创业公司Databahn通过使用AI代理来筛选大量日志遥测数据,以诊断安全威胁。
总部位于德克萨斯州达拉斯的Databahn成立于2023年7月,由首席执行官Nanda Santhana和总裁Nithya Nareshkumar共同创立。安全专家Santhana于2005年从南加州大学获得工程与工业管理硕士学位,随后加入安全公司Vaau担任创始成员。该公司于2008年被Sun收购以增强其身份管理产品,他成为区域经理,2010年Oracle收购Sun后晋升为技术研究员。他后来成为Securonix的创始成员,该公司使用机器学习和大数据分析开发网络威胁检测技术,在那里工作了近12年直至Databahn诞生。
金融背景出身的Nithya Nareshkumar在摩根大通工作了13年,最终担任财富管理执行董事,随后加入存管信托清算公司(DTCC)担任执行董事后升任董事总经理。她离职后与Santhana共同创立Databahn,同时投资早期创业公司。两人认为可以通过将遥测数据与传统SIEM(安全信息和事件管理)安全平台以及安全数据湖分离,构建更好的收集和保护遥测数据的方法——如Databricks和Snowflake等平台通常具有高昂的订阅和许可费用。Databahn声称可以将安全遥测成本降低一半。
利用GTM Capital的种子资金,Databahn开发了其DataBahn.ai产品,使用AI和数据编排来更好地管理分布式安全信息,并改进威胁检测和分析。该公司开发了Cruz AI代理,自称为"盒装数据工程师",用于自动化日志发现、数据导入、标准化、转换、优化和运营监控等流程。Cruz自主跟踪新事件类型,自动处理架构漂移和格式变更,并将数据转换为任何数据模型,如CIM、ECS或OCSF。
Databahn开发的是一个具有数据结构概念的安全日志数据管道。它发现企业收集了PB级的日志、警报和遥测数据,但"通常只分析其中不到5%的数据"。这为AI大语言模型(LLM)或代理提供了机会。Databahn推出了Reef产品来摄取PB级日志数据,实时过滤、识别、情境化和优先处理高价值数据,直接写入企业自有的数据湖基础设施。
该公司采用模型上下文协议(MCP)将Reef与Cruz AI集成,现已获得A轮风险投资家的关注,从Forgepoint Capital筹集了1700万美元,S3 Ventures协助投资,回头投资者GTM Capital也参与其中,总融资额达到1900万美元。Databahn将使用这笔资金开发"从企业数据流中学习以自动化数据工程任务的自主代理——并支持全球扩张,使公司成为寻求数据管道清晰度、控制力和可组合性的企业的可信基础"。
该公司表示可以管理和运营跨安全、可观察性、物联网/运营技术和AI生态系统的遥测数据。这将使"组织能够无缝集成、治理和优化从任何来源到任何目的地的数据管道——具有一键简化和企业级控制"。
新的"Phantom代理在不部署传统代理的情况下收集遥测数据,避免占用空间膨胀并保护计算资源"。其软件将大规模解析、丰富和抑制噪声,提供联合搜索功能以提供基于角色的洞察,而不仅仅是使用SQL查询。
Santhana表示:"我们正在为可观察性新时代奠定基础,在这个时代,数据不仅被移动,而且被理解、丰富并实时做好AI准备。"
评论:
分析大规模SIEM遥测数据看起来与AI代理能力、专有数据完美匹配,这是一个明确定义的工作负载空间,勒索软件/恶意软件检测在每个组织的关注列表中都排名很高。对于已转向成为网络弹性供应商的数据保护公司,如Cohesity、Commvault、Druva、Rubrik等,像Databahn这样的公司可能代表着绝佳的并购机会——对于成熟的安全供应商也是如此。
好文章,需要你的鼓励
在技术快速发展的时代,保护关键系统越来越依赖AI、自动化和行为分析。数据显示,2024年95%的数据泄露源于人为错误,64%的网络事件由员工失误造成。虽然先进的网络防御技术不断发展,但人类判断仍是最薄弱环节。网络韧性不仅是技术挑战,更是人员和战略需求。建立真正的韧性需要机器精确性与人类判断力的结合,将信任视为战略基础设施的关键要素,并将网络韧性提升为国家安全的核心组成部分。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。
自计算机诞生以来,人们就担心机器会背叛创造者。近期AI事件包括数据泄露、自主破坏行为和系统追求错误目标,暴露了当前安全控制的弱点。然而这种结果并非不可避免。AI由人类构建,用我们的数据训练,在我们设计的硬件上运行。人类主导权仍是决定因素,责任仍在我们。
360 AI Research团队发布的FG-CLIP 2是一个突破性的双语精细视觉语言对齐模型,能够同时处理中英文并进行精细的图像理解。该模型通过两阶段训练策略和多目标联合优化,在29个数据集的8类任务中均达到最先进性能,特别创新了文本内模态对比损失机制。团队还构建了首个中文多模态评测基准,填补了该领域空白,为智能商务、安防监控、医疗影像等应用开辟新可能。