Beelzebub samlar in 3 miljoner euro för att skala upp AI-drivna bedrägerier över företagsnätverk

Italienska cybersäkerhetsstartuppen Beelzebub har samlat in 3 miljoner euro i startfinansiering för att expandera sin AI-drivna plattform för att upptäcka och fånga angripare inom företagsnätverk.

Finansieringsrundan leddes uteslutande av det italienska venture capital-företaget United Ventures. Beelzebub planerar att använda kapitalet för att växa sin forskningsteam, förvärva kunder över hela Europa och öppna kommersiella kontor i Rom och San Francisco senast 2026.

Företaget i Milano riktar sig till organisationer som möter alltmer automatiserade cyberattacker, särskilt operatörer som omfattas av EU:s direktiv om nät- och informationssäkerhet, som vanligtvis kallas NIS2.

Istället för att fokusera enbart på att hålla angripare utanför nätverket, arbetar Beelzebub med antagandet att en intrång redan har skett. Dess plattform planterar realistiska decoy-system över hela organisationens infrastruktur, vilket skapar möjligheter att avslöja angripare innan de når äkta tillgångar.

Att förvandla företagsinfrastruktur till en fälla

Beelzebubs teknologi tillhör en kategori av cybersäkerhet som kallas bedrägeriteknik. Istället för att vänta på att skadlig aktivitet utlöser en varning på ett produktionsystem, skapar plattformen övertygande kopior av servrar, databaser, API:er, molnmiljöer och annan infrastruktur.

Dessa decoy-system är utformade för att verka värdefulla för angripare medan de förblir isolerade från riktiga affärssystem. Eftersom legitima anställda och applikationer bör ha liten anledning att interagera med dem, kan aktivitet inom en decoy ge en stark indikation på att en angripare rör sig genom nätverket.

Tillvägagångssättet är avsett att hantera en av de svåraste faserna i en cyberattack: perioden efter att en angripare har fått initial åtkomst men innan den slutliga nyttan distribueras.

Angripare tillbringar ofta tid med att utforska system, eskalera behörigheter, samla in autentiseringsuppgifter och identifiera värdefulla data. Beelzebub syftar till att avbryta den processen genom att leda misstänkt aktivitet mot kontrollerade miljöer där den kan observeras och inneslutas.

Företaget säger att deras fällor använder stora språkmodeller för att bete sig mer som äkta infrastruktur. De kan generera realistiska svar och anpassa sitt beteende, vilket gör det svårare för en angripare att avgöra att de har gått in i en decoy.

En automatiserad offensiv- och defensiv-slinga

Plattformen kombinerar tre produkter som är utformade för att täcka olika faser av cybersäkerhetstestning och incidenthantering.

Arcangelo fungerar som den offensiva komponenten. Den simulerar riktade attacker mot en organisations infrastruktur, vilket hjälper säkerhetsteam att identifiera svagheter och testa hur deras kontroller svarar.

Beelzebub Managed utgör den defensiva lagret. Den distribuerar AI-drivna fällor över en organisations miljö och övervakar dem för misstänkt aktivitet. När en angripare interagerar med en av decoyerna, kan systemet isolera den påverkade maskinen, blockera aktiviteten och initiera fördefinierade åtgärder.

Företaget beskriver den kombinationen som en automatiserad purple-team-modell. I cybersäkerhet simulerar vanligtvis röda team angripare, medan blå team försvarar system. Purple-team-åtgärder försöker förena de två funktionerna så att resultaten från offensiv testning direkt kan förbättra defensiva kontroller.

Genom att ansluta attack-simulationer med levande bedrägeri-system försöker Beelzebub minska de överföringar som ofta sker mellan separata säkerhetsverktyg, externa konsulter och interna team.

Företaget säger att deras fällor också kan uppdateras för att återspegla nyligen avslöjade vanliga sårbarheter och exponeringar. Detta möjliggör för plattformen att imitera system som påverkas av nya sårbarheter och potentiellt locka angripare som söker efter dessa svagheter.

AI-assisterad malware-analys

Den tredje komponenten, Caronte, är ett AI-drivet system för malware-analys.

Efter att skadlig programvara har upptäckts kan Caronte omvända konstruera proverna och producera en incidentrapport som beskriver dess beteende. Målet är att förkorta tiden mellan upptäckt av en attack och förståelse för hur den fungerar.

Malware-analys är traditionellt en specialiserad och tidskrävande process. Analytiker kan behöva inspektera kod, observera hur ett program beter sig i en kontrollerad miljö och avgöra om det kommunicerar med extern infrastruktur eller försöker sprida sig till andra maskiner.

