Finite State Menggalang Dana Seri C Sebesar $27 Juta untuk Memperluas Keamanan Perangkat Berbasis AI

Finite State telah menggalang dana Seri C sebesar $27 juta untuk memperluas platform keamanan produknya yang didukung AI dan operasional internasionalnya. Putaran pendanaan ini dipimpin oleh dana swasta yang dikelola The O.H.I.O. Fund, dengan partisipasi dari CIBC Innovation Banking, Energy Impact Partners, Energize Capital, dan National Grid Partners.

Perusahaan yang berbasis di Columbus, Ohio, ini berfokus pada masalah yang kian penting seiring semakin cepatnya penemuan kerentanan: produsen perlu mengetahui perangkat lunak apa yang benar-benar berjalan di dalam perangkat yang mereka jual. Celah pada komponen bersama dapat berdampak pada kendaraan, peralatan medis, sistem industri, atau perangkat elektronik konsumen, tetapi menentukan produk jadi mana yang memuat komponen tersebut bisa jadi sulit.

Finite State berencana menggunakan dana tersebut untuk memperkuat kehadirannya di pasar internasional dan mengembangkan kemampuan platform yang lebih otonom. Teknologinya menggabungkan analisis artefak perangkat lunak dengan intelijen kerentanan dan alur kerja kepatuhan, dengan tujuan mengubah inventaris kode yang dikirim bersama produk menjadi keputusan tentang hal-hal yang perlu ditangani.

Memeriksa Perangkat Lunak yang Benar-Benar Disertakan dalam Produk

Produk yang terhubung dirakit dari banyak sumber: sistem operasi, pustaka sumber terbuka, SDK pemasok, paket dukungan papan, dan aplikasi eksklusif. Produsen mungkin mengendalikan kode sumber mereka sendiri, tetapi memiliki visibilitas terbatas terhadap komponen terkompilasi yang disediakan vendor lain.

Manifes build menjelaskan apa saja yang diharapkan tercakup dalam suatu proses pengembangan. Analisis firmware memeriksa artefak yang dihasilkan proses tersebut. Perbedaan ini penting ketika proses pengemasan menambahkan komponen, pemasok memodifikasi pustaka, atau dependensi dikompilasi langsung ke dalam berkas yang dapat dieksekusi.

Dokumentasi analisis biner Finite State menjelaskan cara membongkar citra firmware, kontainer, arsip, dan berkas yang dapat dieksekusi, lalu mengidentifikasi komponen melalui analisis komposisi perangkat lunak biner. Dokumentasi itu juga menjelaskan penerapan pengujian keamanan aplikasi statis pada kode terkompilasi untuk memeriksa kelemahan di luar sekadar daftar nama paket.

Inventaris yang dihasilkan dapat mencakup komponen yang dimodifikasi dan ditautkan secara statis, dengan temuan yang dilengkapi informasi tentang kerentanan, eksploitasi, dan lisensi. Analisis ini juga mencari kredensial yang ditanamkan langsung dalam kode, kunci yang terekspos, dan masalah kriptografi. Masukan yang didukung mencakup firmware, pustaka bersama, berkas biner aplikasi seluler, dan perangkat lunak pihak ketiga, serta kode sumber jika tersedia.

Inilah dasar argumen perusahaan tersebut: keputusan keamanan harus didasarkan pada isi produk jadi, bukan sepenuhnya bergantung pada dokumentasi yang menyertainya.

Mengubah Inventaris Komponen Menjadi Keputusan Perbaikan

Menemukan komponen yang rentan hanyalah langkah awal. Tim produk masih perlu menentukan apakah kode yang terdampak dapat dijangkau, apakah eksploitasi relevan dengan konfigurasi perangkat, dan rilis atau varian produk mana yang perlu diperbaiki.

Gambaran umum platform Finite State menjelaskan bahwa prioritas ditentukan berdasarkan keterjangkauan, intelijen eksploitasi, dan konteks produk. Tujuannya adalah mengurangi waktu yang dihabiskan teknisi untuk menyelidiki temuan yang tingkat paparan praktisnya berbeda.

Daftar material perangkat lunak, atau SBOM, mencatat komponen-komponen dalam suatu produk. Vulnerability Exploitability eXchange, atau VEX, menambahkan informasi tentang apakah kerentanan tertentu berdampak pada produk tersebut. Bersama-sama, catatan ini membantu membedakan pertanyaan inventaris—apakah suatu komponen ada dalam produk—dari penilaian atas risiko yang ditimbulkannya.

