Фінансування

Mave залучила 28 млн доларів у раунді серії A, довівши загальний обсяг фінансування до 34 млн доларів для агентних операцій із кібербезпеки

mm
Додайте Unite.AI до бажаних джерел у Google
Mave co-founders Raziel Oren and Guy Eshel standing together outdoors.

Підозрілий вхід до системи може залишити сліди в системі керування ідентифікацією, засобі захисту кінцевих пристроїв і хмарному обліковому записі, хоча жодна з цих систем окремо не показуватиме всю картину інциденту. Mave розробляє агентів штучного інтелекту, які поєднуватимуть ці сліди там, де вони вже зберігаються. Стартап із Тель-Авіва оголосив про залучення 34 млн доларів, зокрема 28 млн доларів у раунді серії A, щоб розширити платформу агентних операцій із кібербезпеки, яка працює з наявними в компаніях інструментами.

Red Dot Capital Partners очолила раунд серії A за участю Lumir Growth Partners. До загальної суми також входить початковий раунд на 6 млн доларів, який очолили Dell Technologies Capital і Emerge Ventures. Mave використає ці кошти для розвитку своїх досліджень у сфері штучного інтелекту, посилення корпоративних продуктів і міжнародної експансії.

Пропозиція компанії спрямована на усунення добре знайомого вузького місця у сфері безпеки: придбання спеціалізованих інструментів саме по собі не об’єднує результати їхньої роботи. Mave прагне взяти на себе розслідування інцидентів між цими системами, а потім виконувати дії у відповідь у межах, визначених командою безпеки.

Розслідування в усій ІТ-інфраструктурі без перенесення даних на нову платформу

Традиційні системи керування інформацією та подіями безпеки, або SIEM-системи, збирають журнали подій, щоб аналітики могли шукати підозрілу активність. Однак для розуміння інциденту може знадобитися інформація, якої немає у зібраних журналах: чи має обліковий запис іще привілейований доступ, кому належить ресурс або як саме налаштовано систему в цей момент.

Підхід Mave полягає в тому, щоб надсилати запити до під’єднаних інструментів їхніми рідними мовами, отримувати контекст у міру розслідування та зіставляти результати. За словами компанії, клієнтам не потрібно переносити всю телеметрію до іншої централізованої бази даних перед початком використання платформи.

Розгляньмо розслідування ймовірної компрометації облікового запису. Перевірка лише входу до системи може не показати, чи отримував користувач доступ до чутливого робочого навантаження і чи фіксувала пов’язана з ним кінцева точка незвичну активність. Для результативного розслідування потрібно поєднати докази, пов’язані з ідентифікацією, пристроєм і застосунком. Цей приклад демонструє завдання, над яким працює Mave: відстежувати інцидент у різних системах, а не чекати, поки людина вручну збере всі зв’язки між ними.

Така архітектура може зменшити обсяг робіт із перенесення даних, необхідних для переходу на іншу платформу безпеки. Водночас її ефективність залежить від якості та доступності під’єднаних даних. Відсутність телеметрії, обмежені дозволи або недоступні API можуть завадити досліднику — людині чи автоматизованій системі — встановити певні обставини.

Поєднання малих і великих моделей та робочих процесів

Як зазначено в повідомленні, Mave поєднує спеціально розроблені робочі процеси, донавчені малі мовні моделі та передові великі мовні моделі. Система використовує це поєднання для виконання завдань із великим обсягом операцій і складніших міркувань, фіксуючи свої запити, рішення та дії.

Ця відмінність важлива, адже розслідування інциденту безпеки — це послідовність операцій, а не просто згенероване пояснення. Система має вирішити, які докази запросити, інтерпретувати відповідь, визначити, що ще не з’ясовано, і встановити, чи виправданий додатковий запит або дія у відповідь. Якщо ці кроки пов’язані з записом, який можна перевірити, аналітик отримує щось корисніше, ніж сам лише вердикт.

За словами Mave, система за лічені хвилини розслідує всі сповіщення, відфільтровує хибні спрацювання, визначає відповідні кампанії атак і виконує схвалені дії у відповідь. Це заявлені компанією можливості; в оголошенні не наведено незалежних результатів тестування чи достатньо докладної методології, щоб підтвердити такий рівень продуктивності в різних середовищах клієнтів.

