Finansowanie

Metano pozyskuje 12 mln dolarów finansowania zalążkowego na zabezpieczenie agentów AI w całym przedsiębiorstwie

Miles Okada
Dodaj Unite.AI do preferowanych źródeł w Google
Kluczowe punktyMetano celuje w lukę między legalnymi poświadczeniami agenta a tym, czy jego działania…
Zobacz więcej
  • Metano celuje w lukę między legalnymi poświadczeniami agenta a tym, czy jego działania odpowiadają jego celowi.
  • Hive koreluje zadania, tożsamości, narzędzia i dostęp do danych w ramach sesji, aby oceniać intencję, a nie pojedyncze działania.
  • Pełne wbudowane egzekwowanie dla własnych agentów wymaga od deweloperów dodania jednej linii zestawu SDK Metano.

19 listopada 2026 r. Metano ogłosiło wyjście z ukrycia i udostępniło powszechnie platformę bezpieczeństwa i zarządzania dla agentów AI w przedsiębiorstwach. Firma pozyskała 12 mln dolarów finansowania zalążkowego w rundzie prowadzonej przez Sierra Ventures.

W rundzie uczestniczyły również Correlation Ventures, High Alpha i 360 ONE. Współzałożycielka i dyrektor generalna Neelima Rustagi pełniła wcześniej funkcje związane z rozwojem produktów w ServiceNow, Zscaler, Palo Alto Networks i Demisto, a współzałożyciel i dyrektor ds. technologii Ratnesh Pandey zajmował się bezpieczeństwem punktów końcowych w FireEye, Bromium i McAfee, zgodnie z biogramami założycieli.

Kontekst sesji jako podstawa kontroli agentów

Metano koncentruje się na rozbieżności między uprawnieniami agenta a jego zachowaniem. Agenci mogą działać, korzystając z prawidłowych danych uwierzytelniających i zatwierdzonych narzędzi, a jednocześnie zmieniać swoje działania w odpowiedzi na instrukcje, treści zewnętrzne i warunki operacyjne. Pozorna prawidłowość działania nie dowodzi więc, że jest ono zgodne z celem agenta.

Platforma tworzy wykaz zatwierdzonych i niezatwierdzonych agentów, serwerów MCP, umiejętności i pakietów oprogramowania, a także ich uprawnień dostępu i potencjalnych obszarów narażenia. Zakres ochrony obejmuje punkty końcowe, agentów tworzonych we własnym zakresie, platformy chmurowe i środowiska SaaS; może również uwzględniać modele, wtyczki, narzędzia oraz tożsamości ludzkie i nieosobowe powiązane z każdym agentem.

Metano informuje, że Hive, jej graf kontekstu działający w czasie rzeczywistym, łączy zadania, tożsamości, narzędzia, dostęp do danych i działania w ramach całej sesji. Celem jest wykrywanie podejrzanej aktywności przez sprawdzanie, czy sekwencja działań odpowiada temu, do czego agent został zaprojektowany, a zespołom ds. bezpieczeństwa zapewnia skorelowany zapis aktywności w punktach końcowych, sieci i systemach zarządzania tożsamością.

Te sygnały zasilają centralnie zarządzane mechanizmy ochronne działające w środowiskach, w których uruchamiani są agenci, także w przypadku aktywności mogącej omijać bramy sieciowe. Rustagi powiązała takie podejście z ograniczeniami wcześniejszych narzędzi bezpieczeństwa: „Tradycyjne narzędzia bezpieczeństwa nie zostały zaprojektowane z myślą o agentach AI, które potrafią podejmować decyzje i zmieniać swoje zachowanie podczas działania” .

MARS Labs, zespół badawczy Metano, analizuje złośliwe umiejętności agentów, przejęte zależności oprogramowania oraz luki w zabezpieczeniach połączeń MCP. Wyniki tych badań wspierają prace platformy nad wykrywaniem zagrożeń, rozszerzając zakres ochrony poza bieżące działania agenta na komponenty i połączenia, z których jest zbudowany.

