Mate Security Haalt $35 Miljoen Op Om Een Open Foundation Te Bouwen Voor AI-Beveiligingsoperaties

Mate Security heeft $35 miljoen aan serie A-financiering opgehaald als bedrijven op zoek zijn naar nieuwe manieren om beveiligingsteams te laten werken tegen aanvallen die met machinesnelheid plaatsvinden.

Canaan Partners leidde de ronde, met deelname van Insight Partners, Team8 en M12, Microsoft’s venturefonds. Alle bestaande investeerders van Mate keerden terug voor de financiering, waardoor het totale financieringsbedrag van het cybersecuritybedrijf meer dan $50 miljoen bedraagt.

De serie A arriveert slechts acht maanden nadat Mate Security uit de stealth-modus kwam met een overschreven $15,5 miljoen aan seed-financiering. Het bedrijf zegt dat het sinds het derde kwartaal van 2025 met meer dan 500% is gegroeid, mede door de adoptie onder Fortune 500-beveiligingsoperatiecentra.

Mate Security plant om het kapitaal te gebruiken om de groeiende vraag van ondernemingen te vervullen, uit te breiden naar aanvullende markten en om zijn agentic security operations-platform verder te ontwikkelen.

Beveiligingsoperaties: Een Nieuw Schalingsprobleem

De snelle ontwikkeling van generatieve AI heeft invloed op beide kanten van cybersecurity.

Beveiligingsteams krijgen toegang tot AI-systemen die in staat zijn om waarschuwingen te analyseren, bewijs te verzamelen en delen van een onderzoek te automatiseren. Tegelijkertijd kunnen aanvallers AI gebruiken om systemen te testen, technieken aan te passen en campagnes te lanceren met een snelheid die traditionele beveiligingsoperaties niet zijn ontworpen om aan te kunnen.

Dit creëert een moeilijke mismatch. Veel beveiligingsoperatiecentra, of SOC’s, vertrouwen nog steeds op analisten die tussen losse tools schakelen, wachtrijen van waarschuwingen bekijken en handmatig reconstrueren wat er tijdens een incident is gebeurd.

Het toevoegen van een AI-assistent aan die omgeving lost het onderliggende probleem niet noodzakelijkerwijs op. Een agent kan een waarschuwing samenvatten of een beveiligingsplatform ondervragen, maar hij kan nog steeds tot de verkeerde conclusie komen als hij niet begrijpt hoe de organisatie daadwerkelijk werkt.

Mate Security probeert die beperking aan te pakken door beveiligingsagenten toegang te geven tot bedrijfs- en operationele context in plaats van hen te vragen om te redeneren vanuit geïsoleerde beveiligingsgebeurtenissen.

“AI dwingt ons om de beveiligingsoperaties fundamenteel te heroverwegen”, zei Joydeep Bhattacharyya, algemeen directeur van Canaan. “Wat ons opviel aan Mate was niet alleen het gebruik van AI, maar het team geloofde dat betrouwbaar AI een diep begrip van hoe een organisatie werkt vereist.”

Een Beveiligingscontextgrafiek Staat Centraal In Het Platform

Het platform van Mate Security is gebouwd rond een zogenaamde Beveiligingscontextgrafiek.

De grafiek verzamelt en organiseert kennis vanuit de hele organisatie, waaronder informatie over gebruikers, activa, beleid, eerdere onderzoeken, operationele workflows en goedgekeurde activiteiten. Mate Security beschrijft deze informatie als herinneringen die door zijn AI-agenten kunnen worden verbonden en ondervraagd.

In plaats van elke inlog, bestandsoverdracht of configuratiewijziging te behandelen als een geïsoleerd evenement, probeert het systeem te bepalen hoe de activiteit past in het bredere bedrijf.

Een reeks verdachte inlogpogingen kan bijvoorbeeld kwaadwillig lijken als ze alleen via identiteitslogboeken worden bekeken. Dezelfde activiteit kan minder verontrustend zijn als het systeem weet dat een geautoriseerde penetratietest voor die periode was gepland.

Evenzo kan een werknemer die gevoelige bestanden downloadt aanduiden dat gegevens worden gestolen. Het kan ook consistent zijn met een goedgekeurd project of een wijziging in verantwoordelijkheden. De agenten van Mate Security zijn ontworpen om factoren zoals personeelswijzigingen, documentclassificaties en eerdere onderzoeken te overwegen voordat ze tot een oordeel komen.

Het bedrijf zegt dat de grafiek continu wordt herbouwd als beleid, activabezit en operationele omstandigheden veranderen. Voltooide onderzoeken kunnen ook nieuwe informatie terugvoeren naar het platform, waardoor latere onderzoeken kunnen putten uit de opgebouwde beveiligingskennis van de organisatie.

Mate Security stelt dat deze data-first-architectuur AI-gegenereerde oordelen meer nauwkeurig, consistent en verklarend kan maken. Het helpt ook om institutionele kennis te behouden die anders zou kunnen verdwijnen als ervaren analisten een organisatie verlaten.

