메이트 보안, AI 보안 운영을 위한 오픈 재단 구축을 위해 3,500만 달러 투자 유치

메이트 보안은 기업들이 기계 속도로 진행되는 공격에 대응하기 위해 새로운 보안 팀 운영 방식을 찾고 있는 가운데 $3,500만 달러의 시리즈 A 투자를 유치했습니다.

카나안 파트너스가 투자 라운드를 주도했으며, 인사이트 파트너스, 팀8, M12가 참여했습니다. M12는 마이크로소프트의 벤처 펀드입니다. 메이트 보안의 모든 기존 투자자가 재투자에 참여했으며, 이를 통해 보안 회사 전체 투자 금액은 5,000만 달러 이상으로 증가했습니다.

시리즈 A 투자는 메이트 보안이 15.5만 달러의 시드 라운드를 통해 스타트업으로 등장한 지 8개월 만에 이루어졌습니다. 회사 측은 2025년 3분기 이후 500% 이상 성장했으며, 이는 포춘 500대 보안 운영 센터의 채택에 일부 기인합니다.

메이트 보안은 자금을 사용하여 기업 수요를 충족하고, 추가 시장으로 확장하며, 에이전트 보안 운영 플랫폼 개발을 계속할 계획입니다.

보안 운영, 새로운 확장 문제

생성적 인공지능의 빠른 발전은 사이버 보안의 양면에서 영향을 미치고 있습니다.

보안 팀은 경고를 분석하고 증거를 수집하며 조사の一部를 자동화할 수 있는 인공지능 시스템에 접근할 수 있습니다.同時에, 공격자는 시스템을 탐색하고 기술을 적응하며 전통적인 보안 운영이 처리할 수 없는 속도로 캠페인을 시작할 수 있습니다.

이로 인해 어려운 불일치가 발생합니다. 많은 보안 운영 센터(SOC)는 여전히 분석가가 분리된 도구 사이를 이동하며, 경고 큐를 검토하며, 사건이 발생했을 때 무슨 일이 있었는지 수동으로 재구성합니다.

그 환경에 인공지능 보조를 추가하는 것이 근본적인 문제를 해결하는 것은 아닙니다. 에이전트는 경고를 요약하거나 보안 플랫폼에 질의할 수 있지만, 조직이 실제로 어떻게 운영되는지 이해하지 못하면 잘못된 결론에 이를 수 있습니다.

메이트 보안은 에이전트에게 분리된 보안 이벤트에서 추론하도록 요청하는 대신, 비즈니스 및 운영 컨텍스트에 대한 액세스를 제공함으로써 이러한 제한을 해결하려고 합니다.

“인공지능은 보안 운영에 대한 근본적인 재고를 강요하고 있습니다.”라고 카나안의 제너럴 파트너 조이딥 바타차리아는 말했습니다. “메이트에 대한 우리의 인상은 단순히 인공지능을 사용하는 것이 아니었으며, 조직이 실제로 어떻게 운영되는지에 대한 깊은 이해가 필요한 신뢰할 수 있는 인공지능을 가진 팀의 신념이었습니다.”

보안 컨텍스트 그래프, 플랫폼의 중심

메이트 보안의 플랫폼은 보안 컨텍스트 그래프를 중심으로 구축되었습니다.

그래프는 조직 전체에서 지식을 수집하고 조직화하며, 사용자, 자산, 정책, 이전 조사, 운영 워크플로우 및 승인된 활동에 대한 정보를 포함합니다. 메이트 보안은 이러한 정보를 에이전트가 연결하고 질의할 수 있는 기억으로 설명합니다.

로그인, 파일 전송 또는 구성 변경과 같은 활동은 분리된 이벤트로 처리되는 것이 아니라, 더 넓은 비즈니스에 어떻게 적합하는지 결정하려고 합니다.

예를 들어, 의심스러운 로그인 시도가 분리된 이벤트로 볼 때 악의적으로 보일 수 있지만, 해당 기간에 승인된 침투 테스트가 예정되어 있었다면 덜 우려스럽게 보일 수 있습니다.

또한, 민감한 파일을 다운로드하는 직원이 데이터 도난으로 보일 수 있지만, 승인된 프로젝트 또는 책임의 변경과 일치할 수도 있습니다. 메이트 보안의 에이전트는 이전 조사, 문서 분류 및 인적 변화와 같은 요소를 고려하여 판단을 내리도록 설계되었습니다.

회사는 그래프가 정책, 자산 소유권 및 운영 조건이 변경됨에 따라 지속적으로 재구축된다고 말합니다. 완료된 조사 또한 플랫폼에 새로운 정보를 제공하여, 이후의 조사에서 조직의 축적된 보안 지식을 활용할 수 있도록 합니다.

메이트 보안은 이러한 데이터 우선 아키텍처가 인공지능으로 생성된 판단을 더 정확하고 일관적이며 설명 가능하게 만들 수 있다고 주장합니다. 또한 조직이 경험丰富한 분석가가 떠날 때 사라질 수 있는 기관 지식을 보존하는 데 도움이 됩니다.

