Pluto Security wychodzi z ukrycia z łącznym finansowaniem w wysokości 42 mln dolarów na ochronę środowisk pracy AI

Asystent AI pracownika potrafi dziś znacznie więcej niż tylko odpowiadać na pytania. Może łączyć się z systemami firmy, instalować rozszerzenia, uruchamiać polecenia i tworzyć aplikacje. Zespoły ds. bezpieczeństwa muszą ustalić, na które z tych działań zezwolić, a jednocześnie zachować możliwość interwencji, gdy zmieni się kontekst.

Pluto Security wychodzi z ukrycia, dysponując łącznym finansowaniem w wysokości 42 mln dolarów, by rozwiązać ten problem. Firma poinformowała o najnowszej rundzie finansowania, w której pozyskała około 34 mln dolarów; przewodził jej Jump Capital. Wcześniejszej rundzie zalążkowej przewodził TLV Partners. W komunikacie nie określono etapu najnowszej rundy.

Firma założona w 2025 roku, jak podaje Pluto, osiągnęła wielomilionowe roczne przychody powtarzalne, zabezpiecza na całym świecie ponad 1 mln punktów końcowych i obsługuje ponad 40 klientów korporacyjnych. Wśród wymienionych klientów są Oscar Health, Workato, Sixt i AlphaSense, a także firmy z listy Fortune 500. Nowy kapitał zostanie przeznaczony na rozwój produktu, badania nad bezpieczeństwem i ekspansję w USA.

Środowisko pracy AI staje się granicą bezpieczeństwa

Pluto określa swoją kategorię jako bezpieczeństwo środowisk pracy AI. Obejmuje ona narzędzia AI używane przez pracowników, powiązane z nimi komponenty oraz tworzone przez pracowników aplikacje, agentów i automatyzacje.

Tak szeroki zakres odzwierciedla zmianę sposobu, w jaki oprogramowanie trafia do organizacji. Pracownik może złożyć przepływ pracy z asystenta AI, umiejętności udostępnionej przez społeczność i łącznika z danymi biznesowymi, bez przechodzenia przez standardowy proces tworzenia oprogramowania. Każdy dodany element może zmienić zakres danych i działań dostępnych dla asystenta.

Jednym z przykładów jest Model Context Protocol, czyli MCP. Umożliwia on aplikacjom AI łączenie się z narzędziami i źródłami danych. Kwestia bezpieczeństwa wykracza poza to, czy sama aplikacja AI została zatwierdzona: zespoły muszą też rozumieć uprawnienia i sposób działania używanych przez nią serwerów oraz integracji.

Jest to część szerszego wyzwania związanego z łańcuchem dostaw oprogramowania, jakie stawia zarządzanie agentami AI. Analiza modelu lub asystenta w oderwaniu od reszty pomija zależności, które mogą wpływać na jego działanie lub zwiększać zakres jego dostępu.

Wykrywanie, ocena ryzyka i kontrola w czasie działania

Pluto informuje, że jej platforma łączy widoczność punktów końcowych, kontekstową analizę ryzyka i egzekwowanie zasad w czasie rzeczywistym. Celem jest dostarczenie zespołom ds. bezpieczeństwa informacji wystarczających do ograniczenia niebezpiecznego działania bez automatycznego blokowania całego narzędzia, które je wykonuje.

Na stronie internetowej platformę podzielono na cztery funkcje: Explorer wykrywa aktywność AI; Risk Radar ocenia wykryte elementy na podstawie własnej bazy ryzyka; Space Shield egzekwuje zasady; a Marketspace udostępnia wyselekcjonowany zbiór dodatków AI. Według firmy platforma obejmuje narzędzia, komponenty łańcucha dostaw, zachowanie w czasie działania i artefakty wygenerowane przez AI.

Przykłady na stronie obejmują wymaganie zatwierdzenia przed uzyskaniem przez agenta dostępu do interfejsu API płatności, ograniczanie dostępu do danych wrażliwych oraz zezwalanie na korzystanie z zaufanych serwerów MCP przy jednoczesnym poddawaniu kwarantannie pozostałych. Są to opisy zamierzonego działania produktu, a nie niezależnie zweryfikowane gwarancje.

Różnica między wykrywaniem a egzekwowaniem zasad ma znaczenie. Ewidencja może poinformować zespół ds. bezpieczeństwa o istnieniu łącznika. Skuteczna kontrola wymaga również wiedzy o tym, do czego łącznik może uzyskać dostęp, oraz możliwości ograniczenia danego działania. Zatwierdzone narzędzie może mimo to napotkać niebezpieczne rozszerzenie, poświadczenie z nadmiernymi uprawnieniami lub zadanie wykraczające poza uprawnienia użytkownika.

Wyobraźmy sobie, że asystent ma podsumować kartę klienta. Odczyt zatwierdzonej karty i wyeksportowanie całej bazy klientów to różne działania, nawet jeśli oba są wykonywane w tej samej zatwierdzonej aplikacji. Zasady uwzględniające kontekst mają odróżniać takie sytuacje. Ich praktyczna wartość zależy od dokładności obserwacji i niezawodności egzekwowania zasad.

