Ano ang HiddenLayer? $100M na Pondo at ang Pag-usbong ng AI Agent Runtime Security
Mabilis na nagde-deploy ang mga korporasyon ng autonomous AI agents na sumusulat ng code, gumagamit ng mga tool, nakakakuha ng data, at nagpapatupad ng multi-step workflows na may kaunting pagmamasid mula sa tao. Ang mga sistema na ito ay nagpapalawak ng attack surface nang malaki kumpara sa tradisyonal na mga modelo, na naglilikha ng makabuluhang pangangailangan para sa espesyalisadong runtime defenses na sumusubaybay sa pag-uugali habang ito ay nangyayari. Ang HiddenLayer, isang AI security company na base sa Austin at itinatag noong 2022, ay nakaposisyon sa sentro ng pagbabagong ito sa pamamagitan ng pagpapaligtas sa agentic, generative, at predictive AI applications sa buong buhay-cycle. Noong Setyembre 2, 2026, inanunsyo ng kumpanya ang isang $100 milyong Series B funding round na pinamumunuan ng Delta-v Capital, kasama ang pagkaka-partner mula sa Ten Eleven Ventures, Morgan Stanley, Microsoft’s M12, at Booz Allen Ventures, na nagdala ng kabuuang kapital na nakalap sa halos $156 milyon.
Nakakatanggap ang pondo habang tumataas ang taunang paulit-ulit na kita nang higit sa 10 beses kumpara sa nakaraang taon patungo sa mga tens ng milyon dolyar, na hinahamon ng higit sa 50 bagong customer sa platform mula sa mga sektor ng serbisyo finansyal, teknolohiya, farmaseutikal, mga airline, gobyerno, at mga komunidad ng depensa at intelihiyensya ng Estados Unidos. Isang customer ay isang pangunahing tagapagbigay ng frontier model na sumusuporta sa higit sa 700 milyon na weekly users. Tinitignan ng artikulong ito ang pag-unlad ng platform ni HiddenLayer, ang teknikal at merkado na mga dahilan sa likod ng agentic runtime security, ang nasumpungan na mga sukat ng paglago, at ang praktikal na epekto sa mga organisasyon na nagde-deploy ng AI agents sa produksyon. Ang pangunahing teorya ay na ang may layuning disenyo na runtime visibility, detection, at enforcement para sa AI agents ay naging isang kritikal na imprastruktura habang lumilipas ang mga autonomous system mula sa pagsubok patungo sa pangunahing operasyon ng korporasyon.
Ipinahayag ng HiddenLayer ang kanyang $100 milyong Series B noong Setyembre 2, 2026, na pinamumunuan ng Delta-v Capital at may strategic na pagkaka-partner mula sa Ten Eleven Ventures, Morgan Stanley, ang M12 venture fund ng Microsoft, at Booz Allen Ventures. Ang pagsasama-samang ito ay sumunod sa isang $50 milyong Series A noong Setyembre 2023 na pinamumunuan ng M12 at Moore Strategic Ventures at isang mas maagang seed round, na nagresulta sa kabuuang pondo na humigit-kumulang $156 milyon. Sinabi ng pamumuno ng kumpanya na ang kapital ay magpapalalim sa enterprise platform, lalo na sa Agentic Runtime Security at sa bagong ipinakilala na Agent Harness Security solution na disenyo para sa AI coding agents. Ang taunang umuulit na kita ay lumawak ng higit sa sampung beses sa nakaraang labing-dalawang buwan, kung saan higit sa 90 porsyento ng paglago ay nakatuon sa mga bagong kliyente. Ang mga vertical na may pinakamalakas na pag-unlad ay kasama ang financial services at mga malalaking teknolohiya na kumpanya na nagbuo ng AI products, kasama ang mga kontrata na sumusuporta sa Department of Defense at ang intelligence community.
