Beelzebub recauda 3 millones de euros para ampliar la decepción impulsada por IA en las redes empresariales

La startup italiana de ciberseguridad Beelzebub ha recaudado 3 millones de euros en financiación de serie inicial para expandir su plataforma impulsada por IA para detectar y atrapar a los atacantes dentro de las redes empresariales.

La ronda fue liderada exclusivamente por la firma de capital de riesgo de tecnología profunda italiana United Ventures. Beelzebub planea utilizar el capital para crecer su equipo de investigación, adquirir clientes en toda Europa y abrir oficinas comerciales en Roma y San Francisco a finales de 2026.

La empresa con sede en Milán se dirige a organizaciones que enfrentan ataques cibernéticos cada vez más automatizados, particularmente los operadores sujetos a la Directiva de Seguridad de Redes y Sistemas de Información de la Unión Europea, comúnmente conocida como NIS2.

En lugar de centrarse únicamente en mantener a los atacantes fuera de la red, Beelzebub trabaja sobre la suposición de que una intrusión puede haber ocurrido ya. Su plataforma planta sistemas de cebo realistas en toda la infraestructura de una organización, creando oportunidades para exponer a los atacantes antes de que lleguen a activos genuinos.

Conviirtiendo la infraestructura empresarial en una trampa

La tecnología de Beelzebub pertenece a una categoría de ciberseguridad conocida como tecnología de engaño. En lugar de esperar a que la actividad maliciosa active una alerta en un sistema de producción, la plataforma crea réplicas convincentes de servidores, bases de datos, interfaces de programación de aplicaciones, entornos de nube y otra infraestructura.

Estos cebos están diseñados para parecer valiosos para los atacantes mientras permanecen aislados de los sistemas comerciales reales. Dado que los empleados legítimos y las aplicaciones deberían tener poca razón para interactuar con ellos, la actividad dentro de un cebo puede proporcionar una fuerte indicación de que un intruso se está moviendo a través de la red.

El enfoque está destinado a abordar una de las etapas más difíciles de un ciberataque: el período después de que un atacante gana acceso inicial pero antes de que se despliegue la carga final.

Los atacantes a menudo pasan tiempo explorando sistemas, escalando privilegios, recopilando credenciales e identificando datos valiosos. Beelzebub pretende interrumpir ese proceso guiando la actividad sospechosa hacia entornos controlados donde se puede observar y contener.

La empresa dice que sus trampas utilizan grandes modelos de lenguaje para comportarse más como infraestructura genuina. Pueden generar respuestas realistas y adaptar su comportamiento, lo que hace más difícil para un atacante determinar que ha entrado en un cebo.

Un bucle automatizado de ofensa y defensa

La plataforma combina tres productos diseñados para cubrir diferentes etapas de pruebas de ciberseguridad y respuesta a incidentes.

Arcangelo sirve como el componente ofensivo. Simula ataques dirigidos contra la infraestructura de una organización, lo que ayuda a los equipos de seguridad a identificar debilidades y probar cómo responden sus controles.

Beelzebub Managed forma la capa defensiva. Distribuye trampas impulsadas por IA en todo el entorno de una organización y las monitorea en busca de actividad sospechosa. Cuando un atacante interactúa con uno de los cebos, el sistema puede aislar la máquina afectada, bloquear la actividad e iniciar acciones de respuesta predefinidas.

La empresa describe esta combinación como un modelo de equipo morado automatizado. En ciberseguridad, los equipos rojos suelen simular atacantes, mientras que los equipos azules defienden sistemas. Las operaciones de equipo morado intentan unir las dos funciones para que los resultados de las pruebas ofensivas puedan mejorar directamente los controles defensivos.

Al conectar simulaciones de ataques con sistemas de engaño en vivo, Beelzebub intenta reducir los traspasos que a menudo ocurren entre herramientas de seguridad separadas, consultores externos y equipos internos.

La empresa dice que sus trampas también se pueden actualizar para reflejar nuevas vulnerabilidades y exposiciones comunes. Esto permite que la plataforma imite sistemas afectados por vulnerabilidades emergentes y potencialmente atraiga a atacantes que buscan esas debilidades.

Análisis de malware asistido por IA

El tercer componente, Caronte, es un sistema de análisis de malware impulsado por IA.

Después de que se detecta software malicioso, Caronte puede realizar ingeniería inversa de la muestra y producir un informe de incidente que describe su comportamiento. El objetivo es acortar el tiempo entre el descubrimiento de un ataque y la comprensión de cómo funciona.

El análisis de malware es tradicionalmente un proceso especializado y que consume mucho tiempo. Los analistas pueden necesitar inspeccionar el código, observar cómo se comporta un programa en un entorno controlado y determinar si se comunica con infraestructura externa o intenta propagarse a otras máquinas.