Plutonium analizuje komponenty otaczające agenta

Kluczowym elementem podejścia Pluto jest Plutonium — bezpłatny katalog bezpieczeństwa łańcucha dostaw AI, który, jak podano w komunikacie, działa w oparciu o autorską bazę RisksDB firmy. Pomaga specjalistom oceniać przed wdrożeniem takie komponenty jak umiejętności, rozszerzenia i serwery MCP.

Publicznie dostępny hub opisuje silnik oceny ryzyka dla agentów, który łączy informacje o wydawcach, mapowanie zgodności, analizę źródeł i skanowanie kodu. Kategorie oceny obejmują wykonywanie poleceń, trwałe tokeny dostępu, udostępnianie danych stronom trzecim, modyfikowanie danych i ich usuwanie. Udostępnia on również narzędzie MCP Inspector oraz wskazówki dotyczące bezpiecznego użytkowania.

Dzięki tym kategoriom ogólne pytanie — czy dodatek jest bezpieczny — można zastąpić bardziej konkretnymi pytaniami o jego możliwości i dostęp. Łącznik umożliwiający odczyt dokumentu stwarza inne zagrożenie niż taki, który może modyfikować dane lub uruchamiać polecenia. Ta sama możliwość może być też odpowiednia w jednym procesie biznesowym, a w innym — nadmierna.

Ocena katalogowa i ochrona w czasie działania dotyczą różnych aspektów problemu. Analiza może pomóc w podjęciu decyzji o wdrożeniu; bieżące mechanizmy kontroli muszą uwzględniać rzeczywisty sposób korzystania z komponentu. Żadnego z tych rozwiązań nie należy traktować jako dowodu, że każde przyszłe działanie będzie nieszkodliwe.

Pierwsze sukcesy komercyjne, ale wyniki wciąż wymagają pomiaru

Podane przez Pluto dane o klientach i przychodach wskazują na wczesne zapotrzebowanie na rozwiązania z tej kategorii. Firma twierdzi, że rozwijała ich wdrażanie w oparciu o badania nad bezpieczeństwem, bezpłatne zasoby i udział praktyków; tysiące specjalistów korzystają z Plutonium i współtworzą ten projekt.

Podane dane dotyczące wdrożeń pochodzą od firmy. Komunikat nie przedstawia niezależnych pomiarów zakresu wykrywania zagrożeń, liczby fałszywych alarmów, opóźnień w egzekwowaniu zasad ani skuteczności zapobiegania atakom. Zabezpieczenie ponad 1 mln punktów końcowych opisuje deklarowaną skalę wdrożenia; nie dowodzi, że obejmuje ono każdy możliwy przepływ pracy związany z AI na tych urządzeniach.

Dla firm rozważających wdrożenie kluczowe pytania operacyjne są konkretne: które narzędzia i ścieżki wykonywania działań są widoczne, które działania można zablokować, jak zatwierdza się wyjątki oraz jakie dowody są przechowywane, gdy interweniuje mechanizm egzekwowania zasad. System, który powstrzymuje ryzykowne działania, ale regularnie przerywa legalną pracę, stwarza firmie inny problem.

Zespół ds. bezpieczeństwa, który stawia na zrozumienie intencji użytkowników

Shahar Bahat, dyrektor generalny i współzałożyciel, założył Pluto wraz z Talem Oferem Regevem i Gilem Mamanem. Bahat wcześniej zajmował kierownicze stanowiska w obszarze cyberbezpieczeństwa w Microsoft i Palo Alto Networks. Regev pełnił wcześniej funkcję wiceprezesa ds. badań i rozwoju w Palo Alto Networks, a Maman przez ponad sześć lat pracował na stanowiskach kierowniczych o profilu technicznym w izraelskim wywiadzie wojskowym. Pluto twierdzi, że zatrudnia obecnie ponad 50 osób w Stanach Zjednoczonych i Izraelu.

Bahat przedstawia podejście firmy jako próbę zrozumienia, co użytkownicy chcą osiągnąć, i zapewnienia zespołom ds. bezpieczeństwa kontekstu potrzebnego do bezpiecznego wspierania ich działań. Wyzwanie produktowe polega na przełożeniu tej filozofii na precyzyjne i niezawodne mechanizmy kontroli, gdy pracownicy wdrażają nowe narzędzia i tworzą nowe przepływy pracy.

Ogłoszenie o finansowaniu stawia Pluto w centrum rosnącej rywalizacji o zabezpieczanie AI działającej w systemach przedsiębiorstw. Kolejnym sprawdzianem dla firmy będzie wykazanie, że identyfikowanie zagrożeń, ocena komponentów i egzekwowanie zasad w czasie działania mogą współpracować na skalę odpowiadającą jej obecnej, wczesnej bazie klientów.