Pluto Security kommer ut av stealth-modus med 42 millioner dollar i samlet finansiering for å beskytte AI-arbeidsområder

En ansatts AI-assistent kan nå gjøre mer enn å svare på spørsmål. Den kan koble seg til bedriftens systemer, installere utvidelser, kjøre kommandoer og bygge applikasjoner. For sikkerhetsteam er utfordringen å avgjøre hvilke av disse handlingene som skal tillates – og samtidig beholde muligheten til å gripe inn når situasjonen endrer seg.

Pluto Security kommer ut av stealth-modus med 42 millioner dollar i samlet finansiering for å løse dette problemet. Selskapet kunngjorde en ny finansieringsrunde på rundt 34 millioner dollar, ledet av Jump Capital, etter en tidligere såkornrunde ledet av TLV Partners. Kunngjøringen spesifiserer ikke hvilket stadium den siste runden er på.

Pluto ble grunnlagt i 2025 og opplyser at selskapet har nådd flere millioner dollar i årlige gjentakende inntekter, sikrer mer enn 1 million endepunkter globalt og betjener mer enn 40 bedriftskunder. Blant kundene som nevnes, er Oscar Health, Workato, Sixt og AlphaSense, i tillegg til Fortune 500-selskaper. Den nye kapitalen skal finansiere produktutvikling, sikkerhetsforskning og ekspansjon i USA.

AI-arbeidsområdet blir en sikkerhetsgrense

Pluto beskriver kategorien sin som sikkerhet for AI-arbeidsområder. Den omfatter AI-verktøyene ansatte bruker, komponentene som er koblet til disse verktøyene, og applikasjonene, agentene og automatiseringene de ansatte lager.

Dette omfanget gjenspeiler en endring i hvordan programvare tas i bruk i en organisasjon. En ansatt kan sette sammen en arbeidsflyt av en AI-assistent, en ferdighet fra et fellesskap og en kobling til forretningsdata, uten å gå gjennom et tradisjonelt utviklingsprosjekt. Hver nye komponent kan endre hva assistenten får tilgang til eller kan utføre.

Model Context Protocol, eller MCP, er ett eksempel. Protokollen gjør det mulig for AI-applikasjoner å koble seg til verktøy og datakilder. Sikkerhetsspørsmålet handler ikke bare om hvorvidt selve AI-applikasjonen er godkjent: Teamene må også forstå tillatelsene og virkemåten til serverne og integrasjonene den bruker.

Dette er en del av den bredere utfordringen med programvareforsyningskjeden bak styring av AI-agenter. Hvis man vurderer en modell eller assistent isolert, overser man avhengigheter som kan påvirke hvordan den fungerer eller utvide rekkevidden dens.

Kartlegging, risikovurdering og kontroll under kjøring

Pluto sier at plattformen kombinerer oversikt over endepunkter, kontekstbasert risikoanalyse og håndheving i sanntid. Målet er å gi sikkerhetsteam nok informasjon til å begrense en farlig handling uten automatisk å forby hele verktøyet som utfører den.

På nettstedet deler Pluto plattformen inn i fire funksjoner: Explorer kartlegger AI-aktivitet; Risk Radar vurderer det som oppdages ved hjelp av risikodatabasen; Space Shield håndhever sikkerhetspolicyer; og Marketspace tilbyr et utvalgt sortiment av AI-tillegg. Selskapet beskriver en dekning som omfatter verktøy, komponenter i forsyningskjeden, atferd under kjøring og AI-genererte artefakter.

Eksemplene på nettstedet omfatter å kreve godkjenning før en agent får tilgang til et betalings-API, begrense tilgang til sensitive data og tillate pålitelige MCP-servere samtidig som andre settes i karantene. Dette er beskrivelser av hvordan produktet er ment å fungere, ikke garantier som er bekreftet gjennom uavhengig testing.

Det er viktig å skille mellom kartlegging og håndheving. En oversikt kan fortelle sikkerhetsteamet at en kobling finnes. Effektiv kontroll krever også at man vet hva den gir tilgang til, og kan begrense den aktuelle handlingen. Selv et tillatt verktøy kan møte på en usikker utvidelse, en tilgangsnøkkel med for vide rettigheter eller en oppgave som går utover brukerens fullmakter.

