Mave haalt $28 miljoen op in Series A-financieringsronde en brengt totale financiering voor agentische SecOps op $34 miljoen

Een verdachte aanmelding kan aanwijzingen achterlaten op een identiteitsplatform, in een endpointtool en in een cloudaccount, zonder dat één systeem het hele incident laat zien. Mave bouwt AI-agenten die die aanwijzingen met elkaar verbinden op de plekken waar ze al voorkomen. De startup uit Tel Aviv heeft 34 miljoen dollar aan financiering aangekondigd, waaronder een serie A-financieringsronde van 28 miljoen dollar, om een platform voor agentische beveiligingsoperaties uit te breiden dat werkt met de bestaande tools van een onderneming.

Red Dot Capital Partners leidde de Series A-financieringsronde, waaraan ook Lumir Growth Partners deelnam. Het totaal omvat ook een seedronde van $6 miljoen onder leiding van Dell Technologies Capital en Emerge Ventures. Mave zal het kapitaal gebruiken om zijn AI-onderzoek verder te ontwikkelen, zijn producten voor ondernemingen te versterken en internationaal uit te breiden.

De propositie van het bedrijf richt zich op een bekend knelpunt in de beveiliging: de aanschaf van gespecialiseerde tools zorgt er niet automatisch voor dat hun bevindingen met elkaar worden verbonden. Mave wil het onderzoek tussen die systemen voor zijn rekening nemen en vervolgens reacties uitvoeren binnen de grenzen die het beveiligingsteam heeft vastgesteld.

Onderzoek uitvoeren in de hele stack zonder opnieuw gegevens te migreren

Traditionele systemen voor beveiligingsinformatie en -gebeurtenisbeheer, of SIEM-systemen, brengen logbestanden samen zodat analisten naar verdachte activiteiten kunnen zoeken. Om een incident te begrijpen, kan echter informatie nodig zijn die niet in de verzamelde logbestanden staat: of een account nog steeds bevoorrechte toegang heeft, wie verantwoordelijk is voor een asset of hoe een systeem op dat moment is geconfigureerd.

Mave wil verbonden tools bevragen in hun eigen talen, tijdens een onderzoek context ophalen en de resultaten met elkaar in overeenstemming brengen. Volgens het bedrijf hoeven klanten niet eerst al hun telemetrie naar een andere centrale database te verplaatsen om het platform te gebruiken.

Neem een onderzoek naar een mogelijk gecompromitteerd account. Alleen de aanmelding controleren maakt mogelijk niet duidelijk of de gebruiker toegang heeft gehad tot een gevoelige workload of dat een bijbehorend endpoint ongebruikelijke activiteit heeft vertoond. Voor een bruikbaar onderzoek moeten gegevens over identiteit, apparaten en applicaties met elkaar in verband worden gebracht. Dit voorbeeld illustreert het soort werk waarop Mave zich richt: het incident door verschillende systemen heen volgen, in plaats van te wachten tot iemand alle verbanden handmatig legt.

Deze architectuur kan het migratiewerk beperken dat gepaard gaat met de invoering van een ander beveiligingsplatform. De aanpak blijft wel afhankelijk van de kwaliteit en toegankelijkheid van het verbonden bewijsmateriaal. Ontbrekende telemetrie, beperkte machtigingen of niet-beschikbare API’s kunnen beperken wat een onderzoeker, menselijk of geautomatiseerd, kan vaststellen.

Een combinatie van kleine modellen, grote modellen en workflows

Volgens het persbericht combineert Mave speciaal ontwikkelde workflows, fijn afgestemde kleine taalmodellen en toonaangevende grote taalmodellen. Het systeem gebruikt die combinatie voor taken met een hoog volume en voor complexere redeneringen, en legt tegelijkertijd zijn zoekopdrachten, beslissingen en acties vast.

Dat onderscheid is belangrijk, omdat een beveiligingsonderzoek een reeks handelingen omvat en niet simpelweg bestaat uit het genereren van een toelichting. Het systeem moet bepalen welk bewijsmateriaal het opvraagt, de reactie interpreteren, vaststellen wat nog onduidelijk is en beoordelen of een nieuwe zoekopdracht of een responsactie gerechtvaardigd is. Door die stappen vast te leggen in een controleerbaar dossier krijgt een analist iets dat nuttiger is dan alleen een eindoordeel.

