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
Songscription公司发布AI音乐转录工具,可在几分钟内将音频文件转换为乐谱。该产品采用免费增值模式,面向专业和业余音乐家。目前主要支持钢琴转录,未来计划增加吉他谱等功能。用户可上传音频文件或直接从YouTube链接进行转录,系统还能生成钢琴卷帘谱。公司定位为增强型音乐记谱软件,帮助用户加速转录过程。该初创公司已获得Reach Capital的预种子轮融资。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
甲骨文宣布签约一位神秘大客户,预计从2028财年开始每年将贡献超过300亿美元收入,这将使其云业务规模翻倍以上。CEO萨弗拉·卡茨透露,公司多云数据库收入持续以超过100%的速度增长。甲骨文2025财年总收入574亿美元,其中云收入244亿美元。公司采用独特的云策略,在竞争对手的数据中心部署自己的基础设施,主要运行甲骨文数据库以提供低延迟访问。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。