Bloom Security kommer ut av stealth-modus med 20 millioner dollar for å sikre AI-naturlig endpoint

Bloom Security har kommet ut av stealth-modus med 20 millioner dollar i seed-finansiering for å løse en voksende blind flekk i bedriftssikkerhet: den økende samlingen av AI-agenter, nettleser-utvidelser, kodepakker og lokale automatiseringsverktøy som kjører på medarbeiderens enheter.

Runden ble ledet av Glilot Capital Partners, med deltakelse fra Ten Eleven Ventures, Okta Ventures og Runtime Ventures. Engelske investorer inkluderer grunnleggerne av sikkerhetsbedriftene Dig Security, Demisto, Snyk og Talon. Bloom lanserer med et team på 30 personer og sier at deres plattform allerede er distribuert til dusinvis av store bedrifter i USA og Europa.

Bedriftens endpoint blir vanskeligere å definere

Tradisjonell endpoint-sikkerhet ble bygget for å håndtere enheter som kjører godkjent programvare, med verktøy for å oppdage og svare på trusler som fokuserte primært på malware og mistenkelige prosesser.

Generativ AI har forstyrret denne modellen. Medarbeidere kan nå legge til kodehjelpere, AI-agenter, nettleser-utvidelser, åpne kildekodespakker og lokale automatiseringsverktøy utenom tradisjonelle innkjøpskanaler. Nettlesere og utviklingsmiljøer har blitt programvaremarkeder, mens agenter kan installere avhengigheter uavhengig.

Et resultat av dette er at endepunktene utvikler seg til å bli konstant endrende programværemiljøer. Sikkerhetsteamene må nå vurdere ikke bare om et verktøy er skadelig, men også om et lovlig verktøy er egnet for en bestemt bruker, enhet og data-miljø.

En nettleser-utvidelse kan være lavrisiko på en laptop, men farlig på en leders enhet. Liksom et godkjent AI-agent kan bli overprivilegert hvis det kan få tilgang til produksjonskredensialer, kundedata eller finansielle poster.

Bygging av en inventar over hva som faktisk kjører

Bloom-plattformen opprettholder en kontinuerlig oppdatert inventar over programvare på tvers av en organisasjons endpoint-flåte, inkludert applikasjoner, nettleser-utvidelser, utviklingsmiljø-utvidelser, AI-verktøy, Model Context Protocol-servere og lokale kodebiblioteker.

Model Context Protocol, eller MCP, lar AI-agenter koble til eksterne verktøy, datakilder og forretningsystemer. Mens disse koblingene utvider hva agentene kan gjøre, kan de også eksponere følsom informasjon eller aktivere handlinger på en brukers vegne.

Bloom analyserer hver komponents utvikler, opphav, tillatelser, konfigurasjon og tilgang til bedriftsressurser. Det sporer også endringer over tid, noe som hjelper sikkerhetsteamene med å identifisere programvare som er introdusert gjennom markeder, pakkeledere, bakgrunnsoppdateringer eller automatisert agentaktivitet.

Dette er spesielt relevant i programvareutvikling, hvor en kodeagent kan velge rammeverk og installere flere avhengigheter før en utvikler gjennomgår den resulterende applikasjonen.

Vurdere risiko i kontekst

Utenfor å identifisere programvare, vurderer Bloom konteksten hvor hver komponent opererer. Plattformen kombinerer markedskunnskap, statisk analyse og atferdssandboxing for å vurdere konfigurasjoner, tillatelser, data-tilgang, sårbare pakker, politikum-omgåelser og interaksjoner mellom verktøy.

Risiko måles i henhold til faktorer som medarbeiderens rolle, sensitiviteten til tilgjengelig data og systemene som er koblet til enheten. En utvidelse som er akseptabelt for en bruker kan utgjøre større eksponering på en lederens laptop, mens en AI-agent som opererer i en testmiljø presenterer mindre risiko enn en som har tilgang til produksjonskredensialer.

Dette tillater Bloom å gå utover enkle godkjente eller blokkerte politikker. Det er spesielt relevant for nettleser-utvidelser, som kan ha brede tillatelser til å lese nettside-data, interagere med faneblad og kommunisere med eksterne tjenester, og skape potensielle innfallspor til bedriftssystemer som malware-fokuserte verktøy kan overse.

Bevege seg fra synlighet til gjennomføring

Bloom er også designet for å gå utover risikodeteksjon og inn i direkte endpoint-gjennomføring. Plattformen kan blokkere sårbare komponenter før installasjon, fjerne risikable verktøy, tilbakekalle tillatelser, korrigere usikre konfigurasjoner og vise administratorer hvilke medarbeidere som vil bli berørt av en endring av politikken.

Politikker kan være tilpasset bestemte verktøy, team eller brukere på tvers av kanaler inkludert npm, Chrome Web Store og Open VSX. Blooms AI-veglinger kan også begrense hva agenter er tillatt å få tilgang til, kjøre eller overføre mens de korrigerte overprivilegerte Model Context Protocol-konfigurasjoner.

Målet er å erstatte generelle restriksjoner med mer målrettede kontroller som reduserer risiko uten å unødvendig forstyrre legitime arbeidsflyter. Blooms effektivitet vil til slutt avhenge av om den kan opprettholde denne presisjonen på tvers av komplekse bedriftsmiljøer.

En grunnleggende team med erfaring fra bedriftssikkerhet

Bloom ble grunnlagt av CEO Itay Keren, Chief Product Officer Ofir Balassiano og Chief Technology Officer Itay Frishman.

Keren hadde tidligere ledende stillinger innen ingeniørarbeid og salgsingeniørarbeid i Palo Alto Networks (PANW ), Dig Security og Demisto. Begge Dig Security og Demisto ble kjøpt av Palo Alto Networks.

Balassiano ledet forskning for Cortex Cloud Posture Security i Palo Alto Networks, med fokus på AI, identitet og datasikkerhet. Han arbeidet tidligere i Dig Security og XM Cyber.

Frishman hjalp til å bygge AI-sikkerhetsprodukter og datasikkerhetsprodukter i Palo Alto Networks og Dig Security. Mange av Blooms nåværende ansatte arbeidet tidligere sammen i Dig Security.

Denne felles bakgrunnen gir selskapet erfaring med å bygge sikkerhetsprodukter for store organisasjoner, selv om Bloom går inn i en konkurrerende marked hvor endpoint-sikkerhet, nettlesersikkerhet, AI-styring, programvare-tilførselsikkerhet og datasikkerhet stadig overlapper.

Finansiering av et nytt lag av endpoint-sikkerhet

Den videre betydningen av Bloom Securitys lansering er at endpoint-sikkerhet kan trenge å utvides utover malwaredeteksjon ettersom AI-agenter, nettleser-utvidelser og autonome verktøy blir mer vanlige på arbeidsplassen.

Sikkerhetsteamene vil stadig mer trenge å forstå ikke bare hva slags programvare som kjører, men også hva slags data den kan få tilgang til, hva slags handlinger den kan utføre og hvordan risikoen endrer seg basert på brukeren og enheten. Dette kan presse endpoint-sikkerhet nærmere identitetshåndtering, programvare-tilførsels-overvåking, nettlesersikkerhet og AI-styring.

Det er fortsatt uklart om AI-naturlig endpoint-beskyttelse vil utvikle seg til en egen sikkerhetskategori eller bli en del av eksisterende sikkerhetsplattformer. Uansett vil leverandørene møte press for å tilby mer kontekstuelle kontroller uten å stole på generelle restriksjoner som reduserer produktivitet eller oppmuntre medarbeidere til å omgå godkjente systemer.