Лас Вегас, САЩ, 4 август 2026 г., CyberNewswire

Тъй като атакуващи, подпомагани от изкуствен интелект, съкращават времето за експлоатация до часове, Mallory превръща актуалното разузнаване на злонамерени субекти в приоритетни, управлявани от политики действия, чрез инструментите, които екипите по сигурност вече използват.

Mallory, платформата за управление на заплахи и излагане на риск, базирана на изкуствен интелект, днес представи единен контекстуален и разузнавателен слой за екипите по сигурност.

Архитектурата има три части: контекстуален граф, който корелира повърхността за атака, данните за заплахите и уязвимостите; интелигентен слой за разсъждения, който определя какво е важно и защо; и слой за политики и управление, който насочва приоритетната работа към действие съгласно собствените правила на всеки клиент.

Единна основа поддържа разследване на излагане на риск, лов на заплахи, управление на риска във веригата за доставки и приоритизиране на уязвимостите, вместо да заключва екипите в един фиксиран работен процес.

„Нашата визия е интелигентна, автономна платформа, която постоянно оценява дали дадена заплаха е действителен риск във вашата среда, така че вашият екип да получава по-бърза и по-точна реакция и да отделя времето си за риска, който има значение.

Разузнаването за лов на заплахи, приоритизиране на излагане на риск и изграждане на откривания започва от едни и същи данни, така че не би трябвало да са необходими три инструмента, за да проработи. И когато работещ експлойт се появи за часове, опашка, подредена по оценка за сериозност, която не знае кой ви атакува, губи времето на вашите най-добри анализатори за работа, която трябва да бъде автоматизирана“, каза Джонатан Кран, основател и главен изпълнителен директор на Mallory.

Контекстуалният граф, слоят за разсъждения и слоят за политики са напълно отделими, така че Mallory пасва на стека на всеки екип по сигурност, а не само на такъв, изграден около него.

Екипите, които просто искат контекстуален източник на данни, могат да включат данните за заплахите и контекста на Mallory директно в работните процеси, които вече използват.

Екипите, готови да отидат по-далеч, могат да приемат автономния пакет на Mallory извън кутията, като предадат рутинното отстраняване на излагане на риск на агенти в мащаб, всичко това в рамките на дефинираните и контролирани от тях политики.

Моделът на потребление на Mallory е умишлено отклонение от ценообразуването на AI, базирано на използване. Той отчита покритието и резултатите, а не използването на токени, и поддържа „bring-your-own-key“ (BYOK), така че екипите да работят със собствена моделна инфраструктура или тази на Mallory.

Екипите плащат за софтуер и резултатите, които той произвежда, а не за това колко консумира даден работен процес.

Атакуващи, подпомагани от изкуствен интелект, намалиха разходите и времето за намиране на експлоатируеми недостатъци, а екипите по сигурност са затънали в разузнаване, по което не могат да действат достатъчно бързо.

Точковите инструменти принуждават екипите да избират между приоритизиране на излагане на риск, лов на заплахи или изграждане на откривания, когато истинският проблем е по-нагоре: да знаят какво да търсят, къде да го търсят и да бъдат достатъчно бързи и рентабилни, за да действат по него.

Архитектурата на Mallory е изградена, за да затвори тази празнина веднъж, на слоя под всичките три проблема, вместо да решава всеки един поотделно.

Контекстуалният граф извлича информация за повърхността за атака и конфигурацията на сигурността, след което я обединява с външно разузнаване на заплахите и информация за уязвимости, използвайки едни и същи основни процеси. Всяко ново CVE или техника на злонамерен субект се корелира спрямо действителното излагане на риск на организацията в рамките на минути, а не дни.

Интелигентният слой за разсъждения се намира отгоре, определяйки дали даден сигнал достига до средата, къде попада и колко е важен предвид реалната дейност на злонамерения субект, а не само статична оценка на сериозността.

Слоят за политики и управление се намира над това, позволявайки на екипите да задават точно колко автономност да получат агентите за разсъждения: одитиране на хранилища за код спрямо настоящи техники на злонамерени субекти, наблюдение на зависимостите във веригата за доставки, оценка на CI/CD конфигурации или насочване на приоритизиран случай директно към инструмента за управление на задачи, който екипът вече използва.

Основателят на Mallory, Джонатан Кран, пише за произхода му в блога: Хронологиите на злонамерените субекти се сринаха: Защитниците трябва да преосмислят проактивната сигурност с агенти

Mallory обединява разузнаването на заплахите, контекста на излагане на риск и реакцията в единна архитектура за екипите по сигурност.

Той наблюдава дейността на злонамерените субекти, контекстуализира я спрямо повърхността за атака на организацията и преобразува фрагментираната телеметрия в приоритетни, основани на доказателства действия.

Четири компонента работят заедно: разузнаване на заплахите, унифициран контекстуален граф, автономен пакет, който разследва и създава случаи, и слой за политики и управление, който поддържа работата на агентите в обхват, подлежаща на одит и контролирана.

Екипите по сигурност използват Mallory на собствените си модели, ключове и инфраструктура. Основана през 2024 г. и със седалище в Остин, Тексас, Mallory е подкрепена от Decibel Partners, LiveOak Ventures и Aviso Ventures. Потребителите могат да научат повече на mallory.ai.