Brava Security, Yapay Zekâ Destekli Siber Savunmaların Gerçekte Neleri Tespit Edebildiğini Sınamak İçin 15 Milyon Dolar Yatırım Aldı

Brava Security, yapay zekâ destekli siber savunmadaki temel bir zayıflığı gidermek amacıyla 15 milyon dolarlık tohum yatırımıyla gizlilikten çıktı: Temel güvenlik sistemleri bir saldırıyı hiç tespit etmezse otomatik bir analist bu saldırıyı inceleyemez.

Yatırım turuna F2 Venture Capital ve Pitango liderlik etti; Anthropic, Microsoft ve Check Point yöneticileri de melek yatırımcı olarak katıldı. Brava, yatırımı ürün geliştirme ve Kuzey Amerika genelinde ticari büyüme için kullanmayı planlıyor. Bu büyüme kapsamında finansal hizmetler ve kamu sektöründeki fırsatlar da yer alıyor.

Şirketin yaklaşımı, saldırıyı gerçekleştirmeden, belirli bir ortamda saldırının oluşturacağı telemetriyi üretmek. Ardından mevcut savunmaların bu kanıtı tanıyıp tanımadığını kontrol ediyor ve eksiklerin giderilmesine yardımcı oluyor. Böylece şirket, yalnızca uyarıların daha hızlı incelenmesi yerine tespitlerin doğrulanmasını öne çıkarıyor.

Bir Olay Yaşanmadan Önce Kanıtları Sınamak

Güvenlik operasyon merkezleri telemetriye, yani uç noktalar, bulut ortamları, kimlikler ve uygulamalardaki etkinlik kayıtlarına dayanır. Güvenlik bilgileri ve olay yönetimi sistemi (SIEM) bu kayıtları toplar ve analiz eder; şüpheli davranışları belirlemek için tespit kurallarından yararlanır.

Bu sürecin işlemesi birkaç koşula bağlıdır. İlgili sistemin işe yarar bir kayıt üretmesi, veri hattının bu kaydı iletmesi ve tespit mekanizmasının alanları doğru yorumlaması gerekir. Belirli bir saldırı için gereken kanıt eksikse veya kullanılamıyorsa daha fazla günlük kaydı, kapsamın kendiliğinden daha iyi olacağı anlamına gelmez.

Brava, çoklu ajan teknolojisinin saldırgan davranışlarını modellediğini ve belirli tekniklerin müşterinin günlük kaynaklarında nasıl görünmesi gerektiğini belirlediğini söylüyor. Ardından platformu, bu izlerin amaçlanan savunmaları tetikleyip tetiklemeyeceğini sınarken eksik SIEM tespitlerini yeniden yazıyor ve veri akışı eksiklerini gideriyor.

Brava’nın kurucu ortağı ve CEO’su, daha önce Microsoft Defender’da ürün yönetimine liderlik etmiş olan Idan Basre, “Hiç kimsenin kanıtlamadığı kanıtlara dayanarak bir kararı otomatikleştiremezsiniz,” dedi.

Kanıt üretmekle saldırıyı gerçekleştirmek arasındaki fark önemlidir. Brava, sentezlenmiş telemetri aracılığıyla tespit sürecini sınıyor. Bu, sessiz kalan bir kuralı veya eksik bir alanı ortaya çıkarmaya yardımcı olabilir; ancak başarılı bir test, gerçek bir saldırının her varyasyonunun yakalanacağının ya da saldırganın sisteme ulaşamayacağının kanıtı değildir.

Kural ile Uyarı Arasındaki Döngüyü Tamamlamak

Brava’nın ürün iş akışı dört aşamadan oluşuyor: tehdidi modellemek, telemetrisini sentezlemek, tespit açıklarını doğrulayıp gidermek ve SIEM’de bir uyarı oluştuğunu doğrulamak için kanıtı yeniden oynatmak. Şirket ayrıca ortamlar değiştikçe testlerin yinelenmesini de öngörüyor.

Bu yaklaşım, yüklü bir kuralı doğrulanmış kapsama olarak kabul etmekten farklı ve önemli bir ayrım sunuyor. Bir alanın yeniden adlandırılması, ayrıştırıcının güncellenmesi veya bir kaynağın bağlantısının kesilmesi, daha önce işe yarayan bir tespitin, belirlemek üzere tasarlandığı etkinliği artık eşleştirememesine yol açabilir. Bir değişiklikten sonra testi tekrarlamak, tespitin aldığı verilerle hâlâ çalışıp çalışmadığını anlamaya yardımcı olur.