Mave zegt alle waarschuwingen binnen enkele minuten te onderzoeken, fout-positieven eruit te filteren, relevante aanvalscampagnes te identificeren en goedgekeurde reacties uit te voeren. Dit zijn de door het bedrijf genoemde mogelijkheden; de aankondiging bevat geen onafhankelijke benchmarkresultaten of voldoende informatie over de gebruikte methodologie om aan te tonen dat deze prestatieniveaus in verschillende klantomgevingen worden gehaald.

“Beveiligingsteams onderzoeken bedreigingen nog steeds met één tool tegelijk en voegen handmatig bewijsmateriaal samen voordat ze tot een oordeel kunnen komen. Aanvallers wachten niet”, zei Raziel Oren, medeoprichter en CEO van Mave, in de aankondiging.

Van onderzoek naar waarschuwingen naar gecontroleerde respons

De beschrijving van het platform van Mave geeft meer informatie dan het financieringsbericht. Integraties maken verbinding via API’s en beginnen met alleen-lezen toegang. Dankzij de interface in natuurlijke taal kunnen teams in verbonden systemen zoeken. De onderliggende bewerkingen worden omschreven als deterministische, herhaalbare stappen die gebruikers kunnen controleren.

Op de website vermeldt het bedrijf ook federatief zoeken, threat hunting en detectie-engineering. Dit detectiewerk omvat het opsporen van regels die veel ruis veroorzaken of niet werken, en het voorstellen of doorvoeren van aanpassingen. Daarmee reikt het aanbod verder dan het wegwerken van een wachtrij met waarschuwingen: bevindingen uit onderzoeken kunnen richting geven aan zoekopdrachten naar verwante activiteit en aan verbeteringen van toekomstige detecties.

Mave zegt op zijn website dat destructieve acties standaard goedkeuring vereisen, dat machtigingen per platform worden afgebakend en dat teams bepalen welke processen automatisch worden uitgevoerd. Het platform ondersteunt ook de toevoeging van organisatiecontext, zoals beleid, informatie over eigenaarschap en uitzonderingen. Dankzij die maatregelen blijft het onderscheid duidelijk tussen bewijsmateriaal ophalen en bevoegd zijn om een productiesysteem te wijzigen.

Dat onderscheid wordt steeds belangrijker nu AI-tools toegang krijgen tot bedrijfsprocessen. Zoals Unite.AI uitlegt in zijn berichtgeving over AI-agents die doelwit worden van phishing, zijn de inhoud waarmee een agent in aanraking komt en de handelingen die zijn machtigingen toestaan afzonderlijke beveiligingskwesties. Voor defensieve agents maken dezelfde grenzen goedkeuringsregels en een auditspoor essentieel voor de implementatie.

Commercieel succes en de volgende groeifase

Mave, opgericht in 2025 door Oren en CTO Guy Eshel, is gegroeid tot 20 medewerkers. Oren leidde eerder de commerciële strategie bij Wing Security, terwijl Eshel de eerste medewerker van Alterya was en later vicepresident onderzoek en ontwikkeling werd, voordat het bedrijf werd overgenomen door Chainalysis. Beide oprichters dienden eerder bij de Israëlische Unit 8200.

Mave zegt dat zijn klanten bestaan uit grote ondernemingen en aanbieders van beheerde beveiligingsdiensten, met implementaties in gereguleerde financiële en zorgomgevingen. Volgens de openbare aankondiging van de lancering draait het platform in meer dan 200 Security Operations Centers. Het persbericht meldt ook transacties ter waarde van zeven cijfers en een groei van de jaarlijkse terugkerende omzet met meer dan 400% in het afgelopen jaar, zonder een absoluut ARR-bedrag bekend te maken.

Het platform is algemeen beschikbaar en het bedrijf wil zijn personeelsbestand meer dan verdubbelen, met de nadruk op aanwervingen voor functies in AI-onderzoek en commerciële ontwikkeling. Dankzij de nieuwe financiering kan Mave zowel de redenering achter onderzoeken als de bedrijfsbrede beheersmaatregelen voor de uitvoering ervan verder ontwikkelen.

Voor klanten bestaat de kans erin meer waarde te halen uit de beveiligingssystemen die ze al gebruiken. De volgende uitdaging voor Mave is om die belofte waar te maken met reproduceerbare onderzoeken en passende controle over de reacties in uiteenlopende omgevingen, waar snellere beslissingen op bewijs gebaseerd moeten blijven.