网络安全服务公司 Guardz Cyber Ltd. 宣布已于今日完成 5600 万美元 B 轮融资,此举旨在帮助中小企业应对日益增多的各类威胁,从而提升其韧性。
本轮融资由 ClearSky 领投,Phoenix Financial 参与投资,同时现有投资者 Glilot Capital Partners、SentinelOne、Hanaco Ventures、iAngels、GKFF Ventures 和 Lumir 也参与其中,公司至此累计融资总额达到 8400 万美元。
Guardz 于2023年1月末正式进入聚光灯下,距今略逾两年。自那以后,公司调整了商业模式,不再直接向中小企业销售平台和服务,而是转而与服务中小企业的托管服务提供商(MSP)合作,通过其全面的网络防御工具套件,帮助这些服务提供商构建自有的安全产品。
Guardz 统一网络安全平台主要聚焦于基于人力与人工智能的托管检测与响应服务,该服务专为需要大规模交付稳健安全防护的 MSP 量身定制。该平台整合了云端、数据、身份和终端设备的主动保护功能于一体,帮助 MSP 以最小的人工干预快速检测并响应威胁。平台将 AI 驱动的威胁检测与专家主导的追踪相结合,持续监控 Google Workspace、Microsoft 365 及其他企业系统中的用户行为和活动,旨在标记任何可能暗示账户被接管的异常活动。一旦出现预警,平台可即时暂停账户以防止潜在损害。
该初创公司之所以锁定 MSP,是因为他们意识到 MSP 为产品触达迫切需要帮助的中小企业提供了最佳途径。此前,中小企业由于过于分散且投资回报率不如大型企业吸引黑客大举攻击。然而,随着 AI 技术的进步,恶意行为者如今可以自动化对中小企业发起攻击,使得攻击收益变得更加可观。这对中小企业来说尤为令人担忧,因为它们往往缺乏足够的专业知识和工具来防御复杂的网络威胁。
为此,Guardz 专门开发了针对中小企业的安全平台,并声称其产品的防护能力与大型组织所使用的工具不相上下。该平台以托管服务的形式提供,其中大量繁琐工作由 AI 自动化处理。例如,Guardz 能够自动检测威胁、漏洞或可疑活动,提供补救措施并生成报告以供 MSP 参考。此外,MSP 还可利用 Guardz 的工具模拟针对每个中小企业定制的攻击。
Guardz 联合创始人兼首席执行官 Dor Eisner 表示,公司使命是为中小企业带来企业级网络安全防护。“MSP 是这些中小企业的第一道防线,而这些企业正是全球经济的发动机,”他说。
这种集成且全方位的安全平台正是 MSP 所急需的。据 Guardz 自行调查显示,77% 的 MSP 在管理多种分散的网络安全工具和系统上都遇到困难。公司的发展势头也十分强劲,目前已吸纳数百家 MSP 成为合作伙伴,并在全球范围内帮助数千家中小企业提升安全防护。
Guardz 表示,本次融资将用于扩大市场推广力度、推进 AI 驱动的自动化及风险预防系统,同时构建全新的网络合规和保险能力。
ClearSky 管理合伙人 Alex Weiss 表示,他认为 Guardz 正在服务一个既关键又长期被忽视的市场。“其 AI 原生的策略、无缝整合及对 MSP 生态系统的持续关注已经带来迅速增长,并使他们具备了在这一领域持续领先的独特优势,”他补充道。
好文章,需要你的鼓励
Gartner预测,到2030年所有IT工作都将涉及AI技术的使用,这与目前81%的IT工作不使用AI形成鲜明对比。届时25%的IT工作将完全由机器人执行,75%由人类在AI辅助下完成。尽管AI将取代部分入门级IT职位,但Gartner认为不会出现大规模失业潮,目前仅1%的失业由AI造成。研究显示65%的公司在AI投资上亏损,而世界经济论坛预计AI到2030年创造的就业机会将比消除的多7800万个。
CORA是微软研究院与谷歌研究团队联合开发的突破性AI视觉模型,发表于2023年CVPR会议。它通过创新的"区域提示"和"锚点预匹配"技术,成功解决了计算机视觉领域的一大挑战——开放词汇目标检测。CORA能够识别训练数据中从未出现过的物体类别,就像人类能够举一反三一样。在LVIS数据集测试中,CORA的性能比现有最佳方法提高了4.6个百分点,尤其在稀有类别识别上表现突出。这一技术有望广泛应用于自动驾驶、零售、安防和辅助技术等多个领域。
人工智能正从软件故事转向AI工厂基础,芯片、数据管道和网络协同工作形成数字化生产系统。这种新兴模式重新定义了性能衡量标准和跨行业价值创造方式。AI工厂将定制半导体、低延迟结构和大规模数据仪器整合为实时反馈循环,产生竞争优势。博通、英伟达和IBM正在引领这一转变,通过长期定制芯片合同和企业遥测技术,将传统体验转化为活跃的数字生态系统。
中国电信研究院联合重庆大学、北航发布T2R-bench基准,首次系统评估AI从工业表格生成专业报告的能力。研究涵盖457个真实工业表格,测试25个主流AI模型,发现最强模型得分仅62.71%,远低于人类专家96.52%。揭示AI在处理复杂结构表格、超大规模数据时存在数字计算错误、信息遗漏等关键缺陷,为AI数据分析技术改进指明方向。