Glow، استارتاپ سایبرسکیوریتی با ارزش ۱.۲ میلیارد دلار از حالت پنهان خارج شد
Glow، استارتاپ امنیت سایبری مستقر در پالو آلتو و تأسیسشده توسط مدیران سابق Meta و Snowflake، روز چهارشنبه اعلام کرد که با جذب ۱۸۰ میلیون دلار سرمایه در یک دور Series A تماماً سهامی، به ارزشگذاری ۱.۲ میلیارد دلاری رسیده و بهعنوان یک یونیکورن (شرکت میلیارد دلاری) معرفی شده است. این سرمایهگذاری با هدایت Sequoia Capital، Cyberstarts، Greenoaks و Redpoint Ventures و مشارکت صندوقهایی مانند Index Ventures، Swish Ventures، Lux Capital، Operator Collective و Holly Ventures انجام شد.
زمینه و دلیل شکلگیری
با گسترش ابزارهای هوش مصنوعی در سازمانها و همزمانی افزایش استفاده مهاجمان از هوش مصنوعی مولد برای اتوماسیون فیشینگ، تولید بدافزار و اجرای حملات پیچیدهتر، شرکتها در حال بازاندیشی کامل در رویکردهای امنیتی خود نسبت به دستگاههای کارکنان (نهایتاً نقاط انتهایی مانند لپتاپها، سرورها و دستگاههای متصل) هستند. افشای توانمندیهای مدل Mythos از Anthropic که نشاندهنده قابلیتهای پیشرفته در شناسایی و بهرهبرداری از آسیبپذیریهای نرمافزاری بود، بحثها پیرامون تهدیدات مبتنی بر هوش مصنوعی را شدت بخشیده و نیاز به راهحلهای جدید امنیتی را روشنتر کرده است.
محصول و رویکرد فنی Glow
Glow در سال ۲۰۲۵ تأسیس شده و روی پلتفرم امنیت نقاط انتهایی تمرکز دارد که هدف آن نظارت و کنترل نرمافزارها، عاملهای هوش مصنوعی (AI agents) و ابزارهای توسعهدهندگان نصبشده روی دستگاههای کارکنان است. این پلتفرم از «عاملهای هوش مصنوعی تخصصی» برای نقشهبرداری پیوسته از محیطهای سازمانی، ارزیابی ریسک در زمان واقعی و اجرای سیاستهای امنیتی استفاده میکند. به گفته بنیانگذاران، Glow با ترکیب مدلهای پیشرفته هوش مصنوعی (از جمله مدلهای Anthropic و Google Gemini از طریق Amazon Bedrock) و نرمافزار اختصاصی خود که به مدلها زمینه و کانتکست سازمانی میدهد، تلاش میکند قابلیت اطمینان این مدلها را در حوزه امنیت افزایش دهد.
نمونههای کاربردی و نتایج اولیه
مدیرعامل Glow، روی تایگر، اعلام کرده که پلتفرم این شرکت از قبل مانع نصب پکیجهای مخرب npm (که بهعنوان مؤلفههای نرمافزاری شخص ثالث در ساخت برنامهها استفاده میشوند) در محیط مشتریان شده، عاملهای هوش مصنوعی را که تلاش داشتهاند چنین مؤلفههایی را وارد کنند شناسایی کرده و دستگاههایی را که ابزارهای Endpoint Detection and Response (EDR) روی آنها نصب نشده یا عملکرد کاهشیافتهای داشتهاند، کشف کرده است. این موارد نشان میدهد تمرکز Glow بر پیشگیری از ورود نرمافزارهای پرخطر و عاملهای خودکار به محیط سازمانی است، نه صرفاً تشخیص تهدید پس از وقوع.
تیم و مشتریان
بنیانگذاران Glow شامل روی تایگر (معاون سابق مهندسی در Meta)، عمر سینگر (مسئول استراتژی سایبری سابق در Snowflake)، اوفیر آریه (معاون تحقیق و توسعه سابق در Claroty) و آرنون جوزف (رهبر مهندسی سابق در Meta) هستند. تیم اجرایی همچنین شامل امیلی هیت، مدیر عملیاتی و از مدیران امنیت اطلاعات سابق United Airlines و DocuSign است. هرچند Glow تازه از حالت پنهان بیرون آمده، اعلام کرده که مشتریان پرداختی در صنایع مختلف از جمله سلامت، خردهفروشی و خدمات مالی دارد؛ اما نام و تعداد مشتریان را فاش نکرده است. بهطور معمول استقرارهای این استارتاپ در سازمانهای بزرگ، شامل دهها هزار دستگاه کارکنان در سطح جهانی است. این شرکت در حال حاضر نزدیک به ۱۰۰ نفر را بهکار گرفته که حدود ۷۰ درصد آنها در اسرائیل و مابقی در ایالات متحده مستقرند.
رقابت و چشمانداز بازار
بازار امنیت نقاط انتهایی رقابتی و تحت سلطه بازیگران بزرگی مانند CrowdStrike، Microsoft، SentinelOne و Palo Alto Networks است. تفاوت رویکرد Glow در تمرکز بر پیشگیری از ورود نرمافزارها و عاملهای هوش مصنوعی پرخطر به محیط سازمانی است، در مقابل محصولاتی که عمدتاً بر تشخیص تهدید پس از بروز تمرکز دارند (EDR). اینکه پلتفرمهای مبتنی بر هوش مصنوعی و بهویژه «امنیت نقطه انتهایی بومیِ هوش مصنوعی» بهعنوان یک دسته مجزا در بازار تثبیت شوند، هنوز روشن نیست، اما شواهد نشان میدهد سازمانها بهتدریج با تبعات امنیتی مدلهای هوش مصنوعی پیشرفته روبهرو شده و به راهکارهای جدید نیاز دارند.
پیام برای سازمانها
برای شرکتها و تیمهای امنیتی، پیام واضح است: با ورود گسترده هوش مصنوعی به محیطهای کاری، ضرورت بازنگری در استراتژیهای حفاظت از نقاط انتهایی افزایش یافته است. اقدامات فوری شامل نقشهبرداری دقیق از تمام دستگاهها و نرمافزارهای اجراشده، کنترل و مدیریت عاملهای هوش مصنوعی داخلی و تامینکنندگان، و تلفیق راهکارهای پیشگیرانه در کنار ابزارهای تشخیصی است.
نتیجهگیری
Glow با جذب سرمایه قابلتوجه و تکیه بر مدلهای هوش مصنوعی و تجربه تیمی از شرکتهای بزرگ فناوری، روی یک فرض کلیدی شرطبندی کرده: امنیت نقاط انتهایی در عصر هوش مصنوعی باید از «تشخیص پس از وقوع» به «پیشگیری و کنترل پویا» تحول یابد. آینده نشان خواهد داد آیا این رویکرد میتواند به یک استاندارد جدید در حفاظت از دستگاههای سازمانی تبدیل شود یا رقبا با راهکارهای ترکیبی پاسخ خواهند داد.