Pluto Security выходит из режима скрытой разработки, привлекая в общей сложности 42 млн долларов на защиту рабочих пространств с ИИ

Теперь ИИ-ассистент сотрудника может не только отвечать на вопросы. Он может подключаться к корпоративным системам, устанавливать расширения, выполнять команды и создавать приложения. Перед командами безопасности стоит задача определить, какие из этих действий следует разрешить, и при этом сохранить возможность вмешаться, если контекст изменится.

Pluto Security выходит из режима скрытой разработки, привлекая в общей сложности 42 млн долларов для решения этой проблемы. Компания объявила о последнем раунде финансирования примерно на 34 млн долларов, который возглавила Jump Capital; ранее посевной раунд возглавила TLV Partners. В объявлении не уточняется стадия последнего раунда.

Основанная в 2025 году компания Pluto сообщает, что достигла многомиллионной годовой регулярной выручки, обеспечивает защиту более 1 млн конечных устройств по всему миру и обслуживает более 40 корпоративных клиентов. Среди названных клиентов — Oscar Health, Workato, Sixt и AlphaSense, а также организации из списка Fortune 500. Новый капитал направят на разработку продуктов, исследования в области безопасности и расширение деятельности в США.

Рабочая среда с ИИ становится границей безопасности

Pluto относит свой продукт к категории решений для защиты рабочих сред с ИИ. Они охватывают используемые сотрудниками инструменты ИИ, подключенные к ним компоненты, а также приложения, агентов и автоматизированные процессы, которые создают сотрудники.

Такой охват отражает изменение способов внедрения программного обеспечения в организации. Сотрудник может собрать рабочий процесс из ИИ-ассистента, пользовательского навыка и коннектора к бизнес-данным, не проходя обычный цикл разработки. Каждый добавленный компонент может изменить, к чему ассистент получает доступ и какие действия может выполнять.

Один из примеров — Model Context Protocol, или MCP. Он позволяет приложениям с ИИ подключаться к инструментам и источникам данных. Вопрос безопасности заключается не только в том, одобрено ли само приложение с ИИ: командам также необходимо понимать разрешения и поведение используемых им серверов и интеграций.

Это часть более широкой проблемы безопасности цепочки поставок программного обеспечения, связанной с управлением ИИ-агентами. Проверка модели или ассистента по отдельности не учитывает зависимости, которые могут влиять на его поведение или расширять сферу его доступа.

Обнаружение, оценка рисков и контроль во время выполнения

По словам Pluto, ее платформа объединяет мониторинг конечных устройств, контекстный анализ рисков и применение правил в реальном времени. Цель — предоставить командам безопасности достаточно информации, чтобы ограничить опасное действие, не запрещая автоматически весь инструмент, с помощью которого оно выполняется.

На сайте компании платформа разделена на четыре функции: Explorer обнаруживает активность ИИ; Risk Radar оценивает обнаруженное с помощью базы данных рисков; Space Shield применяет политики контроля; Marketspace предлагает подборку дополнений для ИИ. Компания заявляет, что решение охватывает инструменты, компоненты цепочки поставок, поведение во время выполнения и артефакты, созданные ИИ.

Среди примеров на сайте — требование получить разрешение, прежде чем агент сможет обратиться к платежному API, ограничение доступа к конфиденциальным данным, а также разрешение на использование доверенных серверов MCP при изоляции остальных. Это описание предполагаемого поведения продукта, а не независимо проверенные гарантии.

Различие между обнаружением и контролем имеет значение. Инвентаризация может показать команде безопасности, что коннектор существует. Для эффективного контроля также необходимо знать, к чему он может получить доступ, и иметь возможность ограничить соответствующее действие. Даже разрешенный инструмент может столкнуться с небезопасным расширением, учетными данными с избыточными правами или задачей, выходящей за пределы полномочий пользователя.

