Mate Security pozyskał 35 mln dolarów, aby zbudować otwarte podstawy dla operacji bezpieczeństwa opartych na sztucznej inteligencji

Mate Security pozyskał 35 milionów dolarów w ramach finansowania serii A, ponieważ przedsiębiorstwa szukają nowych sposobów prowadzenia zespołów bezpieczeństwa przeciwko atakom, które zachodzą z prędkością maszynową.

Canaan Partners poprowadził rundę, z udziałem Insight Partners, Team8 oraz M12, funduszu venture Microsoftu. Wszyscy istniejący inwestorzy Mate powrócili do finansowania, co zwiększyło łączne finansowanie spółki do ponad 50 milionów dolarów.

Runda serii A nastąpiła zaledwie osiem miesięcy po tym, jak Mate Security wyłonił się ze stealth z przeszło 15,5 miliona dolarów w rundzie seed. Firma twierdzi, że od trzeciego kwartału 2025 roku wzrosła o ponad 500%, co było częściowo spowodowane przyjęciem przez centra operacji bezpieczeństwa wśród firm z listy Fortune 500.

Mate Security planuje wykorzystać kapitał, aby zaspokoić rosnące zapotrzebowanie przedsiębiorstw, rozszerzyć się na dodatkowe rynki i kontynuować rozwój swojej platformy operacji bezpieczeństwa opartej na agencjach.

Operacje bezpieczeństwa to nowy problem skalowania

Szybki rozwój generatywnej sztucznej inteligencji wpływa na obie strony bezpieczeństwa.

Zespoły bezpieczeństwa zyskują dostęp do systemów sztucznej inteligencji, które mogą analizować alerty, zbierać dowody i automatyzować części dochodzenia. Jednocześnie atakujący mogą wykorzystywać sztuczną inteligencję, aby sondować systemy, dostosowywać techniki i uruchamiać kampanie z prędkością, której tradycyjne operacje bezpieczeństwa nie były w stanie obsłużyć.

Powstaje trudne niezgodność. Wiele centrów operacji bezpieczeństwa, czyli SOC, nadal polega na analitykach, którzy poruszają się między niepołączonymi narzędziami, przeglądają kolejki alertów i ręcznie odtwarzają, co się wydarzyło podczas incydentu.

Dodanie asystenta sztucznej inteligencji do tego środowiska niekoniecznie rozwiązuje podstawowy problem. Agent może być w stanie podsumować alert lub zapytać platformę bezpieczeństwa, ale może również dojść do błędnych wniosków, jeśli nie rozumie, jak organizacja naprawdę działa.

Mate Security próbuje rozwiązać ten problem, dając agentom bezpieczeństwa dostęp do kontekstu biznesowego i operacyjnego, zamiast prosić ich o wnioskowanie z izolowanych zdarzeń bezpieczeństwa.

“Sztuczna inteligencja zmusza do fundamentalnej przebudowy operacji bezpieczeństwa”, powiedział Joydeep Bhattacharyya, partner generalny w Canaan. “To, co nas wyróżniało w Mate, nie było po prostu użycie sztucznej inteligencji, ale przekonanie zespołu, że godna zaufania sztuczna inteligencja wymaga głębokiego zrozumienia, jak organizacja działa.”

Wykres kontekstu bezpieczeństwa znajduje się w centrum platformy

Platforma Mate Security jest zbudowana wokół tego, co firma nazywa wykresem kontekstu bezpieczeństwa.

Wykres gromadzi i organizuje wiedzę z całej organizacji, w tym informacje o użytkownikach, aktywach, politykach, poprzednich dochodzeniach, przepływach roboczych i zatwierdzonych działaniach. Mate Security opisuje te informacje jako “pamięci”, które mogą być połączone i zapytane przez jej agenci sztucznej inteligencji.

Zamiast traktowania każdego logowania, transferu plików lub zmiany konfiguracji jako izolowanego zdarzenia, system próbuje określić, jak działanie wpisuje się w szerszy biznes.

Na przykład seria podejrzanych prób logowania może wyglądać na złośliwą, gdy jest widziana tylko przez dzienniki tożsamości. Ta sama aktywność może być mniej niepokojąca, gdy system wie, że uprawniony test penetracyjny został zaplanowany na ten okres.

Podobnie, pracownik pobierający wrażliwe pliki może wskazywać na kradzież danych. Mogłoby to być również zgodne z zatwierdzonym projektem lub zmianą odpowiedzialności. Agenci Mate Security są zaprojektowani tak, aby brać pod uwagę czynniki, takie jak zmiany personelu, klasyfikacja dokumentów i wcześniejsze dochodzenia, zanim dojdą do werdyktu.

Firma twierdzi, że wykres jest ciągle odbudowywany, gdy polityki, własność aktywów i warunki operacyjne ulegają zmianie. Zakończone dochodzenia mogą również dostarczyć nowe informacje z powrotem do platformy, co pozwala na przyszłe dochodzenia, które mogą korzystać z zgromadzonej wiedzy bezpieczeństwa organizacji.

