Brava Security ने यह जाँचने के लिए 15 मिलियन डॉलर जुटाए कि AI से लैस साइबर सुरक्षा प्रणालियाँ वास्तव में क्या पहचान सकती हैं

Brava Security ने 15 मिलियन डॉलर की शुरुआती फंडिंग के साथ अपना स्टील्थ चरण समाप्त किया है। कंपनी AI-सहायता प्राप्त साइबर सुरक्षा की एक बुनियादी कमजोरी दूर करना चाहती है: अगर सुरक्षा प्रणालियाँ किसी हमले का पता ही न लगाएँ, तो स्वचालित विश्लेषक उसकी जाँच नहीं कर सकता।

इस निवेश दौर का नेतृत्व F2 Venture Capital और Pitango ने किया। Anthropic, Microsoft और Check Point के अधिकारियों ने एंजेल निवेशक के रूप में भाग लिया। Brava इस फंडिंग का इस्तेमाल उत्पाद विकास और उत्तरी अमेरिका में व्यावसायिक विस्तार के लिए करेगी, जिसमें वित्तीय सेवाओं और सरकारी क्षेत्र में अवसर भी शामिल हैं।

कंपनी का तरीका यह है कि किसी खास परिवेश में हमला होने पर उससे जो टेलीमेट्री पैदा होती, उसे बिना वास्तव में हमला किए तैयार किया जाए। इसके बाद यह जाँचा जाता है कि मौजूदा सुरक्षा प्रणालियाँ उस साक्ष्य को पहचानती हैं या नहीं, और कमियों को दूर करने में मदद की जाती है। इस तरह, कंपनी की पेशकश का केंद्र केवल अलर्ट की तेज़ी से जाँच करना नहीं, बल्कि यह सत्यापित करना है कि हमले का पता लगाया जा सकता है या नहीं।

किसी घटना से पहले साक्ष्य की जाँच

सुरक्षा संचालन केंद्र टेलीमेट्री पर निर्भर करते हैं—यानी एंडपॉइंट, क्लाउड परिवेशों, पहचान प्रणालियों और ऐप्लिकेशनों की गतिविधियों के रिकॉर्ड पर। सुरक्षा सूचना एवं इवेंट प्रबंधन प्रणाली, या SIEM, इन रिकॉर्ड को इकट्ठा कर उनका विश्लेषण करती है और संदिग्ध गतिविधियों की पहचान के लिए पहचान नियमों का इस्तेमाल करती है।

इस प्रक्रिया के कई पहलू एक-दूसरे पर निर्भर करते हैं। संबंधित प्रणाली को उपयोगी रिकॉर्ड तैयार करना होता है, डेटा पाइपलाइन को उसे पहुँचाना होता है और पहचान प्रणाली को उसके फ़ील्ड की सही व्याख्या करनी होती है। लॉग की संख्या बढ़ने से अपने-आप बेहतर कवरेज नहीं मिलता, अगर किसी खास हमले के लिए ज़रूरी साक्ष्य मौजूद न हो या इस्तेमाल के लायक न हो।

Brava का कहना है कि उसकी मल्टी-एजेंट तकनीक हमलावरों के व्यवहार का मॉडल बनाती है और पहचानती है कि किसी ग्राहक के लॉग स्रोतों में विशिष्ट तकनीकों के संकेत किस रूप में दिखने चाहिए। इसके बाद उसका प्लेटफ़ॉर्म जाँचता है कि क्या उन संकेतों से अपेक्षित सुरक्षा उपाय सक्रिय होंगे, SIEM में मौजूद न होने वाले पहचान नियमों को फिर से तैयार करता है और डेटा फ़ीड की कमियों को दूर करता है।

Brava के सह-संस्थापक और CEO Idan Basre ने कहा, “आप ऐसे साक्ष्य के आधार पर किसी निर्णय को स्वचालित नहीं कर सकते जिसे किसी ने कभी प्रमाणित ही न किया हो।” इससे पहले वह Microsoft Defender के लिए उत्पाद प्रबंधन का नेतृत्व कर चुके हैं।

साक्ष्य तैयार करने और हमला करने के बीच का अंतर अहम है। Brava कृत्रिम रूप से तैयार की गई टेलीमेट्री के ज़रिए यह जाँचती है कि हमले का पता लगाने की प्रक्रिया काम करती है या नहीं। इससे निष्क्रिय पहचान नियम या ग़ायब फ़ील्ड का पता लगाने में मदद मिल सकती है, लेकिन सफल परीक्षण इस बात का प्रमाण नहीं है कि वास्तविक घुसपैठ के हर रूप का पता चल जाएगा या हमलावर प्रणाली तक पहुँच नहीं पाएगा।

नियम और अलर्ट के बीच की कड़ी पूरी करना

Brava की उत्पाद कार्यप्रणाली में चार चरण बताए गए हैं: खतरे का मॉडल बनाना, उससे जुड़ी टेलीमेट्री तैयार करना, पहचान संबंधी कमियों की पुष्टि कर उन्हें दूर करना, और फिर साक्ष्य को दोबारा चलाकर यह पुष्टि करना कि SIEM में अलर्ट आता है। कंपनी यह भी बताती है कि परिवेश में बदलाव होने पर परीक्षण फिर से किया जाता है।

