Brava Security tar in 15 miljoner dollar i såddfinansiering för att expandera AI-baserad säkerhetsdrift i Nordamerika

Brava Security meddelade den 4 november 2026 att bolaget lämnar sitt stealthläge med 15 miljoner dollar i såddfinansiering, ledd av F2 Venture Capital och Pitango, samt en plattform med flera AI-agenter som ska testa om säkerhetsverktyg faktiskt skulle upptäcka en attack.

I finansieringsrundan deltar även affärsänglar som är chefer på Anthropic, Microsoft och Check Point. Kapitalet ska användas till Bravas teknik och tillväxt i Nordamerika, bland annat inom finansiella tjänster, offentlig sektor och energi. Brava uppger att bolaget redan arbetar med Fortune 100-företag inom detaljhandel, energi och hotellbranschen.

Lanseringen adresserar en svaghet inom AI-driven säkerhetsdrift: en agent kan fatta beslut om hot som den känner igen, samtidigt som den förblir omedveten om attacker som de underliggande försvaren inte upptäcker. Brava pekar ut bristande logginsamling, telemetriflöden som slutat fungera utan att det märks och bristfällig detektionslogik som möjliga orsaker.

Skapa underlag utan att genomföra attacker

Bravas samverkande AI-agenter modellerar angriparbeteenden och skapar syntetisk telemetri för de data som en attack skulle generera i kundens miljö, utan att genomföra attacken. Processen fungerar oberoende av befintliga detektionsregler och fördefinierade tester och fastställer vilka hot försvaren bör känna igen innan den testar vilka hot de för närvarande upptäcker.

Plattformen fungerar tillsammans med kundens befintliga SIEM. Funktionen för detektionsutveckling kontrollerar vilka attacksteg de nuvarande försvaren känner igen, identifierar regler som inte ger utslag och skriver de detektioner som saknas i SIEM-systemets eget frågespråk, med endast fält som finns i det genererade underlaget. Därefter spelar den upp underlaget igen för att bekräfta att en faktisk varning visas.

Planerade övningsdagar upprepar valideringen efter förändringar i miljön. Kartor som bygger på underlaget visar validerade områden, områden med partiell täckning, blinda fläckar och områden med saknad telemetri. De brister som upptäcks omfattar trasiga detektioner, schemaförändringar och inaktiva loggkällor.

Aquarium, undersökningsagenten, tar emot frågor på vanlig engelska, planerar och anpassar sökfrågor och söker igenom SIEM-systemet, arkiverade loggar, EDR-system och molnbaserade granskningsloggar. Rapporterna kopplar varje fynd till de bakomliggande råhändelserna.

Datapipelinefunktionen skickar de händelser som behövs för detektioner till SIEM-systemet och flyttar övriga data till sökbar lagring med låga kostnader i stället för att radera dem. Brava uppger att denna dirigering har sänkt SIEM-kostnaderna med 65–85 procent hos kunderna.

Rapporterad omfattning och tidiga driftsättningar

Brava uppger att plattformen stöder fler än 70 källor och destinationer, däribland Splunk, Microsoft Sentinel, Google SecOps, CrowdStrike NG-SIEM, Elastic Security och IBM QRadar. De första insikterna blir tillgängliga 10–15 minuter efter att ett SIEM-system har anslutits.

Företaget rapporterar följande avrundade dagliga mätvärden för kundmiljöerna: 2,4 biljoner händelser lästes in och försågs med fingeravtryck, 1 100 attacktekniker spelades upp, 3 800 detektioner testades på nytt och 140 000 fält mappades varje dag.

WELL Healths CISO Iain Paterson sa i ett kundomdöme som publicerats av Brava att plattformen hjälpte hans organisation att bygga upp och ta en ny SIEM-lösning i drift på några veckor. ”Den kontinuerliga utvecklingen av detektioner säkerställer att vi aldrig har inaktiva regler och att nya detektioner hela tiden läggs till”, sa han.

Grundarna bakom plattformen

Grundarbiografierna presenterar Idan Basre som medgrundare och vd i New York och Itay Gabbay som medgrundare och teknikchef i Tel Aviv. Basre, tidigare student vid Talpiot, ägnade ett decennium åt att studera angriparbeteenden inom Unit 8200 innan han gick vidare till en produktledande roll på Microsoft Defender. Gabbay ledde gemensam amerikansk-israelisk DARPA-forskning om AI, utvecklade autonoma AI-system och ledde initiativ inom AI-säkerhet för företag.

Bravas expansion bygger på en specifik förutsättning för AI-assisterad säkerhetsdrift: automatisering är beroende av kvaliteten på den underliggande telemetrin och detektionslogiken. Plattformen använder ett gemensamt underlag för att validera försvar, stödja utredningar och avgöra vilka data som hör hemma i SIEM-systemet. Den öppna frågan är om de rapporterade fördelarna för detektion och kostnader kan bestå när kundernas miljöer förändras.