Tenk deg at en assistent blir bedt om å oppsummere en kundeoppføring. Å lese en tillatt oppføring og å eksportere en hel kundedatabase er to forskjellige handlinger, selv om begge utføres via den samme godkjente applikasjonen. Kontekstbaserte policyer skal skille mellom slike situasjoner. Den praktiske nytten av dem avhenger av hvor nøyaktige observasjonene er, og hvor pålitelig håndhevingen fungerer.

Plutonium undersøker komponentene rundt agenten

En sentral del av Pluto-tilnærmingen er Plutonium, en kostnadsfri katalog for sikkerhet i AI-forsyningskjeden, som ifølge kunngjøringen bygger på selskapets proprietære RisksDB. Den hjelper fagfolk med å vurdere komponenter som ferdigheter, utvidelser og MCP-servere før de tas i bruk.

Den offentlige ressursportalen beskriver en agentbasert risikomotor som kombinerer informasjon om utgivere, kompatibilitetskartlegging, kildekodegjennomgang og kodeskanning. Vurderingskategoriene omfatter kjøring av kommandoer, vedvarende tilgangstokener, deling av data med tredjeparter, endring av data og sletting av data. Den tilbyr også en MCP-inspektør og veiledning for sikker bruk.

Disse kategoriene gjør et overordnet spørsmål – om et tillegg er trygt – om til mer konkrete spørsmål om funksjoner og tilgang. En kobling som kan lese et dokument, innebærer en annen risiko enn en som kan endre oppføringer eller kjøre kommandoer. Den samme funksjonen kan også være passende for én arbeidsflyt i virksomheten, men for omfattende i en annen.

En vurdering i en katalog og beskyttelse under kjøring dekker ulike deler av problemet. Inspeksjon kan bidra til å informere beslutninger om hva som tas i bruk; løpende kontroller må ta høyde for hvordan en komponent faktisk brukes. Ingen av delene bør forveksles med et bevis på at alle fremtidige handlinger vil være ufarlige.

Tidlig kommersiell fremgang, men resultatene gjenstår å måle

Plutos rapporterte kunde- og omsetningstall tyder på tidlig etterspørsel etter denne kategorien. Selskapet sier at det har bygget opp bruken ved hjelp av sikkerhetsforskning, gratisressurser og aktiv deltakelse fra fagfolk, og at tusenvis av fagfolk bruker og bidrar til Plutonium.

Disse brukstallene er rapportert av selskapet. Kunngjøringen inneholder ingen uavhengige målinger av deteksjonsdekning, falske positiver, håndhevingsforsinkelse eller angrepsforebygging. Sikring av mer enn 1 million endepunkter beskriver den rapporterte utrullingsskalaen; det fastslår ikke at alle mulige AI-arbeidsflyter på disse enhetene er dekket.

For virksomhetskunder er de operative spørsmålene konkrete: Hvilke verktøy og kjøringsbaner er synlige, hvilke handlinger kan blokkeres, hvordan godkjennes unntak, og hvilke bevis lagres når en policy griper inn? Et system som stanser risikofylt aktivitet, men regelmessig avbryter legitimt arbeid, skaper et annet problem for virksomheten.

Et sikkerhetsteam som tar utgangspunkt i brukernes hensikter

Administrerende direktør og medgrunnlegger Shahar Bahat grunnla Pluto sammen med Tal Ofer Regev og Gil Maman. Bahat har tidligere hatt lederstillinger innen cybersikkerhet hos Microsoft og Palo Alto Networks. Regev var tidligere visepresident for forskning og utvikling hos Palo Alto Networks, mens Maman hadde tekniske lederroller i mer enn seks år i Israels militære etterretning. Pluto sier at selskapet nå har mer enn 50 ansatte fordelt på USA og Israel.

Bahat beskriver selskapets tilnærming som basert på å forstå hva brukerne prøver å oppnå, og å gi sikkerhetsteamene konteksten de trenger for å legge til rette for arbeidet på en trygg måte. Produktutfordringen er å omsette denne filosofien til presise og pålitelige kontroller etter hvert som ansatte tar i bruk nye verktøy og setter sammen nye arbeidsflyter.

Finansieringskunngjøringen plasserer Pluto i en voksende konkurranse om å sikre AI der teknologien utfører handlinger på virksomhetssystemer. Den neste prøven blir å vise at kartlegging, vurdering av komponenter og håndheving under kjøring kan fungere sammen i den skalaen som selskapets tidlige kundebase allerede representerer.