng klar til at blive en grundlæggende kraft i sikringen af den moderne softwareforsyningskæde.

Fremtiden for cybersikkerhed

Da softwareforsyningskæder bliver mere fragmenterede, uigennemsigtige og globalt interafhængige, er traditionelle sikkerhedsmetoder – der afhænger af kildekode-adgang eller manuel auditing – ikke længere tilstrækkelige. Stigningen i kompilteret kode-scanning, drevet af maskinlæring, repræsenterer et større vendepunkt. Disse modeller kan ikke kun identificere kendte sårbarheder – de fortolker også adfærden og strukturen af binærer for at afsløre nye trusler, selv i sorte-boks-miljøer.

Dette skift afspejler en bredere industriel bevægelse mod autonome, skalerbare cybersikkerheds-infrastruktur – hvor AI ikke kun supplerer analytikere, men bliver en forudsætning for at følge med. I en verden, hvor 300.000+ nye malware-eksemplarer opstår dagligt og 70% aldrig ses igen, tilbyder automatisk binær-analyse en af de få viable stier til at opretholde real-tids-overblik over software-stakken.

Grund-modeller som dem, der driver AI-drevet reverse engineering, vil stadig mere underbygge nationale sikkerhedsindsats, DevSecOps-pipelines, og selv software-procurement-processer. Deres evne til at verificere kode-integritet i stor skala – uanset vendor-gennemsigtighed – vil omdefinere, hvordan tillid etableres i det digitale økosystem. Over tid kan denne teknologi blive lige så grundlæggende for cybersikkerhed som antivirus-motorer var i den sidste æra.