Mate Security twierdzi, że ta architektura oparta na danych może sprawić, że wypowiedzi generowane przez sztuczną inteligencję będą bardziej dokładne, spójne i wyjaśnialne. Pomaga również zachować wiedzę instytucjonalną, która mogłaby inaczej zniknąć, gdy doświadczeni analitycy opuszczają organizację.

Specjalizowane agenci obejmują cykl dochodzenia

Na szczycie warstwy kontekstu Mate Security obsługuje specjalistyczne agenci do inżynierii wykrywania, triażu alertów, dochodzenia, polowania na zagrożenia i reagowania na incydenty.

Platforma ma na celu połączenie tych funkcji w ciągły proces, a nie traktowanie każdej z nich jako oddzielnego przepływu roboczego. Agent badający alert może zapytać dowody z istniejącej infrastruktury technologicznej organizacji, wykorzystać wykres kontekstu bezpieczeństwa do interpretacji tego, co znajduje, i przekazać ustrukturyzowane informacje do innego agenta odpowiedzialnego za następny etap.

Mate Security twierdzi, że jej agenci mogą współpracować z platformami zarządzania informacjami i zdarzeniami bezpieczeństwa, narzędziami wykrywania punktów końcowych, systemami tożsamości, platformami obsługi biletów, aplikacjami komunikacyjnymi i standardowymi procedurami operacyjnymi bez konieczności przenoszenia każdego kawałka danych do jednego repozytorium.

Działania odpowiedzi pozostają nadzorowane przez uprawnienia. W zależności od tego, jak organizacja konfiguruje system, Mate Security może zalecić krok zawężenia, poprosić o zatwierdzenie przez człowieka lub wykonać uprawnione działanie.

To odzwierciedla to, co firma nazywa “zasadą najmniejszej agencji”. Każdy agent otrzymuje tylko uprawnienia i informacje kontekstowe wymagane do jego zadania, co redukuje ryzyko stworzenia przez system autonomiczny nieograniczony dostęp.

Szerokiej celem firmy jest umożliwienie zespołom bezpieczeństwa stopniowego rozszerzania automatyzacji, gdy platforma udowodni, że może podejmować niezawodne decyzje. Działania o wysokim wpływie mogą pozostać nadzorowane, podczas gdy rutynowe dochodzenia mogą być obsługiwane z mniejszym zaangażowaniem analityków.

Otwarty podejście do agencji bezpieczeństwa

Mate Security prezentuje platformę jako otwarte podstawy, a nie zamkniętą kolekcję agentów własnościowych.

Klienci mogą korzystać z agentów Mate Security, łączyć specjalistycznych agentów od innych dostawców bezpieczeństwa lub budować agenci wewnętrznie. Każdy z nich może działać na tej samej warstwie kontekstu i pod wspólnymi kontrolami uprawnień, jakości, audytowalności i odpowiedzi.

Architektura ta rozwiązuje pojawiający się problem, gdy przedsiębiorstwa przyjmują więcej narzędzi sztucznej inteligencji: fragmentację agentów.

Bez wspólnej warstwy poszczególni agenci bezpieczeństwa mogą gromadzić własne dane, utrzymywać oddzielne “pamięci” i stosować różne reguły przy podejmowaniu decyzji. Może to prowadzić do sprzecznych wniosków i utrudniać liderom bezpieczeństwa zrozumienie, dlaczego podjęto działanie zautomatyzowane.

Orkiestrator Mate Security ma na celu zapewnienie wspólnej struktury operacyjnej, aby agenci wykorzystywali tę samą wiedzę organizacyjną i kontrole zaufania, nawet jeśli zostały opracowane przez różnych dostawców.

Firma stwierdza również, że klienci zachowują własność swojego kontekstu i nie są związani z jednym agentem, modelem sztucznej inteligencji lub dostawcą bezpieczeństwa. Założyciele opisują tę otwartość jako warunek wstępny dla organizacji, które chcą skorzystać z przyszłych postępów w dziedzinie sztucznej inteligencji bez odbudowywania swojej architektury bezpieczeństwa za każdym razem, gdy pojawia się nowy model.

Agenci sztucznej inteligencji mogą zmienić operacje bezpieczeństwa

Platformy takie jak Mate Security wskazują, że operacje bezpieczeństwa stają się bardziej ciągłe, kontekstowe i zautomatyzowane. Zamiast badania alertów w izolacji, agenci sztucznej inteligencji mogą zachować lekcje z poprzednich incydentów i wykorzystać je do poprawy wykrywania, triażu i odpowiedzi w przyszłości.

To mogłoby przesunąć analityków z powtarzalnego zbierania dowodów w kierunku nadzorowania agentów, badania nieznanych zagrożeń i decydowania, kiedy automatyzacja powinna być dopuszczona do działania.

Wspólna warstwa kontekstu może również stać się ważna, gdy przedsiębiorstwa wdrożą agenci z wielu dostawców. Bez wspólnego zrozumienia użytkowników, aktywów i polityk, ci agenci mogliby powielać pracę lub dochodzić do sprzecznych wniosków.

Prawdopodobny wynik nie jest w pełni autonomicznym centrum operacji bezpieczeństwa, ale modelem hybrydowym, w którym agenci obsługują rutynowe dochodzenia, a ludzie zachowują kontrolę nad niejasnymi lub wysoko wpływowymi decyzjami.