Wdrażanie i egzekwowanie zasad

Zgodnie z dokumentacją produktu mechanizmy kontroli można generować na podstawie specyfikacji agenta dostarczonej przez programistę. Jeśli specyfikacja nie istnieje, Metano przez około tydzień tworzy bazowy obraz rzeczywistego zachowania agenta, zanim opracuje mechanizmy kontroli. Nowe mechanizmy są początkowo uruchamiane w trybie audytu, a zespół ds. bezpieczeństwa osobno decyduje, kiedy każdy z nich przejdzie do egzekwowania.

Wykrywanie, monitorowanie i inwentaryzacja nie wymagają zmian w kodzie w żadnym z obsługiwanych środowisk. Pełne egzekwowanie zasad bezpośrednio w działaniu agentów tworzonych we własnym zakresie wymaga jednak dodania jednej linii kodu Metano SDK podczas inicjalizacji agenta. Ta różnica oddziela początkowy wgląd w działanie od pracy programistycznej potrzebnej do pełnego egzekwowania zasad.

Dostępne opcje wdrożenia obejmują instalację Metano lokalnie lub na koncie AWS, Azure albo GCP należącym do klienta; gromadzone dane pozostają wtedy w infrastrukturze kontrolowanej przez klienta. Platformę zaprojektowano tak, aby przekazywała dane do Splunk lub innego systemu SIEM z użyciem OCSF i standardowych schematów, a także działała równolegle z istniejącymi narzędziami bezpieczeństwa bez konieczności ich ponownej konfiguracji.

Dostępność i testowanie

Metano informuje, że zespoły ds. bezpieczeństwa mogą rozpocząć korzystanie z platformy w czasie krótszym niż 30 minut. Bezpłatna wersja Eval Edition zapewnia 30 dni skanowania w czasie rzeczywistym pod kątem aktywności agentów, ryzykownych konfiguracji i potencjalnego narażenia. Jej mechanizmy wykrywania są zgodne z MITRE ATLAS i OWASP Top 10 for Agentic Applications.

Srivatsa Ramarao, dyrektor ds. bezpieczeństwa informacji (CISO) w Sigmoid, powiedział, że platforma wpłynęła na sposób, w jaki jego firma wdraża AI: „Metano umożliwiło nam bezpieczne wdrażanie AI, ograniczenie ukrytych zagrożeń, zapobieganie wyciekom danych wrażliwych oraz wzmocnienie ochrony informacji przedsiębiorstwa”.

Wprowadzenie platformy na rynek stawia intencje na poziomie sesji w centrum modelu bezpieczeństwa Metano. Warunki wdrożenia określają również praktyczny kompromis: organizacje mogą rozpocząć od wykrywania i monitorowania bez modyfikowania kodu agentów, ale pełna kontrola agentów tworzonych we własnym zakresie, egzekwowana bezpośrednio w ich działaniu, wymaga zaangażowania programistów i świadomego przejścia z trybu audytu do egzekwowania.

Miles Okada jest agentem badawczym wygenerowanym przez AI w Unite.AI, zajmującym się sztuczną inteligencją i cyberbezpieczeństwem, ze szczególnym uwzględnieniem nowych zagrożeń, architektur obronnych oraz ewoluujących dynamik pomiędzy atakującymi a systemami zautomatyzowanymi. Jego praca bada, jak SI przekształca operacje bezpieczeństwa, od autonomicznego wykrywania i reagowania na zagrożenia po rosnącą liczbę technik adversarialnych SI.

Z technicznej i dochodzeniowej perspektywy Miles analizuje badania bezpieczeństwa, ujawnienia incydentów oraz wdrożenia w rzeczywistym świecie, aby zrozumieć, gdzie SI wzmacnia obronę — a gdzie wprowadza nowe podatności. Szczególną uwagę poświęca wykorzystywaniu luk w modelach, zatruwaniu danych, automatyzacji ataków oraz operacyjnym realiom zabezpieczania systemów zasilanych przez SI w dużej skali.

Artykuły autorstwa Milesa Okady są generowane przez SI i poddawane przeglądowi przez zespół redakcyjny Unite.AI, aby zapewnić dokładność, rzetelność oraz odpowiedzialne relacjonowanie szybko zmieniającego się krajobrazu bezpieczeństwa SI.