Безпека стада підвищує рівень безпеки на $3 млн для навчання програм безпеки, що працюють за допомогою штучного інтелекту, проти нових кіберзагроз

Herd Security залучила $3 млн нових коштів, оскільки вона намагається модернізувати одну з найбільш недооцінених галузей кібербезпеки: навчання працівників. Компанія будує платформу з агентним штучним інтелектом, призначену для постійного створення та адаптації програм безпеки, заміняючи статичні річні модулі відповідності, які часто не відображають реальні ризики.

Круг включає підтримку від Aspiron Ventures, а також участь від Team Ignite, ForwardSlash VC, Forum Ventures, Rightside Capital та YPO. Капітал буде використаний для розширення можливостей платформи, особливо в галузі генерації контенту, що працює за допомогою штучного інтелекту, та нових галузей навчання, таких як HR та внутрішнє використання штучного інтелекту.

Від статичної відповідності до безперервної підготовки штучним інтелектом

Традиційні програми підвищення безпеки довго покладалися на періодичні навчальні сесії, які швидко стають застарілими. Herd Security підходить до цього питання інакше, використовуючи штучний інтелект як творчу машину, яка створює еволюційні навчальні курси в реальному часі.

Натомість ніж покладатися на попередньо створені шаблони, платформа генерує навчальний контент динамічно, включаючи симуляції та відео-сценарії, які відображають сучасні моделі атак. Це дозволяє організаціям постійно оновлювати навчальний матеріал, оскільки загрози еволюціонують, а не чекати запланованих оновлень програми.

Система призначена для команд безпеки та управління, що дозволяє їм перекладати знання про нові загрози у практичну, цікаву підготовку без необхідності ручного створення контенту з нуля.

Відповідь на зростання атак, що працюють за допомогою штучного інтелекту

Тимінг цього підходу відображає більш широкий зсув у сфері кібербезпеки. Штучний інтелект робить соціальні інженерні атаки більш переконливими та масштабними, особливо через тактику, як голосове клонування, націлене фішинг та реальне імітування.

Це викрило слабкість у традиційних захистах. Хоча компанії вкладають великі кошти в захист інфраструктури, поведінка людини залишається критичною уразливістю. Навчання працівників розпізнавати та реагувати на загрози стає дедалі важливішим, але темп змін зробив традиційні методи неефективними.

Дані галузі свідчать про те, що проблема тільки посилюється. Соціальні інженерні атаки очікується, що значно розширяться в найближчі роки, націлюючись не тільки на працівників першої лінії, але й на виконавців та осіб, що приймають рішення. Водночас формування довгострокової поведінки безпеки всередині організацій може зайняти роки, створюючи розбіжність між тим, як швидко загрози еволюціонують, та тим, як повільно захисти адаптуються.

Створення нової категорії інфраструктури безпеки

Платформа Herd Security знаходиться на перетині кібербезпеки та генеративного штучного інтелекту, розглядаючи навчання як постійно оновлювану систему, а не як одноразову вимогу. Автоматизуючи створення актуального, сценарного навчання, компанія намагається закрити розрив між еволюцією загроз та готовністю людини.

Цей зсув свідчить про те, що навчання безпеки може почати нагадувати інші системи, що працюють за допомогою штучного інтелекту, всередині підприємств, де контент генерується, тестується та уточнюється автоматично на основі реальних сигналів.

З часом це може зменшити залежність від ручного проектування програми та дозволити організаціям реагувати швидше на нові тактики атак. Це також вводить можливість персоналізованого навчання, де працівники отримують контент, адаптований до їх ролі, поведінки та профілю ризику.

Зсув до реального, штучного інтелекту навчання безпеки

Навчання безпеки, ймовірно, стане більш адаптивним, безперервним та інтегрованим у щоденні робочі процеси, а не тим, чого працівники виконують один чи два рази на рік. Коли системи штучного інтелекту генерують реалістичні сценарії атак за вимогою, навчання може еволюціонувати разом із загрозами, піддаючи працівників тим тактикам, з якими вони найбільш імовірно зустрінуться в реальному часі.

Цей зсув також відкриває двері до більш персоналізованого навчання. Натомість ніж програма “один розмір для всіх”, працівники можуть отримувати адаптовані симуляції на основі їх ролі, рівня доступу та минулої поведінки, створюючи цикл зворотного зв’язку, де навчання коригується, коли зміниються моделі ризику. З часом це може зробити поведінку людини більш вимірюваною та керованою так само, як організації зараз контролюють продуктивність системи.