Horizon3 pozyskał 250 milionów dolarów w ramach rundy E, z wyceną powyżej 2 miliardów dolarów, aby rozszerzyć testy penetracyjne oparte na sztucznej inteligencji

Horizon3 pozyskał 250 milionów dolarów w ramach rundy E z wyceną przekraczającą 2 miliardy dolarów, dając spółce z branży cyberbezpieczeństwa znaczne nowe środki na rozwój platformy testów penetracyjnych opartych na sztucznej inteligencji i dalsze przenikanie do automatycznego naprawiania obronnego.

Rundę tę poprowadzili wspólnie obecni inwestorzy NightDragon i New Enterprise Associates (NEA). Horizon3 twierdzi, że jego wycena wzrosła ponad trzykrotnie w porównaniu z wyceną 650 milionów dolarów przypisaną do rundy D ponad rok temu.

Finansowanie to pojawia się w momencie, gdy zespoły ds. bezpieczeństwa stają przed coraz trudniejszym niezrównowagieniem. Sztuczna inteligencja może pomóc atakującym w identyfikowaniu słabości, dostosowywaniu technik i poruszaniu się po skażonych środowiskach szybciej, podczas gdy wiele organizacji nadal polega na skanowaniu podatności i okazjonalnych testach penetracyjnych, które dostarczają jedynie migawkę ich postawy bezpieczeństwa.

Horizon3 stawia na to, że organizacje będą reagować, atakując ciągle własną infrastrukturę, zanim ktoś inny to zrobi.

Przekształcanie testów penetracyjnych w ciągły proces

Horizon3 jest firmą odpowiedzialną za NodeZero, platformę zaprojektowaną do przeprowadzania testów penetracyjnych w sposób autonomiczny przeciwko sieciom wewnętrznym, infrastrukturze zewnętrznej, środowiskom chmurowym, wdrożeniom Kubernetes i innym komponentom stosu technologicznego organizacji.

Zamiast po prostu generować listę znanych podatności, NodeZero próbuje wykorzystać słabości i łączyć je w kompletną ścieżkę ataku. Na przykład, błąd konfiguracji może ujawnić poświadczenia, które mogą następnie zapewnić dostęp do innego systemu i ostatecznie doprowadzić do wrażliwych danych lub uprawnień administracyjnych.

Podejście to ma na celu odróżnienie podatności, które teoretycznie istnieją, od słabości, które można naprawdę wykorzystać do spowodowania znaczącej szkody.

Podczas testu organizacje mogą obserwować techniki wykonywane za pomocą interfejsu w czasie rzeczywistym. Po zakończeniu testu platforma dostarcza dowód wykorzystania, mapuje kroki podejmowane w środowisku i proponuje działania w celu przerwania ścieżki ataku. Zespoły ds. bezpieczeństwa mogą następnie ponownie uruchomić odpowiedni test, aby potwierdzić, że naprawa była skuteczna.

NodeZero może również identyfikować problemy, które nie zależą od konwencjonalnej podatności oprogramowania, w tym słabe hasła, ujawnione poświadczenia, nieskuteczne mechanizmy bezpieczeństwa, wyciek danych i słabą segmentację sieci. Jego testy wewnętrzne mogą przechodzić od systemów lokalnych do usług takich jak Amazon Web Services, Microsoft Azure i Microsoft 365, gdy istnieje wykorzystywana ścieżka.

Celem jest zastąpienie okazjonalnych ocen cyklem powtarzalnym, który obejmuje znajdowanie słabości, naprawianie ich i testowanie tego samego środowiska ponownie.

Jak Horizon3 wykorzystuje sztuczną inteligencję bez nadania jej pełnej kontroli

Chociaż Horizon3 opisuje NodeZero jako autonomicznego hakera sztucznej inteligencji, jego architektura jest bardziej kontrolowana, niż mogłoby się wydawać.

Platforma łączy graficzne rozwiązywanie problemów, uczenie maszynowe, deterministyczne logiki i generatywną sztuczną inteligencję o wąskim zakresie. Tworzy mapę systemów, użytkowników, poświadczeń i relacji w środowisku, a następnie wykorzystuje te informacje do planowania i ponownego ustalania priorytetów potencjalnych ścieżek ataku.

Generatywna sztuczna inteligencja jest wykorzystywana do zadań takich jak identyfikacja systemów o wysokiej wartości, interpretacja potencjalnego wpływu na działalność gospodarczą w przypadku naruszenia danych, tworzenie podsumowań wykonawczych i proponowanie dodatkowych strategii, gdy test napotyka na przeszkodę. Uczenie maszynowe może klasyfikować pliki i zachowania, a rozwiązywanie problemów graficznych pomaga platformie określić, w jaki sposób poszczególne słabości mogą się łączyć.

Co ważne, Horizon3 twierdzi, że generatywne modele nie tworzą ani nie wykonują bezpośrednio eksploitów. Czynności używane do atakowania środowisk produkcyjnych są deterministyczne, prewalidowane i ograniczone przez konfigurację testu. To rozdzielenie ma na celu zachowanie elastyczności związanej z sztuczną inteligencją, jednocześnie redukując nieprzewidywalność, która pojawiłaby się, gdyby duży model językowy mógł niezależnie generować kod ataku.

High-Value Targeting, jedna z nowszych funkcjonalności platformy, ilustruje to podejście. System ocenia wzorce nazw, uprawnienia, relacje sieciowe i kontekst biznesowy, aby zidentyfikować cele, takie jak kontrolery domen, konta administracyjne i serwery bazy danych. Może następnie priorytetowo traktować ścieżki ataku, które najprawdopodobniej spowodują poważny wpływ operacyjny lub finansowy, zamiast traktować każdy dostępny system równo.