Ang pagtaas ay nagpapakita ng mas malawak na pagkilala sa merkado na ang mga sistema ng AI ay nangangailangan ng mga nakak окlal na layer ng seguridad kaysa sa mga pagpapalawig ng karaniwang mga kasangkapan. Ang mga researcher ng HiddenLayer ay may 39 na nabigyang-patento at 65 na naka-apply na patento na sumasaklaw sa adversarial detection, model protection, at threat analysis. Ang koponan ay nakatulong sa mga proyekto na kasangkot ang CISA/JCDC, MITRE, NIST, OWASP, at OpenSSF. Pinatibay din ng pamumuno ang komersyal na kakayahan sa pamamagitan ng pagtatalaga ng isang bagong chief revenue officer at ipinahayag ang mga plano para sa karagdagang paghingga, pagpapalawak ng channel, at pagsali sa mga merkado ng Europa at EMEA. Ang mga hakbang na ito ay nagpaposisyon sa kumpanya upang matugunan ang tumataas na pangangailangan ng enterprise habang ang mga agentic system ay naging operational infrastructure kaysa sa mga pilot project.
Ang agentic runtime security ay nakatuon sa pagmamasid kung paano nag-uugali ang mga AI agent habang nagpapatupad ng mga gawain sa mga production environment. Madalas ay nakatuon ang tradisyonal na pagtatanggol ng modelo sa integridad ng training data, pagpapaliwanag ng input, o pagsubok bago ang pag-deploy. Sa halip, ang mga runtime approach ay nagmamasid sa mga live na interaksyon sa loob ng mga prompt, mga tawag sa tool, pag-access sa data, at mga multi-step na proseso ng desisyon. Ipinapaliwanag ng HiddenLayer ang kakayahang ito bilang katulad ng endpoint detection at response systems, na inaayos partikular para sa AI inference at agent workflows. Ang platform ay bumubuo muli ng mga agent session upang ipakita kung paano nag-uunlad ang mga desisyon, na nagbibigay-daan sa mga security team na makakita ng prompt injection, masasamang sequence ng tool, data exfiltration, at hindi pinahintulutang aksyon bago ito magkakasundo.
Ayon sa HiddenLayer’s 2026 AI Threat Landscape Report, isang sa bawat walong paglabag sa AI ay may kinalaman sa mga agentic system, ngunit halos isang-katlo ng mga organisasyon ay hindi kayang matukoy kung sila ay nakaranas ng ganitong insidente. Ang mga agent ay gumagana sa bilis ng makina at maaaring makakapag-access sa mga sistema, ilipat ang data, o i-activate ang mga tool nang mas mabilis kaysa sa kakayahan ng tao na tumugon. Kaya nagtataglay ang runtime security ng real-time visibility, imbestigasyon, threat hunting, at adaptive enforcement. Maaaring pagsamahin ng mga patakaran ang sensitibong impormasyon, blokehin ang hindi ligtas na aksyon, o direksiyonin ang mga agent na maiwasan ang mga nasiraan o komprometadong input habang pinapanatili ang operasyonal na tuloy-tuloy. Ang tuloy-tuloy na pagsusuri na modelo ay tumutugon sa katotohanan na ang mga pagsisiguro sa panahon ng disenyo ay hindi magagawang jaminan ang katiyakan kung ang mga agent ay makikipag-ugnayan sa hindi tiyak na nilalaman o panlabas na mga tool.
Noong Agosto 3, 2026, ipinakilala ng HiddenLayer ang Agent Harness Security bilang extension ng kanyang Runtime Security module. Ang solusyong ito ay nakatuon sa mga AI coding agent na bumabasa ng source files, nagpapatakbo ng shell commands, nag-iinstall ng dependencies, nagbabago ng repositories, at nagpapagawa ng pull requests. Ang mga agent na ito ay lumago pa sa mga simpleng tool ng pagmumungkahi; inaasahan ng Gartner na sa pamamagitan ng 2028, 90 porsyento ng mga enterprise software engineer ay gagamit ng AI code assistants, tumaas mula sa mas mababa sa 14 porsyento noong unang bahagi ng 2024. Ang harness layer, ang orchestration environment na nag-uugnay sa mga model sa konteksto, memorya, mga tool, at kasanayan, ay lumilikha ng bagong runtime attack surface kung saan ang indirect prompt injection na nakapaloob sa isang README o tool output ay maaaring mag-apekto sa pag-uugali.
