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
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
随着医疗数据数字化与互操作性的进步,跨机构纵向患者数据的研究应用成为可能。本研究通过对20位领域专家的访谈,识别出8种数据收集方法,涵盖智能手机应用、结构化数据导出、区域/全国研究查询及聚合数据源等。研究发现,各方法均有其优缺点,无单一最优方案。参与者中介交换方式可绕过复杂治理安排,但存在数据缺口;全国性网络尚不支持研究查询。公共政策的持续推进将对该领域发展起关键作用。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。