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
丰田第六代RAV4搭载高通骁龙数字底盘平台,提供个性化、直观且无缝连接的驾驶体验。新车基于丰田Arene软件开发平台,推进软件定义汽车发展,配备紧急驾驶停止系统和突然加速抑制功能。车载多媒体系统支持个性化主屏幕定制和更准确的语音识别。通过与高通技术公司合作,利用先进AI技术增强用户体验,提供更智能、直观和安全的出行方案。
上海AI实验室开发RePro训练方法,通过将AI推理过程类比为优化问题,教会AI避免过度思考。该方法通过评估推理步骤的进步幅度和稳定性,显著提升了模型在数学、科学和编程任务上的表现,准确率提升5-6个百分点,同时大幅减少无效推理,为高效AI系统发展提供新思路。
Chainguard发布可信开源软件季度报告,基于1800多个容器镜像项目和近5亿次构建的数据分析。报告显示:Python因AI需求成为最受欢迎的开源镜像;超半数生产环境运行在热门项目之外的长尾镜像上;98%的漏洞出现在非热门项目中,安全负担主要集中在不太显眼的技术栈部分;44%客户在生产环境中使用FIPS镜像以满足合规要求;Chainguard平均在20小时内修复关键漏洞。
MIT团队开发的VLASH技术首次解决了机器人动作断续、反应迟缓的根本问题。通过"未来状态感知"让机器人边执行边思考,实现了最高2.03倍的速度提升和17.4倍的反应延迟改善,成功展示了机器人打乒乓球等高难度任务,为机器人在动态环境中的应用开辟了新可能性。