यह किसी नियम को स्थापित कर देने को सत्यापित कवरेज मान लेने से अलग और उपयोगी बात है। किसी फ़ील्ड का नाम बदलने, पार्सर को अपडेट करने या स्रोत का कनेक्शन टूटने से पहले उपयोगी पहचान नियम उस गतिविधि का मिलान करना बंद कर सकता है जिसके लिए उसे बनाया गया था। बदलाव के बाद परीक्षण दोहराने से पता चलता है कि पहचान प्रणाली को वास्तव में मिल रहे डेटा के साथ वह अब भी काम करती है या नहीं।

यह प्लेटफ़ॉर्म मौजूदा सुरक्षा ढाँचे के साथ काम करने के लिए बनाया गया है। Brava, Splunk, Google SecOps, CrowdStrike और 70 से अधिक स्रोतों तथा गंतव्यों के साथ एकीकरण की जानकारी देती है। इससे सुरक्षा टीम को पहले से इस्तेमाल किए जा रहे उपकरणों को बदलने की ज़रूरत कम होती है।

पहचान इंजीनियर के लिए इसका व्यावहारिक लाभ किसी सामान्य कवरेज स्कोर से अधिक ठोस जवाब पाना है: कौन-सा साक्ष्य मौजूद होना चाहिए, पहचान प्रक्रिया का कौन-सा हिस्सा उसे पकड़ने में चूका और क्या सुधार के बाद अलर्ट आया। इन सवालों से इंजीनियरिंग में किए गए बदलाव का संबंध ऐसे नतीजे से जुड़ता है जिसे देखा जा सकता है।

जाँच और डेटा पाइपलाइन का आधार एक ही

कंपनी की वेबसाइट दो संबंधित क्षमताओं का भी उल्लेख करती है। जाँच के लिए उसका इंटरफ़ेस Aquarium विभिन्न स्रोतों में खोजों की योजना बनाता है और मिले निष्कर्षों को मूल घटनाओं से जोड़ता है। डेटा पाइपलाइन के उसके उपकरण रिकॉर्ड का विश्लेषण और मानकीकरण करते हैं, संबंधित घटनाओं को SIEM तक पहुँचाते हैं और बाकी डेटा को ऐसी कम लागत वाली स्टोरेज में रखते हैं जहाँ उसे खोजा जा सकता है।

ये कार्य एक ही परिचालन समस्या के अलग-अलग पहलुओं को संबोधित करते हैं। किसी विश्लेषक को यह फिर से समझने के लिए साक्ष्य चाहिए कि क्या हुआ था, जबकि पहचान नियम को सक्रिय होने के लिए सही फ़ील्ड चाहिए। डेटा ग्रहण की मात्रा घटाना तभी उपयोगी है, जब पहचान और जाँच के लिए ज़रूरी जानकारी उपलब्ध बनी रहे।

Brava की घोषणा के अनुसार, प्लेटफ़ॉर्म को शामिल करने के 10–15 मिनट के भीतर शुरुआती जानकारियाँ मिल जाती हैं। यह पहली जानकारी मिलने में लगने वाला कंपनी द्वारा बताया गया समय है; इसका मतलब यह गारंटी नहीं है कि किसी बड़े उद्यम में पूरी तैनाती या पहचान नियमों के हर सुधार का काम इसी अवधि में पूरा हो जाएगा।

उद्यम ग्राहक और AI तथा सुरक्षा के इर्द-गिर्द बनी टीम

Brava का कहना है कि खुदरा, ऊर्जा और आतिथ्य क्षेत्रों में उसकी Fortune 100 ग्राहक कंपनियाँ हैं। इनके अलावा उसके ग्राहकों में Cushman & Wakefield और कनाडा की स्वास्थ्य सेवा कंपनी WELL Health भी शामिल हैं। Cushman & Wakefield के CISO Erik Hart ने कहा कि यह प्लेटफ़ॉर्म उनकी टीम के साथ मिलकर जाँच करता है और निर्णयों में मदद के लिए साक्ष्य को एक जगह लाता है।

कंपनी की स्थापना Basre और मुख्य प्रौद्योगिकी अधिकारी Itay Gabbay ने की थी। Microsoft में अपनी भूमिका से पहले Basre ने Unit 8200 में खतरा-अनुसंधानकर्ता के रूप में दस वर्ष बिताए। Gabbay ने IDF में AI प्रणालियाँ बनाने में सात वर्ष बिताए, जिसमें एक संयुक्त DARPA-इज़राइली अनुसंधान कार्यक्रम पर किया गया काम भी शामिल था।

Brava में लगभग 20 कर्मचारी हैं। इसका अनुसंधान और विकास इज़राइल में होता है, जबकि अमेरिका में इसकी वाणिज्यिक टीम का विस्तार हो रहा है। यह वित्तपोषण ऐसे उत्पाद को समर्थन देता है जो AI अनुसंधान को सुरक्षा इंजीनियरिंग के एक चुनौतीपूर्ण काम से जोड़ता है: यह मॉडल करना कि किसी उद्यम द्वारा इस्तेमाल की जाने वाली विशिष्ट प्रणालियों में हमले किस तरह दिखाई देते हैं।

कंपनी की मान्यता है कि स्वायत्त सुरक्षा निर्णयों के आधार में प्रमाणित साक्ष्य होने चाहिए। इस मान्यता की सबसे कड़ी परीक्षा यह होगी कि ग्राहकों के परिवेश में बदलाव आने पर भी पहचान की गुणवत्ता लगातार बनी रहे: कम मूक नियम, कम अनुपस्थित संकेत और ऐसी मरम्मतें जिन्हें सुरक्षा टीमें दिखा सकें कि वे वास्तव में कारगर हैं।