Mave pozyskuje 28 mln USD w rundzie A, zwiększając łączne finansowanie do 34 mln USD na potrzeby agentowych operacji bezpieczeństwa

Podejrzane logowanie może pozostawić ślady na platformie tożsamości, w narzędziu do ochrony punktów końcowych i na koncie w chmurze, a żaden z tych systemów nie musi ujawniać całego przebiegu incydentu. Mave tworzy agentów AI, którzy łączą te ślady tam, gdzie już się znajdują. Startup z Tel Awiwu ogłosił pozyskanie 34 mln dolarów finansowania, w tym 28 mln dolarów w rundzie A, aby rozbudować platformę agentowych operacji bezpieczeństwa, która współpracuje z narzędziami już używanymi w przedsiębiorstwach.

Red Dot Capital Partners przewodził rundzie A, w której uczestniczył również Lumir Growth Partners. Łączna kwota obejmuje także rundę zalążkową o wartości 6 mln dolarów, której przewodziły Dell Technologies Capital i Emerge Ventures. Mave przeznaczy pozyskane środki na rozwój badań nad sztuczną inteligencją, wzmocnienie produktów dla przedsiębiorstw i ekspansję międzynarodową.

Oferta firmy odpowiada na dobrze znane wąskie gardło w obszarze bezpieczeństwa: zakup specjalistycznych narzędzi nie sprawia automatycznie, że ich ustalenia zostają ze sobą połączone. Mave chce przejąć prowadzenie dochodzeń obejmujących te systemy, a następnie realizować działania naprawcze w granicach wyznaczonych przez zespół ds. bezpieczeństwa.

Badanie całego środowiska bez przenoszenia danych na nową platformę

Tradycyjne systemy zarządzania informacjami i zdarzeniami bezpieczeństwa, czyli SIEM-y, gromadzą logi, aby analitycy mogli wyszukiwać podejrzaną aktywność. Zrozumienie incydentu może jednak wymagać informacji wykraczających poza zebrane logi: na przykład tego, czy konto nadal ma uprzywilejowany dostęp, kto jest właścicielem zasobu albo jak skonfigurowany jest system w danym momencie.

Mave chce odpytywać połączone narzędzia za pomocą właściwych im języków, pobierać kontekst w miarę rozwoju dochodzenia i uzgadniać uzyskane wyniki. Firma twierdzi, że przed rozpoczęciem korzystania z platformy klienci nie muszą przenosić wszystkich swoich danych telemetrycznych do kolejnej scentralizowanej bazy danych.

Rozważmy dochodzenie dotyczące konta, które mogło zostać przejęte. Samo sprawdzenie logowania może nie ujawnić, czy użytkownik uzyskał dostęp do wrażliwego obciążenia ani czy powiązany punkt końcowy wykazywał nietypową aktywność. Skuteczne dochodzenie musi łączyć dowody dotyczące tożsamości, urządzenia i aplikacji. Ten przykład pokazuje, na czym skupia się Mave: śledzeniu incydentu w różnych systemach zamiast czekania, aż ktoś ręcznie połączy wszystkie fakty.

Taka architektura mogłaby ograniczyć nakład pracy związany z migracją przy wdrażaniu kolejnej platformy bezpieczeństwa. Nadal jednak jej skuteczność zależy od jakości i dostępności dowodów pochodzących z połączonych systemów. Brak danych telemetrycznych, ograniczone uprawnienia lub niedostępne interfejsy API mogą utrudnić ustalenie faktów zarówno przez człowieka, jak i przez system automatyczny.

Połączenie małych modeli, dużych modeli i przepływów pracy

Jak wynika z komunikatu, Mave łączy przepływy pracy zaprojektowane do konkretnych zadań, dostrojone małe modele językowe oraz najnowocześniejsze duże modele językowe. System wykorzystuje to połączenie zarówno do zadań realizowanych na dużą skalę, jak i do bardziej złożonego rozumowania, rejestrując przy tym zapytania, decyzje i działania.

To rozróżnienie ma znaczenie, ponieważ dochodzenie dotyczące bezpieczeństwa jest sekwencją działań, a nie tylko wygenerowanym wyjaśnieniem. System musi zdecydować, o jakie dowody poprosić, zinterpretować odpowiedź, wskazać nierozstrzygnięte kwestie i ustalić, czy uzasadnione jest kolejne zapytanie albo działanie w odpowiedzi na incydent. Powiązanie tych etapów z zapisem, który można przeanalizować, daje analitykowi coś bardziej użytecznego niż sam werdykt.