Finite State menyatakan bahwa platformnya dapat mengidentifikasi kerentanan yang telah diketahui maupun yang sebelumnya belum diketahui. Kemampuan ini menggabungkan beberapa jenis analisis: mencocokkan komponen dengan masalah yang telah diungkapkan dan memeriksa kelemahan pada kode terkompilasi. Kegunaan hasilnya bergantung pada bukti yang mendasari suatu temuan dan relevansinya terhadap perangkat, bukan semata-mata pada jumlah peringatan yang dihasilkan.

Otomatisasi AI Tetap Memerlukan Bukti tentang Kualitas Analisis

Salah satu contoh praktis pekerjaan AI perusahaan ini adalah Agen Evaluasi Pembongkaran AI, yang diperkenalkan pada awal 2026. Agen tersebut mengevaluasi seberapa menyeluruh artefak yang diunggah telah diekstrak dan menjelaskan kekurangan yang dapat membatasi analisis selanjutnya.

Langkah ini penting karena pemindaian tidak dapat menilai kode yang gagal diekstrak. Kontainer terenkripsi, arsip bertingkat, atau pengemasan firmware yang tidak lazim dapat membuat sebagian artefak luput dari pemindai.

Finite State menyatakan bahwa agen tersebut memberikan penilaian kualitas, mengidentifikasi kemungkinan penyebab ekstraksi yang tidak lengkap, dan merekomendasikan tindakan seperti mendekripsi konten, membongkarnya secara lokal, atau mengemas ulang arsip sebelum mengunggahnya lagi. Otomatisasi ini membantu tim memahami cakupan analisis, alih-alih menganggap setiap pemindaian yang selesai sama menyeluruhnya.

Platform yang lebih luas menghubungkan analisis tersebut dengan alur kerja yang dapat ditinjau. Arsitektur yang dipublikasikan menjelaskan cara memasukkan firmware, berkas biner, kode sumber, SBOM pemasok, dan dokumentasi ke dalam proses terpadu untuk menghasilkan temuan keamanan, bukti verifikasi, dan laporan.

Menghubungkan Keamanan Produk dengan Kepatuhan

Pengumuman pendanaan tersebut menempatkan tekanan regulasi dan penemuan kerentanan yang lebih cepat sebagai pendorong permintaan. Produsen semakin membutuhkan bukti yang menunjukkan bagaimana mereka mengidentifikasi risiko perangkat lunak, menilai dampaknya, dan menanganinya sepanjang siklus hidup produk.

Finite State menghasilkan SBOM, catatan VEX, dan paket kepatuhan yang terkait dengan artefak produk. Platformnya juga menghubungkan arsitektur, persyaratan keamanan, dan pekerjaan verifikasi, sehingga membantu tim mengaitkan keputusan desain dengan perangkat lunak yang sampai ke pelanggan.

Keterkaitan tersebut dapat mempermudah pelacakan perubahan dari satu rilis ke rilis berikutnya. Ketika pemasok memperbarui komponen atau produsen mengirimkan citra firmware baru, bukti keamanan perlu mencerminkan artefak baru tersebut, bukan tetap menjadi dokumen statis dari rilis sebelumnya.

Pengumuman tersebut menyertakan masukan dari JET OPTOELECTRONICS, pemasok elektronik otomotif Tier 1 dan kokpit pintar. Bruce Lin, manajer senior di departemen perangkat lunaknya, menyoroti visibilitas Finite State terhadap perangkat yang telah dikirim, dependensi langsung dan transitif, serta bukti kepatuhan yang dipetakan ke persyaratan yang dihadapi pemasok tersebut.

Pendanaan untuk Tahap Berikutnya dalam Keamanan Produk

Pendiri sekaligus CEO Matt Wyckhouse menggambarkan tantangan tersebut sebagai kesenjangan yang kian melebar antara kecepatan penemuan kerentanan dengan bantuan AI dan kemampuan produsen untuk mengidentifikasi produk yang terdampak. Pendanaan baru ini mendukung pengembangan platform sekaligus perluasan jangkauan internasional.

Kelompok investor tersebut juga mencerminkan beragamnya sistem yang terpapar risiko rantai pasok perangkat lunak. Keamanan perangkat terhubung menjangkau lebih dari sekadar TI konvensional, hingga mencakup infrastruktur listrik, operasi industri, transportasi, dan layanan kesehatan—lingkungan tempat mengidentifikasi celah dan menerapkan perbaikan yang aman dapat melibatkan banyak pihak.

Pendanaan Seri C Finite State mendukung strategi yang dirancang untuk mempermudah pengambilan keputusan tersebut: memeriksa perangkat lunak yang telah dikirim, menghubungkan temuan dengan produk yang terdampak, memprioritaskan paparan yang berarti, dan menyimpan bukti respons. Seiring AI mempercepat penemuan potensi kelemahan, peluang komersialnya adalah membantu produsen mengubah temuan yang terus bertambah menjadi tindakan yang dapat dipertanggungjawabkan.