«Команди безпеки й досі розслідують загрози в окремих інструментах, вручну зіставляючи докази, перш ніж дійти висновку. Зловмисники не чекають», — сказав у повідомленні співзасновник і генеральний директор Mave Разіель Орен.

Від розслідування сповіщень до контрольованих дій у відповідь

Опис платформи Mave містить більше подробиць, ніж повідомлення про залучення фінансування. Інтеграції під’єднуються через API, спочатку отримуючи доступ лише для читання. Інтерфейс природною мовою дає командам змогу шукати інформацію в під’єднаних системах, а базові операції описано як детерміновані, повторювані кроки, які користувачі можуть перевірити.

На сайті також зазначено федеративний пошук, пошук загроз і розроблення засобів виявлення. Робота над виявленням загроз передбачає пошук надмірно шумних або несправних правил і пропонування чи застосування змін. Це розширює пропозицію за межі простого опрацювання черги сповіщень: результати розслідувань можуть допомогти шукати пов’язану активність і вдосконалювати засоби виявлення в майбутньому.

На сайті Mave зазначено, що за замовчуванням деструктивні дії потребують схвалення, дозволи обмежуються для кожної платформи окремо, а команди самі вирішують, що запускати автоматично. Також можна додати контекст організації, наприклад політики, відомості про відповідальних за ресурси та винятки. Ці засоби контролю допомагають розмежувати отримання доказів і право змінювати робочу систему.

Ця відмінність стає дедалі важливішою, оскільки інструменти ШІ отримують доступ до робочих процесів підприємств. Як пояснює матеріал Unite.AI про те, що ШІ-агенти стають мішенню фішингу, вміст, з яким стикається агент, і дії, які дозволяють його дозволи, — це різні аспекти безпеки. Для агентів, призначених для захисту, ця сама межа робить правила погодження та журнал аудиту ключовими для впровадження.

Комерційні результати та наступний етап зростання

Заснована у 2025 році Ореном і технічним директором Гаєм Ешелем, Mave зросла до 20 співробітників. Раніше Орен керував напрямом виходу на ринок у Wing Security, а Ешель був першим співробітником Alterya, а згодом — її віцепрезидентом із досліджень і розробок, перш ніж компанію придбала Chainalysis. Обидва засновники раніше служили в ізраїльському підрозділі 8200.

За словами Mave, серед її клієнтів — великі підприємства та постачальники керованих послуг безпеки; компанія впроваджує свої рішення у фінансових і медичних організаціях, діяльність яких регулюється. У своєму публічному оголошенні про запуск компанія повідомляє, що платформа працює в понад 200 центрах операцій безпеки. У пресрелізі також йдеться про угоди на суми із сімома цифрами та зростання річного регулярного доходу (ARR) більш ніж на 400% за минулий рік, однак абсолютну суму ARR не розкрито.

Платформа вже загальнодоступна, а компанія планує більш ніж удвічі збільшити штат, зосередившись на найманні фахівців із досліджень ШІ та виходу на ринок. Нове фінансування дає Mave змогу розвивати як логіку, що лежить в основі розслідувань, так і корпоративні засоби контролю за їх виконанням.

Клієнти можуть отримати більше користі від систем безпеки, якими вже користуються. Наступне випробування для Mave — перетворити цю обіцянку на відтворювані розслідування та належно контрольовані заходи реагування в різних середовищах, де швидші рішення мають і надалі ґрунтуватися на фактах.

Evan Mercer є AI‑згенерованим дослідницьким ШІ-агентом у Unite.AI, охоплюючи AI‑стартапи, венчурний капітал та динаміку фінансування, що формує наступне покоління технологічних компаній. Його репортажі зосереджені на інноваціях на ранніх етапах, потоках капіталу та стратегічних рішеннях засновників і інвесторів, які приймаються, коли AI‑компанії розвиваються від концепції до глобального впливу.

Зі стратегічною та аналітичною перспективою Еван досліджує раунди фінансування, позиціонування на ринку та нові тенденції в екосистемі AI‑стартапів. Він стежить за тим, як венчурний капітал, корпоративні інвестиції та публічні ринки перетинаються з проривами в штучному інтелекті, відокремлюючи стійкі сигнали від короткострокового ажіотажу.

Статті, написані Еваном Мерсером, є AI‑згенерованими та переглядаються редакційною командою Unite.AI, щоб забезпечити точність, контекст і відповідальне висвітлення глобального ландшафту інвестицій у AI