Onit Security привлекла $11 млн для устранения узкого места, которое замедляет кибербезопасность

Onit Security вышла из режима скрытности с раундом финансирования в размере $11 млн, возглавляемым Hetz Ventures и Brightmind Partners, позиционируя себя в центре растущего сдвига в кибербезопасности: от обнаружения к автономному устранению.

История основания компании коренится в реальной неудаче. Предыдущий бизнес, возглавляемый сооснователем Офером Амитаем, был скомпрометирован после того, как известная уязвимость оказалась埋ена в очереди, подчеркивая системную проблему во всей отрасли. Сегодня организации перегружены десятками тысяч нерешенных уязвимостей, в то время как атакующие могут эксплуатировать их всего за несколько минут.

Почему управление уязвимостями разваливается

Основная проблема не заключается в отсутствии инструментов. Это растущий разрыв между выявлением рисков и фактическим их устранением.

Платформы безопасности стали очень эффективными в обнаружении уязвимостей, но устранение остается медленным, ручным и фрагментированным. Командам необходимо определить владельца, оценить бизнес-воздействие и координировать действия между отделами — часто через несвязанные системы. Этот процесс может занять недели, в то время как атакующие действуют в режиме реального времени.

Масштаб проблемы ускоряется. Базы данных уязвимостей, как ожидается, превысят один миллион записей к концу десятилетия, что усугубляет уже неуправляемую очередь.

В результате возникает структурный дисбаланс: защитники все еще работают с рабочими процессами, разработанными для более медленной эпохи, в то время как атакующие становятся все более автоматизированными.

От тикетов к автономному устранению

Onit Security пытается закрыть этот разрыв, переосмысливая, как работает управление уязвимостями на фундаментальном уровне.

Вместо создания тикетов и полагания на человеческую координацию платформа использует агентов ИИ для принятия на себя всего жизненного цикла устранения. Цель — заменить повторяющуюся триаж и приоритезацию на модель, основанную на решениях, где одно человеческое определение действия может автоматически решить тысячи подобных проблем.

Этот подход вводит несколько ключевых сдвигов:

• Приоритезация на основе бизнес-контекста: уязвимости ранжируются на основе реального воздействия, а не общих систем оценки
• Автоматическое определение владельца: платформа определяет, кто ответственен за каждый актив, анализируя фрагментированные внутренние данные
• Исполнение, а не оркестровка: агенты ИИ выполняют шаги устранения вместо того, чтобы просто назначать задачи
• Компаундинг-решение: как только стратегия исправления определена, она повторно используется для подобных уязвимостей в будущем

Результатом является система, которая не только снижает нагрузку, но и стремится полностью устранить повторяющуюся природу управления уязвимостями.

Рост агентной безопасности

Onit Security является частью более широкого движения к агентному ИИ, где системы не только анализируют данные, но и активно принимают действия.

В кибербезопасности этот сдвиг особенно значим. Агенты ИИ могут непрерывно мониторить среду, собирать информацию о угрозах и предлагать или выполнять исправления с той же скоростью, что и атакующие. На практике большинство развертываний все еще сохраняют человека в цикле для окончательного утверждения, отражая как техническую, так и организационную осторожность.

Что меняется, это роль человеческого оператора. Вместо управления отдельными оповещениями команды определяют политики и решения, которые системы ИИ применяют в масштабе.

Будущее самоисцеляющихся систем безопасности

Если эта модель окажется эффективной, она может фундаментально изменить то, как организации думают о кибербезопасности.

Вместо того, чтобы рассматривать уязвимости как постоянно растущую очередь проблем для триажа, системы могли бы непрерывно решать уязвимости как часть обычной работы. Очередь сама по себе может начать исчезать, замененная динамической средой, где риски устраняются почти так же быстро, как они обнаруживаются.

Это имеет более широкие последствия за пределами эффективности. Команды безопасности могли бы перейти от реактивного тушения пожаров к стратегическому надзору, сосредоточившись на определении политик, оценке краевых случаев и понимании системного риска, а не преследовании отдельных проблем. В то же время организации могут начать ожидать почти мгновенного устранения как стандарт, а не исключение.

Также существует компаундинг-эффект. Когда системы ИИ учатся на каждом действии по устранению, они строят институциональные знания, которые масштабируются по средам. Со временем это может привести к инфраструктуре, которая не только исправляет себя, но и становится все более устойчивой без необходимости пропорционального увеличения штата.

Долгосрочная траектория указывает на автономные архитектуры безопасности, где обнаружение, приоритезация и устранение тесно интегрированы в непрерывный цикл. В этом мире преимущество смещается в сторону организаций, которые могут действовать быстрее, а не только тех, кто может видеть больше.

Для отрасли, которая десятилетиями улучшала видимость без решения проблемы выполнения, этот сдвиг может быть наиболее важным изменением.