Brava Security Menggalang $15 Juta untuk Menguji Apa yang Sebenarnya Dapat Dideteksi Pertahanan Siber AI

Brava Security keluar dari masa beroperasi secara tertutup dengan pendanaan awal sebesar $15 juta untuk mengatasi kelemahan mendasar dalam pertahanan siber berbantuan AI: analis otomatis tidak dapat menyelidiki serangan jika sistem keamanan yang mendasarinya tidak pernah mendeteksi serangan tersebut.

Putaran pendanaan ini dipimpin oleh F2 Venture Capital dan Pitango, dengan partisipasi investor malaikat dari kalangan eksekutif Anthropic, Microsoft, dan Check Point. Brava berencana menggunakan dana tersebut untuk mengembangkan produk dan memperluas kegiatan komersial di Amerika Utara, termasuk menjajaki peluang di sektor jasa keuangan dan pemerintahan.

Pendekatan perusahaan ini adalah menghasilkan telemetri yang akan dihasilkan oleh suatu serangan dalam lingkungan tertentu tanpa benar-benar melancarkan serangan itu. Selanjutnya, Brava memeriksa apakah sistem pertahanan yang ada mengenali bukti tersebut dan membantu memperbaiki celah yang ditemukan. Dengan demikian, validasi deteksi—bukan sekadar penyelidikan peringatan yang lebih cepat—menjadi inti penawarannya.

Menguji Bukti Sebelum Insiden Terjadi

Pusat operasi keamanan mengandalkan telemetri: catatan aktivitas di berbagai titik akhir, lingkungan cloud, identitas, dan aplikasi. Sistem manajemen informasi dan peristiwa keamanan, atau SIEM, mengumpulkan dan menganalisis catatan tersebut serta menggunakan aturan deteksi untuk mengenali perilaku mencurigakan.

Proses ini bergantung pada beberapa hal. Sistem yang relevan harus menghasilkan catatan yang berguna, jalur pemrosesan harus mengirimkannya, dan sistem deteksi harus menafsirkan kolom-kolomnya dengan benar. Jumlah log yang lebih banyak tidak otomatis berarti cakupan yang lebih baik jika bukti yang diperlukan untuk mendeteksi serangan tertentu tidak tersedia atau tidak dapat digunakan.

Brava menyatakan bahwa teknologi multiagennya memodelkan perilaku penyerang dan mengidentifikasi bagaimana teknik tertentu seharusnya terlihat di berbagai sumber log pelanggan. Platformnya kemudian menguji apakah jejak tersebut akan memicu sistem pertahanan yang dimaksud, menulis ulang deteksi SIEM yang belum tersedia, dan mengatasi celah pada umpan data.

“Anda tidak dapat mengotomatiskan pengambilan keputusan berdasarkan bukti yang belum pernah dibuktikan oleh siapa pun,” kata Idan Basre, salah satu pendiri sekaligus CEO Brava, yang sebelumnya memimpin manajemen produk untuk Microsoft Defender.

Perbedaan antara menghasilkan bukti dan melancarkan serangan itu penting. Brava menguji jalur deteksi menggunakan telemetri sintetis. Cara ini dapat membantu mengungkap aturan yang tidak memicu peringatan atau kolom yang hilang, tetapi keberhasilan suatu pengujian bukan bukti bahwa setiap variasi penyusupan nyata akan terdeteksi atau bahwa penyerang tidak dapat mencapai sistem tersebut.

Menutup Kesenjangan antara Aturan dan Peringatan

Alur kerja produk Brava mencakup empat tahap: memodelkan ancaman, menyintesis telemetrinya, memverifikasi dan memperbaiki celah deteksi, lalu memutar ulang bukti untuk memastikan peringatan muncul di SIEM. Brava juga menyebut pengujian ulang seiring perubahan lingkungan.

Hal ini berbeda secara penting dari menganggap aturan yang telah dipasang sebagai cakupan yang sudah terverifikasi. Perubahan nama kolom, pembaruan pengurai, atau terputusnya sumber data dapat membuat deteksi yang sebelumnya berguna tidak lagi mampu mengenali aktivitas yang seharusnya dideteksi. Mengulangi pengujian setelah perubahan membantu memastikan apakah deteksi masih berfungsi dengan data yang benar-benar diterimanya.