Platform, mevcut güvenlik altyapısıyla birlikte çalışacak şekilde tasarlandı. Brava; Splunk, Google SecOps, CrowdStrike’ın yanı sıra 70’ten fazla kaynak ve hedefle entegrasyon sunduğunu belirtiyor. Böylece güvenlik ekiplerinin hâlihazırda kullandıkları araçları değiştirme ihtiyacı azalıyor.

Bir tespit mühendisi için pratik değer, genel bir kapsam puanından daha somut yanıtlar sunmasıdır: Hangi kanıtın mevcut olması gerektiği, tespit sürecinin hangi aşamasında bu kanıtın kaçırıldığı ve yapılan düzeltmenin bir uyarı oluşturup oluşturmadığı. Bu sorular, mühendislik değişikliğini gözlemlenebilir bir sonuca bağlar.

İnceleme ve Veri Hatlarının Temelinde Aynı Yapı Var

Şirketin web sitesi, birbiriyle ilişkili iki yetenek daha sunuyor. İnceleme arayüzü Aquarium, çeşitli kaynaklarda arama yapmayı ve bulguları dayanak oluşturan olaylarla ilişkilendirmeyi planlıyor. Veri hattı araçları ise kayıtları ayrıştırıp standartlaştırıyor, ilgili olayları SIEM’e yönlendiriyor ve diğer verileri aranabilir, daha düşük maliyetli depolama alanında tutuyor.

Bu işlevler, aynı operasyonel sorunun farklı yönlerini ele alıyor. Bir analistin ne olduğunu yeniden oluşturabilmesi için kanıta ihtiyacı varken, bir tespit kuralının çalışması için doğru alanlara ihtiyacı var. Veri alım hacmini azaltmak, yalnızca tespit ve inceleme için gereken bilgiler erişilebilir kaldığı sürece yararlıdır.

Brava’nın duyurusuna göre platform, sisteme katılımın ardından 10–15 dakika içinde ilk bulguları sunuyor. Bu süre, şirketin bildirdiği ilk bulgulara ulaşma süresidir; kurumsal ölçekte eksiksiz bir kurulumun veya tüm tespit düzeltmelerinin bu süre içinde tamamlanacağına dair bir garanti değildir.

Yapay Zekâ ve Güvenlik Uzmanlarından Oluşan Ekip ve Kurumsal Müşteriler

Brava, perakende, enerji ve konaklama sektörlerinde Fortune 100 şirketlerinin yanı sıra Cushman & Wakefield ile Kanadalı sağlık şirketi WELL Health’i müşterileri arasında sayıyor. Cushman & Wakefield CISO’su Erik Hart, platformun ekibiyle birlikte inceleme yaptığını ve kararları desteklemek için kanıtları bir araya getirdiğini söyledi.

Şirket, Basre ve Teknoloji Direktörü Itay Gabbay tarafından kuruldu. Basre, Microsoft’taki görevinden önce tehdit araştırmacısı olarak Unit 8200’de on yıl geçirdi. Gabbay ise İsrail Savunma Kuvvetleri’nde (IDF) ortak bir DARPA-İsrail araştırma programındaki çalışmalar da dâhil olmak üzere yedi yıl boyunca yapay zekâ sistemleri geliştirdi.

Brava’nın yaklaşık 20 çalışanı bulunuyor. Araştırma ve geliştirme faaliyetleri İsrail’de yürütülürken ABD’deki ticari ekibi büyüyor. Yatırım, yapay zekâ araştırmalarını zorlu bir güvenlik mühendisliği göreviyle birleştiren bir ürünü destekliyor: saldırıların, bir kuruluşun kullandığı belirli sistemlerde nasıl göründüğünü modellemek.

Şirketin temel varsayımı, özerk güvenlik kararlarının altında doğrulanmış kanıtların bulunması gerektiği. Bu varsayımın en güçlü sınaması, müşteri ortamları değiştikçe tespit kalitesinin istikrarlı biçimde korunması olacak: daha az sessiz kural, daha az eksik sinyal ve güvenlik ekiplerinin gerçekten işe yaradığını gösterebileceği düzeltmeler.