Mate Security Samlar In 35 Miljoner Dollar För Att Bygga En Öppen Grund för AI-säkerhetsoperationer

Mate Security har samlat in 35 miljoner dollar i serie A-finansiering när företag söker efter nya sätt att driva säkerhetsteam mot attacker som rör sig i maskinvaruhastighet.

Canaan Partners ledde rundan, med deltagande från Insight Partners, Team8 och M12, Microsofts venturefond. Alla av Mates befintliga investerare återvände för finansieringen, vilket bringar säkerhetsföretagets totala finansiering till mer än 50 miljoner dollar.

Serie A anländer bara åtta månader efter att Mate Security trädde fram ur stealth-läge med en överskriven 15,5 miljoner dollar i startfinansiering. Företaget säger att det har vuxit med mer än 500% sedan tredje kvartalet 2025, driven delvis av antagande bland Fortune 500-säkerhetsoperationer.

Mate Security planerar att använda kapitalet för att möta den växande efterfrågan från företag, expandera in i ytterligare marknader och fortsätta utveckla sin agenterbaserade säkerhetsplattform.

Säkerhetsoperationer – Ett Nytt Skalningsproblem

Den snabba utvecklingen av generativ AI påverkar båda sidor av cybersäkerhet.

Säkerhetsteam får tillgång till AI-system som kan analysera larm, samla in bevis och automatisera delar av en utredning. Samtidigt kan angripare använda AI för att testa system, anpassa tekniker och lansera kampanjer i en hastighet som traditionella säkerhetsoperationer inte var utformade för att hantera.

Detta skapar en svår obalans. Många säkerhetsoperationer, eller SOCs, förlitar sig fortfarande på analytiker som flyttar mellan frånkopplade verktyg, granskar köer av larm och manuellt återuppför vad som hände under en incident.

Att lägga till en AI-assistent i den miljön löser inte nödvändigtvis det underliggande problemet. En agent kan sammanfatta ett larm eller fråga en säkerhetsplattform, men den kan fortfarande nå fel slutsats när den inte förstår hur organisationen faktiskt fungerar.

Mate Security försöker adressera den begränsningen genom att ge säkerhetsagenter tillgång till affärs- och operativ kontext snarare än att be dem resonera från isolerade säkerhetshändelser.

“AI tvingar en grundläggande omprövning av säkerhetsoperationer”, sa Joydeep Bhattacharyya, generell partner på Canaan. “Vad som stack ut för oss om Mate var inte bara deras användning av AI, utan teamets övertygelse om att tillförlitlig AI kräver en djup förståelse för hur en organisation fungerar.”

En Säkerhetskontextgraf Sitter I Centrum Av Plattformen

Mate Securities plattform är byggd kring vad företaget kallar en Säkerhetskontextgraf.

Grafen samlar in och organiserar kunskap från hela organisationen, inklusive information om användare, tillgångar, policys, tidigare utredningar, operativa arbetsflöden och godkända aktiviteter. Mate Security beskriver dessa bitar av information som minnen som kan anslutas och frågas av dess AI-agenter.

Istället för att behandla varje inloggning, filöverföring eller konfigurationsändring som en isolerad händelse, försöker systemet bestämma hur aktiviteten passar in i den bredare affären.

En serie misstänkta inloggningsförsök, till exempel, kan verka skadliga när de ses endast genom identitetsloggar. Samma aktivitet kan vara mindre oroväckande när systemet vet att en auktoriserad penetrationstest var schemalagd för den perioden.

På samma sätt kan en anställd som laddar ner känsliga filer indikera datastöld. Det kan också vara förenligt med ett godkänt projekt eller en förändring av ansvar. Mate Securities agenter är utformade för att överväga faktorer som personaländringar, dokumentklassificeringar och tidigare utredningar innan de når en slutsats.

Företaget säger att grafen byggs om kontinuerligt när policys, tillgångsägande och driftsförhållanden ändras. Avslutade utredningar kan också mata tillbaka ny information till plattformen, vilket tillåter senare utredningar att dra nytta av organisationens ackumulerade säkerhetskunskap.

