پرش به محتوای اصلی
پرش به محتوای مقاله

سرمایه‌گذاری ۵۰ میلیون دلاری در Harmonic Security برای مهار ریسک‌های AI

·۲۲ مهر ۱۴۰۵۴ دقیقه مطالعه
شرکت هارمونیک سکیوریتی ۵۰ میلیون دلار سری B جذب کرد برای توسعه تیم‌های آمریکا و بریتانیا
شرکت هارمونیک سکیوریتی ۵۰ میلیون دلار سری B جذب کرد برای توسعه تیم‌های آمریکا و بریتانیا
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

استفاده از SLMهای سفارشی برای طبقه‌بندی در لحظه (Real-time) به‌جای تحلیل پس از حادثه؛ این یعنی تبدیل نظارت امنیتی از یک گزارش متنی به یک فیلتر فعال.

اگر مدیر یک سازمان هستید و بین «امنیت داده‌ها» و «بهره‌وری کارکنان» گیر کرده‌اید، احتمالاً ابزارهای AI را به‌طور کامل مسدود کرده‌اید تا ریسک نشت اطلاعات را به صفر برسانید. اما این رویکرد، در واقع یک «مالیات امنیتی» است که سرعت رشد شرکت شما را می‌گیرد.

طبق اعلام شرکت Harmonic Security در ۱۴ اکتبر ۲۰۲۶، این استارتاپ در دور دوم سرمایه‌گذاری (Series B) مبلغ ۵۰ میلیون دلار جذب کرد. این دور سرمایه‌گذاری که توسط Crosspoint Capital Partners رهبری شد و تقاضای سرمایه‌گذاران برای آن بیش از ظرفیت بود (Oversubscribed)، مجموع سرمایه‌های این شرکت را از زمان راه‌اندازی در اوت ۲۰۲۳ به ۷۶ میلیون دلار رساند. این تزریق سرمایه برای گسترش پلتفرم حاکمیت AI این شرکت در بازارهای آمریکا و بریتانیا ضروری است.

بسیاری از سازمان‌ها اکنون با یک انتخاب دوتایی روبروست: یا ابزارهای AI را برای تضمین امنیت ببندند، یا آن‌ها را باز بگذارند و ریسک افشای داده‌های حساس را بپذیرند. هدف Harmonic حذف این اصطکاک است؛ به گونه‌ای که مدیران بتوانند بدون متوقف کردن نوآوری، حفاظ‌هایی (Guardrails) برای استفاده کارکنان تعریف کنند و دید دقیقی نسبت به نحوه استفاده واقعی کارکنان از AI داشته باشند.

همان‌طور که در تحلیل‌های قبلی ما درباره‌ی امنیت مدل‌های بازمتن اشاره کردیم، چالش اصلی سازمان‌ها نبودِ ابزار، بلکه نبودِ دید (Visibility) نسبت به نحوه استفاده از این ابزارهاست. زک سیورتسون، مدیر ارشد Crosspoint Capital Partners، خاطرنشان کرد که امنیت در بسیاری از موارد باعث کند شدن پذیرش فناوری‌های جدید شده است. او بیان کرد که Harmonic به مدیران این اعتماد را می‌دهد تا پذیرش AI را شتاب ببخشند، در حالی که کارکنان از ابزارهایی استفاده می‌کنند که بهره‌وری آن‌ها را افزایش می‌دهد.

به نقل از آلیستر پاترسون، مدیرعامل و هم‌بنیان‌گذار شرکت، این شرکت شتاب واقعی گرفته است و تازه در ابتدای راه است. او اشاره کرد که سرمایه جدید به آن‌ها اجازه می‌دهد تا در حالی که به تغییرات سریع چشم‌انداز AI پاسخ می‌دهند، با سرعت بیشتری محصول خود را توسعه دهند. Harmonic برای حمایت از این رشد، پیش از این قراردادهای توزیع جدیدی را با شرکت‌های Climb و Distology امضا کرده است.

