RevEng Samlar In 4,15 MUSD För Att Säkra Mjukvaruleverantörskedjor Med AI

London-baserade RevEng har samlat in 4,15 miljoner dollar i startfinansiering, med stöd från Sands Capital, In-Q-Tel Capital, IQ Capital, och Episode 1 Ventures, för att bygga grundläggande AI-modeller som kan upptäcka hot och sårbarheter i kompilerad mjukvara utan tillgång till källkod. Eftersom McKinsey uppskattar att den globala cybersäkerhetsmarknaden kan nå 1,5 till 2 biljoner, positionerar denna investering RevEng för att spela en avgörande roll i att omdefiniera hur organisationer försvarar sina mjukvaruleverantörskedjor – särskilt i en era där traditionella verktyg kämpar för att hålla jämna steg med AI-genererad kod och ogenomskinliga tredjepartskomponenter.

Att Överbrygga Blinda Fläcken I Cybersäkerhet

Den korporativa världen kämpar med en utan motstycke ökning av mjukvaruleverantörskedjeattacker – 45% av organisationerna förväntas möta sådana brott i år. Problemet förvärras när beroendet av öppen källkodskomponenter och AI-genererad kod ökar, samtidigt som de flesta säkerhetsverktyg kräver tillgång till källkod för att upptäcka dolda sårbarheter.

RevEng åtgärdar denna kritiska lucka genom att analysera binär mjukvara direkt – undersöka kompilerad kod, firmware och körbara filer för att upptäcka avvikelser som dolda bakdörrar, skadligt beteende eller noll-dagarssårbarheter.

BinNet: AI-Motorn Bakom Innovationen

Central för plattformen är BinNet, den största grundläggande AI-modellen byggd för att förstå semantiken för maskinkod. Den är tränad på olika binära datamängder (x86, x86_64, ARM64) och programmeringsspråk (C, C++, Go, Rust), vilket möjliggör att:

• Rekonstruera högre nivåprogramlogik och flöde
• Upptäcka okända hot och sårbarheter i stor skala
• Auto-generera YARA-regler för hotjakt
• Paket med obfuskaterad skadlig kod med hjälp av dynamisk sandboxing
• Emulera funktioner för att extrahera krypterade strängar

RevEngs plattform använder avancerade maskinlärningsmodeller som är tränade specifikt för att förstå strukturen och beteendet hos kompilerad mjukvara. Genom att analysera kontrollflöde, funktionsrelationer och instruktionsnivåmönster kan den extrahera meningsfulla insikter från binärfiler – identifiera skadliga komponenter, upptäcka noll-dagarssårbarheter och avslöja dolda bakdörrar. Detta möjliggör för säkerhetsteam att bedöma integriteten hos mjukvarupaket, även när källkod inte är tillgänglig, och omvandlar tidigare otillgängliga körbara filer till transparenta och kontrollerbara artefakter.

Ledning Och Strategiskt Stöd

Vid rodret för RevEng står Dr. James Patrick-Evans, en globalt erkänd expert inom AI och maskinlärning för binär analys. Med en doktorsexamen i cybersäkerhet och AI från Royal Holloway, och tidigare roller på F‑Secure, Mozilla och MWR, har han djupgående expertis inom säker mjukvaruutveckling och lågnivåhotdetektering. Hans mål är att skala upp omvänd ingenjörskap – traditionellt begränsat till elit-specialister – genom automatisering och AI.

Företaget har redan fått trovärdighet genom att väljas in i två högt ansedda program: Storbritanniens NCSC för Startups och Intel Ignite 2024. Dessa acceleratorer gav RevEng kritisk tillgång till regerings säkerhetsnätverk, tekniska rådgivare och kommersiella partners – inklusive inom Intel själva – vilket accelererade både produktutveckling och marknadsinträde.

Vad Kommer Nästa

Efter sin 4,15 miljoner dollar i startfinansiering är RevEng redo att utöka sin närvaro i den amerikanska federala och försvarssektorn samtidigt som de skalar upp sitt ingenjörsteam. Framtida planer inkluderar att utöka plattformen för att stödja ytterligare arkitekturer som MIPS, RISC‑V och PPC, utveckla cross-arkitektur symbolmatchning och fördjupa integreringar med verktyg som Splunk, Cutter och Radare2. Plattformen kommer också att stödja privat moln och lokalt distribution, vilket möjliggör fullständig efterlevnad av företags- och regeringsdatapolicyer.

I en cybersäkerhetsmarknad som förväntas överstiga $2 biljoner, är RevEng unikt positionerad för att leverera AI-nativa lösningar som fungerar på binär nivå – avslöjar dolda sårbarheter i mjukvara där traditionella verktyg brister. Som Sands Capital påpekade, “RevEng åtgärdar en kritisk utmaning inom cybersäkerhet med sin innovativa tillvägagångssätt. Vi är stolta över att stödja deras vision…”

Med teknisk trovärdighet, strategiskt stöd och växande kommersiell dragkraft är RevEng redo att bli en grundläggande kraft i att säkra den moderna mjukvaruleverantörskedjan.

Cybersäkerhetens Framtid

När mjukvaruleverantörskedjor blir mer fragmenterade, ogenomskinliga och globalt interberoende, är traditionella säkerhetsmetoder – som förlitar sig på källkodstillgång eller manuell granskning – inte längre tillräckliga. Uppkomsten av kompilerad kodscanning som drivs av maskinlärning representerar en viktig vändpunkt. Dessa modeller flaggar inte bara kända sårbarheter – de tolkar beteendet och strukturen hos binärfiler för att avslöja nya hot, även i svarta låd-miljöer.

Denna förändring speglar en bredare industriell rörelse mot autonoma, skalbara cybersäkerhetsinfrastrukturer – där AI inte bara kompletterar analytiker utan blir en förutsättning för att hålla jämna steg. I en värld där 300 000+ nya malware-exemplar uppkommer dagligen och 70% aldrig ses igen, erbjuder automatiserad binär analys en av de få livskraftiga vägarna för att upprätthålla realtidsöversikt över mjukvarustapeln.

Grundmodeller som de som driver AI-styrd omvänd ingenjörskap kommer alltmer att utgöra grunden för nationella säkerhetsinsatser, DevSecOps-pipelines och till och med mjukvaruinköpsprocesser. Deras förmåga att verifiera kodintegritet i stor skala – oavsett leverantörens transparens – kommer att omdefiniera hur förtroende etableras i det digitala ekosystemet. Över tid kan denna teknik bli lika grundläggande för cybersäkerhet som antivirusmotorer var i den föregående eran.