Beelzebub säger att Caronte automatiserar delar av det arbetet, vilket möjliggör för organisationer att generera en initial bedömning snabbare.

Systemet kan köras lokalt, vilket kan vara viktigt för myndigheter, reglerade företag och företag som inte kan ladda upp potentiellt känslig malware-exempel till tredjeparts molntjänster.

Beelzebubs bredare plattform är tillgänglig som programvara som en tjänst eller som en lokal distribution. För organisationer med strängare datakrav kan företaget också tillhandahålla hårdvara för att köra sin stora språkmodell lokalt.

Att bygga kring levande hot-intelligence

Beelzebub säger att mer än 60 oberoende säkerhetsforskare bidrar till hot-intelligence för plattformen.

Detta nätverk tillhandahåller information om ny malware, attacktekniker och sårbarheter allteftersom de uppkommer. Underrättelserna kan sedan användas för att uppdatera plattformens decoy-system, attack-simulationer och analysförmågor.

Företaget fick tidigare uppmärksamhet för att ha dokumenterat TeamPCP, en hotaktör som är associerad med attacker mot molninfrastruktur och cryptojacking-kampanjer. TeamPCP har också kopplats till ett brott som involverar GitHub:s infrastruktur.

Att upptäcka och studera hotgrupper kan ge cybersäkerhetsleverantörer praktisk information om hur angripare beter sig efter att de har kommit in i ett nätverk. Den informationen kan användas för att utforma decoy-system som liknar de system, autentiseringsuppgifter och tjänster som angripare sannolikt kommer att attackera.

Beelzebubs teknologi är också tillgänglig via en öppen källkods-version, vilket ger forskare och säkerhetsteam ett sätt att experimentera med deras honungsbur-approach.

Den öppna källkodsprojektet stöder flera protokoll och tjänster, inklusive Secure Shell, File Transfer Protocol, databaser och webbapplikationer. Detta möjliggör för organisationer att distribuera decoy-system som liknar olika delar av deras infrastruktur.

Att svara på snabbare, mer automatiserade attacker

Finansieringen kommer när genererande AI och automation förändrar båda sidor av cybersäkerhet.

Angripare kan använda AI-verktyg för att generera phishing-meddelanden, analysera programvara för sårbarheter, modifiera skadlig kod och genomföra operationer över ett större antal mål. Dessa förmågor eliminerar inte behovet av teknisk expertis, men de kan tillåta mindre grupper att operera med större hastighet och skala.

Säkerhetsteam svarar genom att införa mer automation i upptäckt, utredning och incidenthantering. Bedrägeriteknik erbjuder ett annat lager genom att skapa miljöer där angripare kan studeras utan att exponera äkta data eller system.

Beelzebubs grundare och VD Mario Candela hävdar att defensiva verktyg alltmer måste fungera i maskinens hastighet för att förbli effektiva mot automatiserade attacker.

Företagets strategi är inte att ersätta befintliga slutpunkts-, nätverks- eller identitetssäkerhetsprodukter. Istället försöker de lägga till ett internt upptäcktslager för situationer där en angripare redan har kringgått perimeterförsvar.

Den antagna intrångsmodellen har blivit mer relevant när företagsinfrastruktur expanderar över molnplattformar, fjärranordningar, API:er och programvaruleverantörskedjor. Att skydda varje möjlig ingångspunkt är svårt, vilket gör snabb upptäckt inom nätverket alltmer viktigt.

Varför bedrägeri kan bli ett kärnlager för cybersäkerhet

När angripare alltmer använder AI för att automatisera rekognosering, utnyttja sårbarheter och anpassa malware, kan bedrägeriteknik bli ett viktigare lager av företagsförsvar. Istället för att enbart förlita sig på perimeterkontroller kan organisationer distribuera realistiska decoy-system som avslöjar inkräktare efter att de har kommit in i ett nätverk och innan de når kritiska system.

De starkaste plattformarna kommer sannolikt att kombinera bedrägeri med kontinuerlig attack-simulation och automatiserad utredning. Detta kan förkorta tiden mellan intrång, upptäckt och inneslutning, samtidigt som det ger säkerhetsteam tydligare insikt i en angripares verktyg, mål och rörelse över nätverket.

Bedrägeri kommer inte att ersätta slutpunkts-säkerhet, identitetskontroll eller sårbarhets hantering, men det kan göra dessa system mer effektiva genom att tillhandahålla högt förtroende-signaler från aktivitet som aldrig borde förekomma. Beelzebubs utmaning kommer att vara att bevisa att deras tillvägagångssätt kan fungera tillförlitligt i företagsstorlek utan att lägga till överdriven komplexitet till redan överbelastade säkerhetsmiljöer.