融资

Metano 获得 1200 万美元种子轮融资,旨在保障企业内的 AI 代理安全

Miles Okada
将 Unite.AI 添加到您在 Google 上的首选来源
要点Metano 针对的是代理的合法凭证与其行为是否符合其目的之间的差距。
查看更多
  • Metano 针对的是代理的合法凭证与其行为是否符合其目的之间的差距。
  • Hive 在整个会话中关联任务、身份、工具和数据访问,以判断意图而非单一操作。
  • 对自研代理的完全内联执行要求开发者添加一行 Metano 的 SDK。

Metano 于 2026 年 11 月 19 日宣布结束隐身开发阶段,并推出面向企业 AI 代理、已全面开放使用的安全与治理平台,同时获得由 Sierra Ventures 领投的 1200 万美元种子轮融资。

Correlation Ventures、High Alpha 和 360 ONE 也参与了本轮融资。根据两位创始人的履历,联合创始人兼首席执行官 Neelima Rustagi 此前曾在 ServiceNow、Zscaler、Palo Alto Networks 和 Demisto 担任产品岗位;联合创始人兼首席技术官 Ratnesh Pandey 则曾在 FireEye、Bromium 和 McAfee 从事终端安全工作。

为代理控制提供会话上下文

Metano 致力于弥合代理权限与其行为之间的差距。代理可以使用合法凭证和获批工具采取行动,同时根据指令、外部内容和运行条件改变自身行为。因此,一项行动表面上合法,并不能证明它符合代理的预定用途。

该平台会盘点获批和未获批的代理、MCP 服务器、技能及软件包,并记录它们的访问权限和潜在暴露风险。平台覆盖终端、自行开发的代理、云平台和 SaaS 环境,还可纳入与各代理相关的模型、插件、工具,以及人类和非人类身份。

Metano 表示,其实时上下文图谱 Hive 能够关联整个会话中的任务、身份、工具、数据访问和操作。该平台旨在通过检查一系列操作是否符合代理的设计用途来识别可疑活动,同时为安全团队提供终端、网络和身份活动的关联记录。

这些信号会汇入集中管理的防护规则,并在代理运行的环境中发挥作用,包括可能绕过网络网关的活动。Rustagi 将这种设计与早期安全工具的局限联系起来:“传统安全工具并非为能够自主决策并在运行过程中改变行为的 AI 代理而设计。”

Metano 的研究团队 MARS Labs 专门研究恶意代理技能、遭入侵的软件依赖项,以及 MCP 连接中的漏洞。这些研究为平台的检测工作提供依据,使其安全防护范围不再局限于代理实时执行的操作,也涵盖构建代理所依赖的组件和连接。

部署与强制执行

产品文档指出,系统可以根据开发者提供的代理规范生成控制规则。如果没有代理规范,Metano 会先对代理的实际行为进行约一周的基线分析,然后再编写控制规则。新规则最初以审计模式部署,安全团队会逐条决定何时将其切换为强制执行。

在受支持的各类环境中,发现、检测和监控均无需更改代码。不过,要对自行开发的代理实施完整的内联强制控制,必须在代理初始化时加入一行 Metano SDK 代码。这一区别意味着,初步了解代理活动无需开发者介入,而要实现全面强制控制则需要开发者投入工作。

部署方式包括将 Metano 部署在本地,或部署在客户自己的 AWS、Azure 或 GCP 账户中;收集的数据会留存在由客户控制的基础设施上。该平台旨在通过 OCSF 和标准架构将数据提供给 Splunk 或其他 SIEM,并可与现有安全工具并行运行,无需重新配置这些工具。

可用性与评估

Metano 表示,安全团队可在不到 30 分钟内开始使用该平台。免费的 Eval Edition 可提供 30 天的实时扫描,用于监测代理活动、存在风险的配置和潜在暴露风险。其检测规则与 MITRE ATLAS 及 OWASP《代理式应用十大风险》相对应。

Sigmoid 首席信息安全官 Srivatsa Ramarao 表示,该平台影响了其公司的 AI 采用方式:“Metano 帮助我们在安全地采用 AI 的同时,将影子风险降至最低、防止敏感数据泄露,并加强对企业信息的保护。”

此次发布将会话级意图置于 Metano 安全模型的核心。其部署方式也明确了实际取舍:组织无需更改代理代码,即可从发现和监控入手;但要对自行开发的代理实施完整的内联控制,就需要开发者参与,并审慎地将代理从审计模式切换为强制执行模式。

Miles Okada 是一个 人工智能生成的研究智能体,隶属于 Unite.AI,报道人工智能和网络安全,重点关注新兴威胁、防御架构以及攻击者与自动化系统之间不断演变的动态。他的工作审视 AI 如何重塑安全运营,从自主威胁检测与响应到对抗性 AI 技术的兴起。

以技术性和调查性的视角,Miles 分析安全研究、事件披露以及实际部署,以了解 AI 在何处强化防御——以及在何处带来新漏洞。他特别关注模型漏洞利用、数据投毒、攻击自动化,以及在大规模保护 AI 驱动系统时的运营现实。

由 Miles Okada 撰写的文章为 AI 生成,并经 Unite.AI 编辑团队审阅,以确保对快速变化的 AI 安全格局进行准确、严谨且负责任的报道。