전문 에이전트, 조사 사이클을 커버함

컨텍스트 레이어 위에, 메이트 보안은 탐지 엔지니어링, 경고 분류, 조사, 위협 사냥 및 사건 대응을 위한 전문 에이전트를 운영합니다.

플랫폼은 이러한 기능을 별도의 워크플로우로 처리하는 대신, 연속적인 프로세스로 연결하도록 설계되었습니다. 경고를 조사하는 에이전트는 조직의 기존 기술 스택에서 증거를 조회하고, 보안 컨텍스트 그래프를 사용하여 발견한 내용을 해석하며, 다음 단계를 담당하는 에이전트에게 구조화된 정보를 전달할 수 있습니다.

메이트 보안은 에이전트가 보안 정보 및 이벤트 관리 플랫폼, 엔드포인트 탐지 도구, 身분 시스템, 티켓팅 플랫폼, 통신 애플리케이션 및 표준 운영 절차와 함께 작동할 수 있으며, 모든 데이터를 단일 저장소로 이동할 필요는 없다고 말합니다.

응답 작업은 여전히 권한으로 관리됩니다. 조직이 시스템을 구성하는 방식에 따라, 메이트 보안은 포함 단계를 권장하거나, 인간의 승인을 요청하거나, 승인된 작업을 실행할 수 있습니다.

이것은 회사에서 “최소 에이전트” 원칙을 반영합니다. 각 에이전트는 할당된 작업에 필요한 권한과 컨텍스트 정보만 받으며, 광범위한 자율성을 가진 시스템에 대한 위험을 줄입니다.

회사의 더 широк은 목표는 보안 팀이 플랫폼이 신뢰할 수 있는 결정을 내릴 수 있다는 것을 보여줌으로써 점차 자동화를 확장하는 것입니다. 높은 영향力的 동작은 감독하에 남아 있을 수 있으며, 루틴 조사에서는 분석가의 개입이 적을 수 있습니다.

에이전트 보안에 대한 오픈 접근

메이트 보안은 플랫폼을 폐쇄적인 에이전트의 모음이 아닌 오픈 재단으로 пози션합니다.

고객은 메이트 보안의 에이전트를 사용하거나, 다른 보안 벤더의 전문 에이전트를 연결하거나, 내부적으로 에이전트를 구축할 수 있습니다. 각 에이전트는 동일한 컨텍스트 레이어에서 작동하며, 권한, 품질, 감사 가능성 및 응답에 대한 공통 제어하에 작동할 수 있습니다.

이 아키텍처는 기업이 더 많은 인공지능 도구를 채택함에 따라出现하는 새로운 문제인 에이전트 조각화에 대한 해결책을 제공합니다.

공유 레이어가 없으면, 개별 보안 에이전트는 자신의 데이터를 수집하고, 별도의 기억을 유지하며, 결정을 내릴 때 다른 규칙을 적용할 수 있습니다. 이것은 충돌하는 결론을 생성하고, 보안 리더가 자동화된 동작이 왜 취해졌는지 이해하기 어렵게 만들 수 있습니다.

메이트 보안의 오케스트레이터는 에이전트가 동일한 조직 지식을 사용하고, 신뢰 제어를 공유하도록 공통 운영 구조를 제공하도록 설계되었습니다.

회사는 또한 고객이 자신의 컨텍스트의 소유권을 유지하며, 단일 에이전트, 인공지능 모델 또는 보안 벤더에 묶여 있지 않다고 말합니다. 설립자는 이러한 오픈성을 미래의 인공지능 발전에 따라 보안 아키텍처를 다시 구축하지 않고도 활용할 수 있는 조건으로 설명합니다.

에이전트, 보안 운영을 재정의

메이트 보안과 같은 플랫폼은 보안 운영이 더 연속적이고, 컨텍스트에 의존하며, 자동화된 방향으로 나아갈 수 있음을 시사합니다. 경고를 분리된 것으로 조사하는 대신, 에이전트는 이전 사건에서 교훈을 얻어 미래의 탐지, 분류 및 응답을 개선할 수 있습니다.

이것은 분석가들이 반복적인 증거 수집에서 에이전트를 감독하고, 익숙하지 않은 위협을 조사하며, 자동화가 행동할 수 있는 시기를 결정하는 방향으로 이동할 수 있습니다.

공유 컨텍스트 레이어는 기업이 여러 벤더의 에이전트를 배포할 때 중요해질 수 있습니다. 사용자, 자산 및 정책에 대한 이해가 없으면, 에이전트는 작업을 중복하거나 충돌하는 결론에 이를 수 있습니다.

결과는 완전히 자율적인 보안 운영 센터가 아니라, 에이전트가 루틴 조사에 책임을 지고, 인간이 모호하거나 높은 영향力的 결정을 제어하는 하이브리드 모델일 수 있습니다.