Specialized Agents Dekken Het Onderzoeksproces

Bovenop de contextlaag werkt Mate Security met gespecialiseerde agenten voor detectie-engineering, waarschuwingsclassificatie, onderzoek, bedreigingsjacht en incidentrespons.

Het platform is bedoeld om deze functies te verbinden als een continu proces in plaats van ze als afzonderlijke workflows te behandelen. Een agent die een waarschuwing onderzoekt, kan bewijs uit de bestaande technologie van de organisatie opvragen, de Beveiligingscontextgrafiek gebruiken om te interpreteren wat hij vindt en gestructureerde informatie doorgeven aan een andere agent die verantwoordelijk is voor het volgende stadium.

Mate Security zegt dat zijn agenten kunnen werken met beveiligingsinformatie- en eventmanagementplatforms, eindpuntdetectietools, identiteitssystemen, ticketplatforms, communicatie-applicaties en standaardoperatieprocedures zonder dat alle gegevens in een enkele repository hoeven te worden verplaatst.

Reactieacties blijven worden beheerd door machtigingen. Afhankelijk van hoe de organisatie het systeem configureert, kan Mate Security een containerniveau aanbevelen, menselijke goedkeuring aanvragen of een geautoriseerde actie uitvoeren.

Dit weerspiegelt wat het bedrijf een “minste-agent”-principe noemt. Elke agent krijgt alleen de machtigingen en contextuele informatie die nodig zijn voor zijn toegewezen taak, waardoor het risico dat wordt gecreëerd door een breed autonoom systeem onbeperkte toegang te geven, wordt verminderd.

Het bredere doel van het bedrijf is om beveiligingsteams te laten groeien door de automatisering uit te breiden naarmate het platform aantoont dat het betrouwbare beslissingen kan nemen. Hoge-impactacties kunnen onder toezicht blijven, terwijl routineonderzoeken mogelijk minder analistbetrokkenheid kunnen hebben.

Een Open Aanpak Voor Agentic Beveiliging

Mate Security positioneert het platform als een open fundament in plaats van een gesloten verzameling van propriëtaire agenten.

Klanten kunnen de agenten van Mate Security gebruiken, gespecialiseerde agenten van andere beveiligingsleveranciers aansluiten of agenten intern bouwen. Elk kan werken op hetzelfde beheerde contextniveau en onder gemeenschappelijke controles voor machtigingen, kwaliteit, controleerbaarheid en reactie.

Die architectuur adresseert een opkomende zorg als ondernemingen meer AI-hulpmiddelen adopteren: agentfragmentatie.

Zonder een gedeelde laag kunnen individuele beveiligingsagenten hun eigen gegevens verzamelen, afzonderlijke herinneringen onderhouden en verschillende regels toepassen bij het nemen van beslissingen. Dit kan tot conflicterende conclusies leiden en het moeilijk maken voor beveiligingsleiders om te begrijpen waarom een geautomatiseerde actie is ondernomen.

De orchestrator van Mate Security is bedoeld om een gemeenschappelijke operationele structuur te bieden, zodat agenten dezelfde kennis van de organisatie en vertrouwenscontroles gebruiken, zelfs als ze zijn ontwikkeld door verschillende leveranciers.

Het bedrijf stelt ook dat klanten de eigendom behouden van hun context en niet zijn gebonden aan één agent, AI-model of beveiligingsleverancier. De oprichters beschrijven die openheid als een vereiste voor organisaties die van toekomstige AI-vooruitgang willen profiteren zonder elke keer dat een nieuw model verschijnt hun beveiligingsarchitectuur opnieuw te moeten opbouwen.

AI-Agenten Kunnen Beveiligingsoperaties Herschikken

Platformen zoals Mate Security wijzen naar beveiligingsoperaties die meer continu, contextueel en geautomatiseerd worden. In plaats van waarschuwingen in isolatie te onderzoeken, kunnen AI-agenten lessen uit eerdere incidenten onthouden en deze gebruiken om toekomstige detectie, classificatie en respons te verbeteren.

Dit kan analisten wegleiden van repetitieve bewijsverzameling en naar het toezicht op agenten, het onderzoeken van onbekende bedreigingen en het beslissen wanneer automatisering mag worden toegestaan.

Een gedeelde contextlaag kan ook belangrijk worden als ondernemingen agenten van meerdere leveranciers inzetten. Zonder een gemeenschappelijk begrip van gebruikers, activa en beleid kunnen die agenten dubbele werkzaamheden uitvoeren of tot conflicterende conclusies komen.

Het waarschijnlijke resultaat is niet een volledig autonoom beveiligingsoperatiecentrum, maar een hybride model waarin agenten routineonderzoeken afhandelen, terwijl mensen de controle behouden over dubieuze of hoge-impactbeslissingen.