بر اساس مستندات این شرکت، پلتفرم آن‌ها تنها سامانه‌ای است که قادر است هر تسک AI را طبقه‌بندی کرده و آن را در لحظه (Real-time) کنترل کند. برای رسیدن به این سرعت، Harmonic از مدل زبانی کوچک (SLM) — شبیه به یک دستیار متخصص که به‌جای خواندن کل کتابخانه، فقط روی یک دفترچه راهنمای خاص تمرکز کرده تا سریع‌تر جواب دهد — استفاده می‌کند. این مدل‌ها تعاملات را در چند میلی‌ثانیه پردازش می‌کنند. این رویکرد برای بهینه‌سازی سرعت پردازش حیاتی است، مشابه تلاش‌هایی که در پروژه EUCLYD برای رفع محدودیت‌های پهنای باند حافظه صورت گرفت تا بازدهی سخت‌افزاری AI افزایش یابد. این سرعت بالا به سیستم اجازه می‌دهد تا تفاوت بین یک برنامه‌نویس که به یک طرح فنی (Technical Schema) ارجاع می‌دهد و کارمندی که به‌اشتباه رمز عبورهای زنده (Live Credentials) را در یک پرامپت می‌چسباند، تشخیص دهد.

قابلیت‌های کلیدی این پلتفرم عبارتند از:

  • پوشش گسترده: در ۱۲ ماه منتهی به این خبر، پلتفرم از نظارت صرف بر مرورگرها فراتر رفته و اکنون ابزارهای AI دسکتاپ و گردش‌های کاری عامل‌محور (Agentic Workflows) را نیز پوشش می‌دهد. این اقدام شکافی را می‌پوشاند که معمولاً استفاده از حساب‌های شخصی و افشای داده‌های حساس از آنجا آغاز می‌شود.
  • هوشمندی در مصرف: یک لایه اختصاصی که شناسایی می‌کند کدام موارد استفاده از AI واقعاً برای کسب‌وکار ارزش خلق می‌کنند. این قابلیت به مدیران نشان می‌دهد که کارکنان در کجا راه سریع‌تری برای کار پیدا کرده‌اند و سازمان باید در مرحله بعد کجا سرمایه‌گذاری کند، به‌جای اینکه صرفاً روی محدود کردن تمرکز کند.
  • یکپارچگی با اکوسیستم: این پلتفرم از طریق پروتکل زمینهٔ مدل (MCP) به Agent Builder شرکت Cisco Cloud Control متصل می‌شود. همچنین با API انطباق (Compliance API) شرکت Claude ادغام شده است تا برای کاربران Claude Enterprise در استقرار‌های میزبانی‌شده توسط Anthropic، دید کاملی نسبت به لاگ‌های فعالیت پلتفرم کلود و محتوای گفتگوها فراهم کند.

این شرکت که در اوت ۲۰۲۳ توسط آلیستر پاترسون (مدیرعامل) و برایان وولگار-اونیل (مدیر فنی) تأسیس شد، رشد سریعی داشته است. مسیر آن‌ها با یک دور Seed به مبلغ ۷ میلیون دلار به رهبری Ten Eleven Ventures در اکتبر ۲۰۲۳ آغاز شد.

تا آوریل ۲۰۲۴، این شرکت به عنوان یکی از فینالیست‌های RSA Innovation Sandbox انتخاب شد و پس از آن در ژوئیه ۲۰۲۴، محصول حفاظت از داده‌های خود با نام Harmonic Protect را عرضه کرد. در ۲ اکتبر ۲۰۲۴، Harmonic جذب ۱۷.۵ میلیون دلار سرمایه در دور اول (Series A) به رهبری Next47 را اعلام کرد که منجر به ورود تی. جی. رایلاندر (شریک عمومی) به هیئت مدیره شد. در آن زمان، شرکت بیش از ۲۶ میلیون دلار جذب کرده بود و ۳۰ نفر کارکن داشت.

امروز تیم این شرکت به بیش از ۹۰ نفر در آمریکا و بریتانیا گسترش یافته است. این شرکت اکنون از میلیون‌ها کارمند در بیش از ۱۰۰ سازمان جهانی، از جمله برخی از بزرگترین شرکت‌های دنیا، محافظت می‌کند. گروه سرمایه‌گذاران و هیئت مدیره اکنون شامل رایلاندر، مارک ساتون (CISO سابق Bain Capital)، الکس دال (بنیان‌گذار Ten Eleven Ventures)، گرانت وایتینگ (شریک In-Q-Tel) و کولتون دمپسی از N47 است و رنه بونوانی (CMO سابق Palo Alto Networks) به عنوان مشاور آن‌ها را همراهی می‌کند.