Mate Security hävdar att denna dataförst arkitektur kan göra AI-genererade utlåtanden mer exakta, konsekventa och förklarliga. Det hjälper också till att bevara institutionell kunskap som annars kan försvinna när erfarna analytiker lämnar en organisation.

Specialiserade Agenter Täcker Utredningscykeln

På toppen av kontextlagret opererar Mate Security specialiserade agenter för upptäcktsutveckling, larmtriage, utredning, hotjakt och incidenthantering.

Plattformen är avsedd att ansluta dessa funktioner som en kontinuerlig process snarare än att behandla var och en som en separat arbetsflöde. En agent som utreder ett larm kan fråga bevis från organisationens befintliga teknikstack, använda Säkerhetskontextgrafen för att tolka vad den hittar och skicka strukturerad information till en annan agent som är ansvarig för nästa steg.

Mate Security säger att dess agenter kan arbeta med säkerhetsinformation och händelsehanteringssystem, slutpunktsupptäcktsverktyg, identitetssystem, biljettplattformar, kommunikationsapplikationer och standardoperativa förfaranden utan att kräva att all data flyttas till ett enda repository.

Svarsåtgärder förblir styrda av behörighet. Beroende på hur organisationen konfigurerar systemet, kan Mate Security rekommendera en inneslutningsåtgärd, begära mänskligt godkännande eller utföra en auktoriserad åtgärd.

Detta reflekterar vad företaget kallar en “minst-agents”-princip. Varje agent får endast de behörigheter och kontextuella uppgifter som krävs för dess tilldelade uppgift, vilket minskar risken som skapas av att ge ett brett autonomt system obegränsad åtkomst.

Företagets bredare mål är att låta säkerhetsteam gradvis expandera automatisering allteftersom plattformen visar att den kan fatta tillförlitliga beslut. Högimpaktåtgärder kan förbli övervakade, medan rutinutredningar kan hanteras med mindre analytikerinblandning.

En Öppen Ansats Till Agenterbaserad Säkerhet

Mate Security positionerar plattformen som en öppen grund snarare än en sluten samling av proprietära agenter.

Kunder kan använda Mate Securities egna agenter, ansluta specialiserade agenter från andra säkerhetsleverantörer eller bygga agenter internt. Var och en kan operera på samma styrda kontextlager och under gemensamma kontroller för behörigheter, kvalitet, granskning och svar.

Den arkitekturen adresserar en framväxande oro när företag antar fler AI-verktyg: agentfragmentisering.

Utan en gemensam lager, kan enskilda säkerhetsagenter samla in sin egen data, underhålla separata minnen och tillämpa olika regler när de fattar beslut. Detta kan producera motstridiga slutsatser och göra det svårt för säkerhetsledare att förstå varför en automatiserad åtgärd togs.

Mate Securities orkestrator är avsedd att tillhandahålla en gemensam operativ struktur så att agenter använder samma organisatoriska kunskap och förtroendekontroller, även när de utvecklats av olika leverantörer.

Företaget påstår också att kunder behåller äganderätten till sin kontext och är inte låsta till en enda agent, AI-modell eller säkerhetsleverantör. Dess grundare beskriver den öppenheten som en förutsättning för organisationer som vill dra nytta av framtida framsteg inom AI utan att bygga om sin säkerhetsarkitektur varje gång en ny modell uppkommer.

AI-agenter Kan Omforma Säkerhetsoperationer

Plattformar som Mate Security pekar mot att säkerhetsoperationer blir mer kontinuerliga, kontextuella och automatiserade. Istället för att utreda larm i isolering, kan AI-agenter behålla lärdomar från tidigare incidenter och använda dem för att förbättra framtida upptäckt, triage och svar.

Detta kan skifta analytiker bort från repetitiv bevisinsamling och mot att övervaka agenter, utreda okända hot och bestämma när automatisering ska tillåtas att agera.

En gemensam kontextlager kan också bli viktig när företag distribuerar agenter från flera leverantörer. Utan en gemensam förståelse för användare, tillgångar och policys, kan dessa agenter duplicera arbete eller nå motstridiga slutsatser.

Det sannolika resultatet är inte ett fullständigt autonomt säkerhetsoperationscenter, utan en hybridmodell där agenter hanterar rutinutredningar medan människor behåller kontrollen över tvetydiga eller högimpaktbeslut.