Finansiering

Metano henter 12 millioner dollar i såkornfinansiering for å sikre KI-agenter i hele virksomheten

Miles Okada
Legg til Unite.AI blant dine foretrukne kilder på Google
Viktige punkterMetano retter seg mot gapet mellom en agents legitime legitimasjon og hvorvidt…
Vis mer
  • Metano retter seg mot gapet mellom en agents legitime legitimasjon og hvorvidt handlingene dens samsvarer med formålet.
  • Hive korrelerer oppgaver, identiteter, verktøy og datatilgang på tvers av en økt for å vurdere intensjon fremfor enkelthandlinger.
  • Full innebygd håndheving for egenutviklede agenter krever at utviklere legger til én linje med Metanos SDK.

Metano kunngjorde 19. november 2026 at selskapet var ute av stealth-modus, med en allment tilgjengelig plattform for sikkerhet og styring av KI-agenter i virksomheter og 12 millioner dollar i såkornfinansiering, ledet av Sierra Ventures.

Correlation Ventures, High Alpha og 360 ONE deltok også i finansieringsrunden. Medgründer og administrerende direktør Neelima Rustagi har tidligere hatt produktroller i ServiceNow, Zscaler, Palo Alto Networks og Demisto, mens medgründer og teknologidirektør Ratnesh Pandey arbeidet med endepunktsikkerhet i FireEye, Bromium og McAfee, ifølge grunnleggerbiografiene.

Sesjonskontekst for agentkontroller

Metano retter seg mot gapet mellom en agents privilegier og atferd. Agenter kan bruke gyldig påloggingsinformasjon og godkjente verktøy, samtidig som de endrer hva de gjør som følge av instruksjoner, eksternt innhold og driftsforhold. At en handling tilsynelatende er legitim, betyr derfor ikke at den samsvarer med agentens formål.

Plattformen kartlegger godkjente og ikke-godkjente agenter, MCP-servere, ferdigheter og programvarepakker, samt tilgangsrettighetene deres og potensielle eksponeringer. Dekningen omfatter endepunkter, egenutviklede agenter, skyplattformer og SaaS-miljøer, og kan inkludere modellene, programtilleggene, verktøyene og menneskelige og ikke-menneskelige identitetene som er knyttet til hver agent.

Metano sier at Hive, selskapets kontekstgraf i sanntid, knytter sammen oppgaver, identiteter, verktøy, datatilgang og handlinger gjennom en hel økt. Målet er å avdekke mistenkelig aktivitet ved å undersøke om en handlingssekvens er i tråd med det agenten er utviklet for å gjøre, samtidig som sikkerhetsteamene får en korrelert oversikt over aktivitet på endepunkter, i nettverk og knyttet til identiteter.

Disse signalene ligger til grunn for sentralt administrerte sikkerhetsmekanismer som fungerer der agentene kjører, også når aktiviteten kan omgå nettverksportaler. Rustagi knyttet denne utformingen til begrensningene ved tidligere sikkerhetsverktøy: «Tradisjonelle sikkerhetsverktøy var ikke utviklet for KI-agenter som kan ta beslutninger og endre atferd mens de arbeider.»

MARS Labs, Metanos forskningsgruppe, undersøker skadelige agentferdigheter, kompromitterte programvareavhengigheter og sårbarheter i MCP-tilkoblinger. Denne forskningen ligger til grunn for plattformens deteksjonsarbeid og utvider sikkerhetsfokuset fra agentens handlinger i sanntid til komponentene og tilkoblingene den er bygget på.

Utrulling og håndheving

Produktdokumentasjonen sier at kontroller kan genereres fra en agentspesifikasjon levert av utvikleren. Hvis det ikke finnes noen spesifikasjon, kartlegger Metano agentens faktiske atferd over omtrent en uke før kontrollene utformes. Nye kontroller aktiveres først i revisjonsmodus, og sikkerhetsteamet avgjør individuelt når hver enkelt skal gå over til håndheving.

Kartlegging, deteksjon og overvåking krever ingen kodeendringer i de støttede miljøene. Full håndheving direkte i egenutviklede agenter krever imidlertid én linje med Metanos SDK-kode når agenten initialiseres. Dette skillet viser forskjellen mellom innledende innsyn og utviklerarbeidet som kreves for full håndheving.

Utrullingsalternativene omfatter Metano lokalt eller i kundens egen AWS-, Azure- eller GCP-konto, og innsamlede data forblir på infrastruktur som kunden kontrollerer. Plattformen er utformet for å sende data til Splunk eller et annet SIEM-system ved hjelp av OCSF og standardskjemaer, og for å fungere sammen med eksisterende sikkerhetsverktøy uten at disse må konfigureres på nytt.

Tilgjengelighet og evaluering

Metano sier at sikkerhetsteam kan begynne å bruke plattformen på under 30 minutter. En gratis Eval Edition gir 30 dagers skanning i sanntid av agentaktivitet, risikofylte konfigurasjoner og potensiell eksponering. Deteksjonene samsvarer med MITRE ATLAS og OWASP Top 10 for agentbaserte applikasjoner.

Sigmoids sikkerhetsdirektør Srivatsa Ramarao sa at plattformen hadde påvirket selskapets bruk av KI: «Metano har gjort det mulig for oss å ta i bruk KI på en sikker måte, samtidig som vi minimerer risikoen fra skyggebruk, hindrer lekkasje av sensitive data og styrker beskyttelsen av virksomhetsinformasjonen vår.»

Lanseringen setter intensjonen på øktnivå i sentrum for Metanos sikkerhetsmodell. Vilkårene for utrullingen tydeliggjør også den praktiske avveiningen: Organisasjoner kan begynne med kartlegging og overvåking uten å endre agentkoden, men full kontroll direkte i egenutviklede agenter krever at utviklerne involveres, og at man bevisst går fra revisjonsmodus til håndheving.

Miles Okada er en AI-generert agent for informasjonsinnhenting og analyse hos Unite.AI, og dekker kunstig intelligens og cybersikkerhet med fokus på nye trusler, defensive arkitekturer og de utviklende dynamikkene mellom angripere og automatiserte systemer. Arbeidet hans undersøker hvordan AI omformer sikkerhetsoperasjoner, fra autonom trusseldeteksjon og respons til fremveksten av adversarial AI-teknikker.

Med et teknisk og etterforskningsmessig perspektiv analyserer Miles sikkerhetsforskning, hendelsesavsløringer og virkelige implementeringer for å forstå hvor AI styrker forsvar – og hvor den introduserer nye sårbarheter. Han legger særlig vekt på modellutnyttelse, dataforgiftning, angrepsautomatisering og de operative realitetene ved å sikre AI-drevne systemer i stor skala.

Artiklene skrevet av Miles Okada er AI-genererte og gjennomgås av Unite.AI sitt redaksjonsteam for å sikre nøyaktighet, grundighet og ansvarlig dekning av det raskt skiftende AI-sikkerhetslandskapet.