Представьте, что ассистента просят обобщить запись о клиенте. Чтение разрешенной записи и экспорт всей клиентской базы данных — разные действия, даже если оба выполняются в одном и том же одобренном приложении. Контекстные политики призваны различать такие ситуации. Их практическая ценность зависит от точности наблюдений и надежности контроля.

Plutonium исследует компоненты, окружающие агента

Важная часть подхода Pluto — Plutonium, бесплатный каталог безопасности цепочки поставок ИИ, который, согласно объявлению, работает на основе собственной базы данных RisksDB. Он помогает специалистам оценивать такие компоненты, как навыки, расширения и серверы MCP, до начала их использования.

В общедоступном центре представлен механизм оценки рисков агентных систем, объединяющий сведения об издателях, сопоставление совместимости, анализ исходного кода и сканирование кода. В число категорий оценки входят выполнение команд, постоянные токены доступа, передача данных третьим сторонам, изменение и удаление данных. Там также доступны MCP Inspector и рекомендации по безопасному использованию.

Эти категории позволяют заменить общий вопрос — безопасно ли дополнение — более конкретными вопросами о его возможностях и доступе. Коннектор, способный читать документ, создает иные риски, чем коннектор, который может изменять записи или выполнять команды. Кроме того, одна и та же возможность может быть уместной для одного бизнес-процесса и избыточной для другого.

Оценка в каталоге и защита во время выполнения решают разные части проблемы. Проверка может помочь принять решение о внедрении; текущие меры контроля должны учитывать, как компонент используется на практике. Ни то ни другое не следует считать доказательством того, что все будущие действия будут безвредны.

Ранний коммерческий спрос: результаты еще предстоит оценить

По опубликованным компанией данным о клиентах и выручке можно судить о раннем спросе на решения этой категории. Компания утверждает, что привлекла пользователей благодаря исследованиям в области безопасности, бесплатным ресурсам и участию практикующих специалистов: тысячи профессионалов пользуются Plutonium и вносят в него свой вклад.

Эти данные об использовании предоставлены самой компанией. В сообщении не приводятся независимые оценки охвата обнаружения, числа ложных срабатываний, задержки применения мер контроля или предотвращения атак. Защита более 1 млн конечных устройств указывает на заявленный масштаб развертывания, но не доказывает, что на этих устройствах охвачены все возможные рабочие процессы с использованием ИИ.

Для корпоративных клиентов важны конкретные вопросы, связанные с эксплуатацией: какие инструменты и пути выполнения действий видны системе, какие действия можно блокировать, как утверждаются исключения и какие данные сохраняются при срабатывании политики. Если система останавливает рискованные действия, но регулярно прерывает легитимную работу, это создает для бизнеса другую проблему.

Команда безопасности, учитывающая намерения пользователей

Генеральный директор и сооснователь Shahar Bahat основал Pluto вместе с Tal Ofer Regev и Gil Maman. Ранее Bahat занимал руководящие должности в сфере кибербезопасности в Microsoft и Palo Alto Networks. Regev ранее был вице-президентом по исследованиям и разработкам в Palo Alto Networks, а Maman более шести лет занимал руководящие технические должности в военной разведке Израиля. По словам Pluto, сейчас в компании работает более 50 человек в США и Израиле.

Bahat описывает подход компании как стремление понять, чего хотят добиться пользователи, и дать командам безопасности необходимый контекст, чтобы они могли безопасно поддерживать эту работу. Задача продукта — воплотить эту философию в точных и надежных средствах контроля по мере того, как сотрудники осваивают новые инструменты и выстраивают новые рабочие процессы.

Объявление о привлечении инвестиций ставит Pluto в один ряд с растущим числом компаний, конкурирующих за безопасность ИИ, действующего в корпоративных системах. Следующий этап для компании — доказать, что выявление, оценка компонентов и контроль во время выполнения могут работать вместе в масштабах, соответствующих уже сложившейся клиентской базе раннего этапа.