Ang Agent Harness Security ay nag-iintegro sa native hook surface ng bawat coding agent upang magbigay ng inline visibility at kontrol. Nakakakuha ang mga security team ng pag-unawa sa mga prompt, tool calls, file edits, repository interactions, at command execution. Maaaring makatuklas ang sistema ang mga secret na dumadaan sa model context, unsafe command patterns, hindi inaasahang dependency installs, at obfuscated payloads. Ang mga opsyon sa pagpapatupad ay kasama ang redaction ng sensitibong data bago ito makarating sa model, pagpapadala ng mga agent ayon sa ligtas na sagot, at pag-block sa mataas na panganib na aksyon. Dahil iba-iba ang antas ng kontrol na ipinapakita ng iba’t ibang agent platform, ang solusyon ay nagrereport ng aktwal na lakas ng pagpapatupad na available sa bawat environment, upang maunawaan ng mga team kung anong mga proteksyon ang aktibo nang hindi nagdudulot ng pagbabahala sa productivity ng mga developer.
Ang pagtanggap ng mga customer ay tumakas nang malaki sa taon bago ang Series B. Lumabas ang higit sa 50 bagong customer ng platform, na kumakalat sa securities brokerage, banking, insurance, accounting, pamahalaan, teknolohiya, IT services, pharmaceuticals, airlines, at mga komunidad ng U.S. defense at intelligence. Ang mga bagong international na pagdaragdag ay kasama ang isang pangunahing pharmaceutical company, premium automotive brands, at food at beverage providers. Isang nakikitaan na deployment ay sumusuporta sa isang pangunahing provider ng frontier model kung saan ang mga sistema nito ay naglilingkod sa higit sa 700 milyong weekly users. Ang financial services at malalaking technology organizations na nagbuo ng AI products ay kasalukuyang kumakatawan sa pinakamalaking commercial verticals.
Ang pagpapatotoo ng gobyerno ay nagpapalakas pa sa aplikasyon ng platform sa mga mataas na antas ng pagpapatotoo. Pinili ang HiddenLayer bilang tagapagwala sa kontrata ng Missile Defense Agency na SHIELD IDIQ na sumusuporta sa air-gapped at naklasipikadong mga kapaligiran. Kasali rin ang kumpanya sa mga inisyatiba ng Department of Energy na nakatuon sa mga ligtas na aplikasyon ng AI. Ipapakita ng mga kontrata na ang parehong pangunahing teknolohiya, ang non-invasive na pag-analisa na hindi nangangailangan ng pag-access sa raw training data o model weights, ay maaaring magtrabaho sa parehong komersyal na production na kapaligiran at sa sensitibong mga konteksto ng pambansang seguridad. Ang kalawakan ng paggamit ay nagpapakita na ang mga organisasyon na itinuturing ang AI bilang pangunahing operasyonal na imprastruktura ay nag-aalok ng mga nakalaang budget para sa seguridad kaysa mag-asa lamang sa umiiral na mga kasangkapan.
Ang platform ni HiddenLayer ay naglalaman ng mga kakayahan sa seguridad ng supply chain ng AI na tumatala sa mga modelo at kanilang mga dependensya bago ang pag-deploy. Ang kumpanya ay nagrereport na sinusuri ang higit sa 50 iba’t ibang AI file frameworks upang patunayan na ang mga open-source at open-weight models ay tugma sa kanilang ipinahayag na pagkakakilanlan at integridad. Ang pananaliksik ay nakakatuklas ng mga kaso kung saan ang mga modelo ay nagpapanggap na isang bagay habang naglalaman ng hidden o napalitan mga komponente. Ang pag-aaral na ito ay gumagawa ng AI Bill of Materials na nagtataya sa genealogy ng modelo at nagpapahiwatig ng malware, vulnerabilities, o mga isyu sa integridad nang hindi kailangan ng pag-access sa proprietary na training data.