Wzrost poza tradycyjnym zarządzaniem podatnościami

Horizon3 informuje, że jego technologia przeprowadziła już około 310 000 testów w środowiskach produkcyjnych i jest wykorzystywana przez ponad 7 000 organizacji, w tym banki, sieci opieki zdrowotnej, agencje rządowe i cztery firmy z listy Fortune 10.

Spółka również zgłosiła 120% wzrostu rocznego przychodu powtarzalnego. Te dane pomagają wyjaśnić, dlaczego inwestorzy byli skłonni wesprzeć znaczącą rundę późnego etapu przy znacznie wyższej wycenie, chociaż pozostają one metrykami raportowanymi przez firmę.

Rundę finansowania przyciągnęło siedmiu nowych inwestorów: Acrew Capital, Blue Cloud Ventures, Demeter Group, EDBI, PSG, SAIC i Sapphire Ventures. Wśród inwestorów powracających znaleźli się Craft Ventures, Prosperity7 Ventures, Qualcomm (QCOM ) Ventures, Ridge Ventures i SignalFire.

Założyciel NightDragon, Dave DeWalt, który wcześniej kierował FireEye i McAfee, oraz dyrektor zarządzający NightDragon, Morgan Kyauk, dołączą do zarządu Horizon3 w ramach transakcji.

Finansowanie globalnej ekspansji i autonomicznego naprawiania

Horizon3 planuje podzielić nowy kapitał między ekspansję handlową, wzrost międzynarodowy i rozwój produktu.

Spółka zamierza zwiększyć swoje operacje sprzedaży, marketingu i kanałów wśród klientów przedsiębiorstw, rynku średniego i federalnego. Na arenie międzynarodowej przygotowuje się do wejścia na rynek Singapuru i Australii, a także do rozszerzenia swojej obecnej obecności w Europie, na Bliskim Wschodzie i w Afryce.

Bardziej doniosłą częścią planu jest przeniesienie się poza identyfikowanie wykorzystywanych problemów.

Horizon3 planuje opracować autonomiczne agenty blue-team, które mogą działać na podstawie wyników wyprodukowanych przez NodeZero. Długoterminowa koncepcja to ciągły proces uczenia, w którym system ofensywny identyfikuje i udowadnia ścieżkę ataku, agent defensywny wdraża lub proponuje poprawkę, a NodeZero testuje środowisko ponownie, aby potwierdzić, że ścieżka została zamknięta.

Spółka już wprowadziła integracje za pomocą serwera Model Context Protocol, który może przenosić wyniki testów penetracyjnych do narzędzi takich jak Jira, GitHub, platformy bezpieczeństwa i przepływy pracy jako kod. Potencjalne działania obejmują rotację skompromitowanych poświadczeń, dostosowanie reguł wykrywania punktów końcowych, wdrożenie kompensujących kontroli i weryfikację, czy naprawa była skuteczna.

NodeZero może również wdrożyć Tripwires, które są pułapkami umieszczonymi na wrażliwych lub strategicznie ważnych aktywach. Jeśli prawdziwy intruz później zainterakcjonuje z jednym z nich, system może zaalarmować organizację, że może wystąpić działalność malwersacyjna.

Od znajdowania problemów do udowadniania bezpieczeństwa

Runda E odzwierciedla szerszą zmianę w ocenie ryzyka cyberbezpieczeństwa.

Tradycyjne zarządzanie podatnościami często daje więcej wyników, niż zespoły ds. bezpieczeństwa mogą realistycznie rozwiązać. Oceny dotyczące ciężkości mogą wskazywać, że wada jest niebezpieczna w ogóle, ale nie zawsze ujawniają, czy może być dostępna, połączona z innymi słabościami lub wykorzystana do naruszenia ważnego systemu w ramach danej organizacji.

Autonomiczne testy penetracyjne próbują zawęzić tę lukę, dostarczając dowód tego, co atakujący mógłby osiągnąć w rzeczywistych warunkach. Następnie pojawia się wyzwanie, aby określić, jaki zakres wynikającego procesu naprawiania można również zautomatyzować bez wprowadzania nowych ryzyk operacyjnych.

Pozwolenie agentom defensywnym na zmianę poświadczeń, konfiguracji lub zasad bezpieczeństwa mogłoby znacznie skrócić czas reakcji. Będzie to również wymagało surowych granic zatwierdzeń, śladów audytowych, mechanizmów wycofywania i zabezpieczeń przed automatyczną poprawką, która mogłaby zakłócić systemy legitime.

Horizon3 nowe finansowanie daje mu środki na realizację tej transformacji w znacznie większej skali. Jego postępy pomogą określić, czy autonomiczne testy penetracyjne pozostaną głównie szybszym narzędziem oceny bezpieczeństwa, czy rozwiną się w szerszą warstwę kontroli, w której systemy sztucznej inteligencji ciągle atakują, naprawiają i walidują infrastrukturę przedsiębiorstw.

Runda finansowania w wysokości 250 milionów dolarów sugeruje, że inwestorzy wierzą, iż ten model może stać się ważną częścią sposobu, w jaki organizacje bronią się przed coraz bardziej złożonymi sieciami. Udowodnienie, że może być wdrożony w sposób bezpieczny i spójny, będzie teraz równie ważne, jak udowodnienie, że technologia może znaleźć sposób, aby dostać się do środowiska.