Onit Security henter inn 11 millioner dollar for å eliminere flaskenhalser som bremser ned cyberforsvar

Onit Security har kommet ut av skjul med en seed-runde på 11 millioner dollar ledet av Hetz Ventures og Brightmind Partners, og plasserer seg selv i sentrum av en voksende endring i cybersikkerhet: fra oppdaging til autonom reparasjon.

Selskapets grunnleggelseshistorie er rotet i en virkelig feil. Et tidligere firma ledet av medgrunnlegger Ofer Amitai ble angrepet etter at en kjent sårbarhet satt begravd i en venteliste, og høydepunktet et systemisk problem over hele industrien. I dag er organisasjoner overveldet av titusener av uløste sårbarheter, mens angripere bare trenger minutter for å utnytte dem.

Hvorfor sårbarhetsstyring bryter sammen

Kjernen av problemet er ikke mangelen på verktøy. Det er den voksende gapet mellom å identifisere risiko og faktisk å fikse det.

Sikkerhetsplattformene har blitt svært effektive til å avdekke sårbarheter, men reparasjonen forblir langsom, manuell og fragmentert. Teamene må bestemme eierskap, vurdere forretningspåvirkning og koordinere over avdelinger – ofte gjennom frakoblete systemer. Denne prosessen kan ta uker, mens angriperne opererer i nære sanntid.

Skalaproblemet akselerer. Sårbarhetsdatabasene forventes å overstige en million poster innen slutten av årtiet, og forsterker en allerede uoverstigelig venteliste.

Hva som kommer frem er en strukturell ubalanse: forsvarerne opererer fortsatt med arbeidsflyter designet for en langsommere æra, mens angriperne blir stadig mer automatisert.

Fra billetter til autonom reparasjon

Onit Security prøver å lukke gapet ved å tenke om hvordan eksponeringsstyring fungerer på et grunnleggende nivå.

I stedet for å generere billetter og å stole på menneskelig koordinering, bruker plattformen AI-agenter til å ta eierskap av hele reparasjonslivssyklusen. Målet er å erstatte gjentakende triage og prioritering med en beslutningsbasert modell hvor en enkelt menneske-definert handling kan løse tusener av lignende problemer automatisk.

Dette tilnærmingen introduserer flere nøkkelendringer:

• Forretningskontekst-prioritering: Sårbarheter blir rangert basert på virkelige verdenspåvirkning i stedet for generiske vurderingssystemer
• Automatisk eierskapskartlegging: Plattformen identifiserer hvem som er ansvarlig for hver enkelt aktiv ved å analysere fragmentert intern data
• Eksekvering, ikke orkestrering: AI-agenter utfører reparasjonssteg i stedet for bare å tildele oppgaver
• Kumulativ løsning: Når en fikseringsstrategi er definert, blir den gjenbrukt over lignende eksponeringer fremover

Resultatet er et system som ikke bare reduserer arbeidsbyrden, men også prøver å eliminere den gjentakende naturen av sårbarhetsstyring helt og holdent.

Oppblomstringen av agenssikkerhet

Onit Security er en del av en bredere bevegelse mot agenssikkerhet, hvor systemer ikke bare analyserer data, men også aktivt tar handlinger.

I cybersikkerhet er denne endringen spesielt betydelig. AI-agenter kan kontinuerlig overvåke miljøer, samle inn trusler og foreslå eller utføre fikseringer i en hastighet som stemmer bedre overens med angriperne. I praksis holder de fleste utrullinger fortsatt en menneskelig operatør i løkken for sluttgodkjenning, og reflekterer både teknisk og organisatorisk forsiktighet.

Hva som endrer seg er rollen til den menneskelige operatøren. I stedet for å håndtere enkeltvarsel, definerer teamene politikker og beslutninger som AI-systemer håndhever i stor skala.

En fremtid med selvhelende sikkerhetssystemer

Hvis denne modellen viser seg å være effektiv, kan den fundamentalt endre hvordan organisasjoner tenker om cybersikkerhet.

I stedet for å behandle sårbarheter som en stadig voksende kø av problemer å prioritere, kan systemer kontinuerlig løse eksponeringer som en del av normal drift. Ventelisten selv kan begynne å forsvinne, erstattet av en dynamisk miljø hvor risikoer håndteres nesten like raskt som de oppdages.

Dette har videre implikasjoner utover effektivitet. Sikkerhetsteam kan skifte fra reaktiv brannslukking til strategisk tilsyn, fokusere på å definere politikker, evaluere spesialtilfeller og forstå systemisk risiko i stedet for å jage enkeltproblemer. Samtidig kan organisasjoner begynne å forvente nesten øyeblikkelig fiksering som standard, ikke unntak.

Det er også en kumulativ effekt. Ettersom AI-systemer lærer av hver fikseringshandling, bygger de institusjonell kunnskap som skalerer over miljøer. Over tid kan dette føre til infrastruktur som ikke bare fikserer seg selv, men også blir stadig mer motstandsdyktig uten å kreve proporsjonale økninger i antall ansatte.

Den lengrevarige banen peker mot autonome sikkerhetsarkitekturer, hvor oppdaging, prioritering og fiksering er tett integrert i en kontinuerlig løkke. I den verden skifter fordelen til organisasjoner som kan handle raskest, ikke bare de som kan se mest.

For en bransje som har brukt tiår på å forbedre synlighet uten å løse utførelse, kan denne skiftet være den viktigste endringen hittil.