پاترسون تأکید می‌کند که شرط‌بندی روی SLMهای سفارشی یک تصمیم استراتژیک بوده است. او بیان کرد که شرکت از ابتدا متعهد به استفاده از SLMهای سفارشی شد تا بینش منحصر‌به‌فردی نسبت به نحوه استفاده سازمان‌ها از AI به دست آورد. با پرهیز از مدل‌های غول‌پیکر و عمومی برای نظارت، Harmonic تأخیر (Latency) را کاهش و دقت طبقه‌بندی را بالا برده است. این یعنی پلتفرم به‌جای اینکه صرفاً یک گزارش پس از حادثه (Audit Log) باشد، مانند یک فیلتر در لحظه عمل می‌کند.

برای یک مدیر کسب‌وکار، این تغییر به معنای گذار از «مسدود کردن و مقابله» به «مشاهده و بهینه‌سازی» است. به‌جای ممنوع کردن ChatGPT یا Claude، سازمان‌ها اکنون می‌بینند AI دقیقاً کجا زمان می‌بخشد و کجا ریسک ایجاد می‌کند و بدین ترتیب با استفاده از AI به عنوان یک دارایی داده‌محور برخورد می‌کنند.

گام بعدی شما

  • اگر از ابزارهای AI در سازمان استفاده می‌کنید، بررسی کنید که آیا سیاست‌های دسترسی شما بر اساس «مسدودسازی کلی» است یا «نظارت هوشمند».
  • درباره پروتکل MCP مطالعه کنید تا متوجه شوید چگونه لایه‌های امنیتی در آینده با مدل‌های مختلف ارتباط برقرار می‌کنند.
  • ارزیابی کنید که کدام بخش‌های عملیاتی شما بیشترین نشت داده احتمالی را هنگام استفاده از AI دارند.

اما داستان استانداردسازی ارتباط بین عامل‌های AI و لایه‌های امنیتی تازه شروع شده است؛ باید منتظر ماند و دید پذیرش پروتکل MCP در میان سایر فروشندگان امنیتی چگونه رشد می‌کند، زیرا این پروتکل می‌تواند نحوه ارتباط عامل‌های AI و لایه‌های امنیتی را در عرض مدل‌های مختلف LLM استاندارد کند. اثر این روند را در گزارش بعدی بررسی خواهیم کرد.

چرا این موضوع مهم است؟

این رویکرد با تکیه بر تخصص در مدل‌های کوچک، اجازه می‌دهد سازمان‌ها بدون ترس از نشت داده، پذیرش AI را شتاب دهند. در واقع، امنیت از یک مانع تبدیل به ابزاری برای بهینه‌سازی بهره‌وری تبدیل می‌شود.

تأثیر برای ایران

به‌دلیل تحریم‌ها و محدودیت‌های API، دسترسی مستقیم سازمان‌های ایرانی به این پلتفرم دشوار است، اما معماری مبتنی بر SLM برای توسعه‌دهندگان داخلی که به دنبال ساخت لایه‌های نظارتی روی مدل‌های محلی هستند، یک الگوی کاربردی است.

·نگاه ما
تحریریه دات‌هوش

تمرکز Harmonic بر مدل‌های زبانی کوچک (SLM) نشان می‌دهد که عصر مدل‌های «هرچه بزرگ‌تر، بهتر» در حوزه زیرساخت‌های امنیتی به پایان رسیده است. در لایه‌های نظارتی، سرعت استنتاج و دقت در طبقه‌بندی بسیار حیاتی‌تر از توانایی تولید متن خلاقانه است. این رویکرد احتمالاً به ترند جدیدی تبدیل می‌شود که در آن هر سازمان برای هر وظیفه خاص، یک مدل کوچک و بهینه را جایگزین مدل‌های عمومی می‌کند.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.