Platform ini dirancang agar dapat bekerja dengan infrastruktur keamanan yang sudah ada. Brava mencantumkan Splunk, Google SecOps, CrowdStrike, serta lebih dari 70 sumber dan tujuan, sehingga tim keamanan tidak perlu mengganti perangkat yang sudah mereka gunakan.

Bagi seorang teknisi deteksi, manfaat praktisnya adalah memperoleh jawaban yang lebih spesifik daripada sekadar skor cakupan umum: bukti apa yang seharusnya tersedia, bagian mana dari jalur deteksi yang gagal menangkapnya, dan apakah perbaikan tersebut menghasilkan peringatan. Pertanyaan-pertanyaan ini menghubungkan perubahan teknis dengan hasil yang dapat diamati.

Investigasi dan Jalur Data Bertumpu pada Fondasi yang Sama

Situs web perusahaan ini menjelaskan dua kemampuan terkait. Aquarium, antarmuka investigasinya, memungkinkan pencarian di berbagai sumber dan menghubungkan temuan dengan peristiwa yang mendasarinya. Perangkat jalur datanya mengurai dan menormalkan catatan, mengarahkan peristiwa yang relevan ke SIEM, serta menyimpan data lainnya dalam penyimpanan berbiaya lebih rendah yang dapat ditelusuri.

Kedua fungsi ini menangani bagian yang berbeda dari masalah operasional yang sama. Analis memerlukan bukti untuk merekonstruksi apa yang terjadi, sedangkan aturan deteksi membutuhkan kolom yang tepat agar dapat terpicu. Mengurangi volume penyerapan data hanya bermanfaat jika informasi yang diperlukan untuk deteksi dan investigasi tetap tersedia.

Dalam pengumumannya, Brava menyatakan bahwa platformnya memberikan wawasan awal dalam 10–15 menit setelah proses orientasi pengguna. Angka tersebut merupakan waktu hingga temuan pertama menurut perusahaan, bukan jaminan bahwa penerapan perusahaan secara menyeluruh atau setiap perbaikan deteksi akan selesai dalam rentang waktu itu.

Pelanggan Perusahaan dan Tim yang Berfokus pada AI serta Keamanan

Brava melaporkan memiliki pelanggan Fortune 100 di sektor ritel, energi, dan perhotelan, serta Cushman & Wakefield dan perusahaan layanan kesehatan Kanada WELL Health. Erik Hart, CISO Cushman & Wakefield, mengatakan bahwa platform tersebut melakukan investigasi bersama timnya dan menghimpun bukti untuk mendukung pengambilan keputusan.

Perusahaan ini didirikan oleh Basre dan CTO Itay Gabbay. Sebelum bergabung dengan Microsoft, Basre menghabiskan sepuluh tahun di Unit 8200 sebagai peneliti ancaman. Gabbay menghabiskan tujuh tahun membangun sistem AI di IDF, termasuk mengerjakan program penelitian bersama DARPA-Israel.

Brava memiliki sekitar 20 karyawan, dengan kegiatan penelitian dan pengembangan di Israel serta tim komersial yang terus berkembang di Amerika Serikat. Pendanaan ini mendukung produk yang memadukan penelitian AI dengan tugas rekayasa keamanan yang menantang: memodelkan bagaimana serangan muncul pada sistem tertentu yang digunakan sebuah perusahaan.

Premis perusahaan ini adalah bahwa keputusan keamanan otonom harus didukung bukti yang telah tervalidasi. Tolok ukur terkuat untuk premis tersebut adalah kualitas deteksi yang konsisten seiring perubahan lingkungan pelanggan: lebih sedikit aturan yang tidak berfungsi tanpa terdeteksi, lebih sedikit sinyal yang terlewat, serta perbaikan yang dapat dibuktikan oleh tim keamanan benar-benar efektif.