Mave twierdzi, że bada wszystkie alerty w ciągu kilku minut, odfiltrowuje fałszywe alarmy, identyfikuje powiązane kampanie ataków i realizuje zatwierdzone działania. Są to deklarowane przez firmę możliwości; w komunikacie nie przedstawiono niezależnych wyników testów porównawczych ani wystarczająco szczegółowej metodologii, by potwierdzić osiąganie takiej wydajności w różnych środowiskach klientów.

„Zespoły ds. bezpieczeństwa nadal badają zagrożenia, korzystając kolejno z pojedynczych narzędzi, i ręcznie łączą dowody, zanim będą mogły wyciągnąć wnioski. Atakujący nie czekają” — powiedział w komunikacie Raziel Oren, współzałożyciel i dyrektor generalny Mave.

Od badania alertów do kontrolowanych działań naprawczych

Opis platformy Mave zawiera więcej szczegółów niż komunikat o finansowaniu. Integracje łączą się za pośrednictwem interfejsów API i początkowo działają w trybie tylko do odczytu. Interfejs w języku naturalnym pozwala zespołom przeszukiwać połączone systemy, a operacje wykonywane w tle opisano jako deterministyczne, powtarzalne kroki, które użytkownicy mogą sprawdzić.

Na stronie internetowej wymieniono również wyszukiwanie federacyjne, wyszukiwanie zagrożeń i projektowanie mechanizmów wykrywania. Prace nad wykrywaniem obejmują identyfikowanie reguł generujących nadmierny szum lub niedziałających oraz proponowanie zmian albo ich wdrażanie. Dzięki temu oferta wykracza poza opróżnianie kolejki alertów: ustalenia z dochodzeń mogą pomóc w wyszukiwaniu powiązanej aktywności i ulepszaniu przyszłych mechanizmów wykrywania.

Na swojej stronie Mave informuje, że działania destrukcyjne domyślnie wymagają zatwierdzenia, uprawnienia są określane osobno dla każdej platformy, a zespoły decydują, które czynności są wykonywane automatycznie. Platforma umożliwia również dodawanie kontekstu organizacyjnego, takiego jak zasady, informacje o właścicielach i wyjątki. Te zabezpieczenia pomagają odróżnić pobieranie dowodów od posiadania uprawnień do wprowadzania zmian w systemie produkcyjnym.

To rozróżnienie nabiera coraz większego znaczenia, ponieważ narzędzia AI uzyskują dostęp do firmowych procesów. Jak wyjaśnia omówienie Unite.AI dotyczące tego, że agenci AI stają się celem ataków phishingowych, treści, z którymi styka się agent, oraz działania, na które pozwalają mu jego uprawnienia, to odrębne kwestie związane z bezpieczeństwem. W przypadku agentów obronnych ta sama granica sprawia, że zasady zatwierdzania i ścieżka audytu mają kluczowe znaczenie przy wdrażaniu.

Sukces komercyjny i kolejny etap wzrostu

Założona w 2025 roku przez Orena i dyrektora ds. technologii Guya Eshela firma Mave rozrosła się do 20 pracowników. Oren wcześniej kierował strategią wejścia na rynek w Wing Security, natomiast Eshel był pierwszym pracownikiem Alterya, a później jej wiceprezesem ds. badań i rozwoju, zanim firmę przejęła Chainalysis. Obaj założyciele służyli wcześniej w izraelskiej Jednostce 8200.

Mave podaje, że wśród jej klientów są duże przedsiębiorstwa oraz dostawcy zarządzanych usług bezpieczeństwa, a wdrożenia obejmują regulowane środowiska finansowe i ochrony zdrowia. W publicznym komunikacie o uruchomieniu firma informuje, że platforma działa w ponad 200 centrach operacji bezpieczeństwa. W komunikacie podano również, że zawierane umowy opiewają na kwoty siedmiocyfrowe, a roczne przychody powtarzalne wzrosły w ciągu ostatniego roku o ponad 400%, nie ujawniono jednak ich bezwzględnej wartości.

Platforma jest już powszechnie dostępna, a firma planuje ponad dwukrotnie zwiększyć zatrudnienie, koncentrując rekrutację na stanowiskach związanych z badaniami nad AI oraz strategią wejścia na rynek. Nowe finansowanie daje Mave przestrzeń do rozwijania zarówno mechanizmów rozumowania leżących u podstaw dochodzeń, jak i firmowych mechanizmów kontroli ich przebiegu.

Klienci mogą dzięki temu uzyskać większą wartość z systemów bezpieczeństwa, z których już korzystają. Kolejnym sprawdzianem dla Mave będzie przełożenie tej obietnicy na powtarzalne dochodzenia i właściwie kontrolowane reakcje w różnych środowiskach, w których szybsze decyzje muszą nadal opierać się na dowodach.