Beelzebub dice que Caronte automatiza partes de este trabajo, lo que permite a las organizaciones generar una evaluación inicial más rápidamente.

El sistema se puede operar en el lugar, lo que puede ser importante para las agencias gubernamentales, las empresas reguladas y las empresas que no pueden cargar muestras de malware potencialmente sensibles en servicios de nube de terceros.

La plataforma más amplia de Beelzebub está disponible como software como servicio o como una implementación en el lugar. Para las organizaciones con requisitos de datos más estrictos, la empresa también puede proporcionar hardware para ejecutar su modelo de lenguaje grande localmente.

Construyendo alrededor de la inteligencia de amenazas en vivo

Beelzebub dice que más de 60 investigadores de seguridad independientes contribuyen con inteligencia de amenazas a la plataforma.

Esta red proporciona información sobre nuevo malware, técnicas de ataque y vulnerabilidades a medida que surgen. La inteligencia luego se puede utilizar para actualizar los cebos, simulaciones de ataques y capacidades de análisis de la plataforma.

La empresa anteriormente ganó atención por documentar TeamPCP, un actor de amenaza asociado con ataques a la infraestructura en la nube y campañas de cryptojacking. TeamPCP también ha sido vinculado a una violación que involucra la infraestructura de GitHub.

Descubrir y estudiar grupos de amenazas puede proporcionar a los proveedores de ciberseguridad información práctica sobre cómo se comportan los atacantes después de entrar en una red. Esa información se puede utilizar para diseñar cebos que se asemejan a los sistemas, credenciales y servicios que los atacantes probablemente apunten.

La tecnología de Beelzebub también está disponible a través de una edición de código abierto, lo que da a los investigadores y los equipos de seguridad una forma de experimentar con su enfoque de honeypot.

El proyecto de código abierto admite múltiples protocolos y servicios, incluyendo Secure Shell, Protocolo de transferencia de archivos, bases de datos y aplicaciones web. Esto permite a las organizaciones implementar cebos que se asemejan a diferentes partes de su infraestructura.

Respondiendo a ataques más rápidos y automatizados

La financiación llega en un momento en que la IA generativa y la automatización están cambiando ambos lados de la ciberseguridad.

Los atacantes pueden utilizar herramientas de IA para generar mensajes de phishing, analizar software en busca de vulnerabilidades, modificar código malicioso y realizar operaciones en un número mayor de objetivos. Estas capacidades no eliminan la necesidad de experiencia técnica, pero pueden permitir que grupos más pequeños operen a mayor velocidad y escala.

Los equipos de seguridad están respondiendo al introducir más automatización en la detección, la investigación y la respuesta a incidentes. La tecnología de engaño ofrece otra capa al crear entornos donde los atacantes pueden ser estudiados sin exponer datos o sistemas genuinos.

El fundador y CEO de Beelzebub, Mario Candela, argumenta que las herramientas defensivas deben operar cada vez más a la velocidad de la máquina para seguir siendo efectivas contra los ataques automatizados.

La estrategia de la empresa no es reemplazar los productos de seguridad de punto final, red o identidad existentes. En cambio, intenta agregar una capa de detección interna para situaciones en las que un atacante ya ha sorteado las defensas perimetrales.

Este modelo de suposición de infracción se ha vuelto más relevante a medida que la infraestructura empresarial se expande a través de plataformas en la nube, dispositivos remotos, interfaces de programación de aplicaciones y cadenas de suministro de software. Proteger todos los puntos de entrada posibles es difícil, lo que hace que la detección rápida dentro de la red sea cada vez más importante.

Por qué el engaño podría convertirse en una capa central de ciberseguridad

A medida que los atacantes utilizan cada vez más la IA para automatizar la exploración, explotar vulnerabilidades y adaptar malware, la tecnología de engaño podría convertirse en una capa más importante de defensa empresarial. En lugar de confiar únicamente en controles perimetrales, las organizaciones pueden implementar cebos realistas que exponen a los intrusos después de que entren en una red y antes de que lleguen a sistemas críticos.

Las plataformas más fuertes probablemente combinarán el engaño con la simulación de ataques continuos y la investigación automatizada. Esto podría acortar el tiempo entre la intrusión, la detección y el aislamiento, mientras que brinda a los equipos de seguridad una visión más clara de las herramientas, los objetivos y el movimiento del atacante a través de la red.

El engaño no reemplazará la seguridad de punto final, los controles de identidad o la gestión de vulnerabilidades, pero podría hacer que esos sistemas sean más efectivos al proporcionar señales de alta confianza desde la actividad que nunca debería ocurrir. El desafío de Beelzebub será demostrar que su enfoque puede operar de manera confiable a escala empresarial sin agregar complejidad excesiva a entornos de seguridad ya congestionados.