Habang paulit-ulit na kinokonsidera ng mga negosyo ang paggamit ng mga third-party at open-weight na modelo sa mga production pipeline, ang pag-verify ng supply chain ay naging isang pangunahing kontrol. Maaaring magdagdag ng mga kompromisong modelo ang mga attacker na tila legitimo ngunit may backdoors o binago ang pag-uugali. Ang runtime protections ay kumpleto ang mga pagsusuri bago ang pag-deploy sa pamamagitan ng pagmamonitor patuloy sa pag-uugali matapos mabuksan ang mga modelo. Ang kombinasyon ay tumutugon sa parehong static na panganib sa model artifact at dynamic na panganib na lumalabas lamang kapag tumutugon ang modelo sa live na input, mga tool, at mga pinagkukunan ng data. Ang mga organisasyon na gumagamit ng agentic workflows na kumukuha mula sa maraming pinagkukunan ng modelo ay nakikinabang sa patuloy na pagpapatotoo ng integridad sa buong buhay ng modelo.
Ang HiddenLayer ay may nakalaang organisasyon para sa pananaliksik sa adversarial AI na nagbuo ng unang komprehensibong Taxonomy ng Adversarial Prompt Engineering at natuklasan ang dozens ng mga vulnerabilities sa mga foundation model, mga tool, at suportang infrastruktura. Ang portfolio ng pananaliksik ay naglalaman ng 39 na nabigyang-patento at 65 na naka-apply para sa patento sa mga larangan tulad ng adversarial detection, model protection, at threat analysis. Ang mga miyembro ng team ay nakikilahok sa mga kolaboratibong pagsisikap kasama ang CISA/JCDC, MITRE, NIST, OWASP, at OpenSSF, upang mapabuti ang mga metodolohiya ng red-teaming at magbigay-impormasyon sa mga diskusyon tungkol sa AI governance at safety.
Nagkakaroon ng pagkakaiba ang platform na ito sa pamamagitan ng pagpapalalim ng mga kakayahan ng produkto sa patuloy na paghahanap ng banta kaysa sa mga nakapirming patakaran. Ang mga natuklasan ay direktang nagpapalakas sa lohika ng paghahanap para sa prompt injection, manipulasyon ng agent, at masamang paggamit ng mga kasangkapan. Ang parehong pananaliksik ang nagiging pundasyon ng mga module sa pagpapakita ng pag-atake na nagpapahintulot sa mga organisasyon na subukan ang kanilang depensa nang patuloy. Habang ang mga agentic system ay nagdadala ng mga bagong multi-step attack chains, ang kakayahang i-update ang paghahanap batay sa lumalabas na pananaliksik ay naging isang praktikal na kalamangan para sa mga security team na responsable sa production AI environments.
Ipinagkakaloob ng Gartner na magkakaroon ng paggastos na $2.83 bilyon ang mga organisasyon noong 2026 sa mga produkto na disenyo para sa pagpapalakas ng mga AI tool, na nagpapakita ng 83 porsyentong pagtaas kumpara sa 2025. Inaasahan ng kumpanya na makarating ang merkado sa halos $4.78 bilyon noong 2027. Ang seguridad ng AI application at kontrol sa paggamit ng AI ay nasa mga pinakamalaking segment, kasama ang malakas na paglago na inaasahan para sa mga platform at gateway ng pamamahala. Nagpapakita ang mga numero na kilala na ang karaniwang mga kontrol sa seguridad ay may mga puwang kapag ang mga sistema ay naglalabas ng output, gumagamit ng mga tool, o gumagawa nang awtonomo.
Ang mas malawak na konteksto ay kasama ang pagtaas ng pangkabuuang paggastus sa seguridad ng impormasyon at ang partikular na paglalabas ng mga panganib na may kinalaman sa agent. Tinitiyak ng mga analista na higit sa kalahati ng matagumpay na cyberattack sa AI agent ay inaasahang magpapakita ng mga kahinaan sa pagkontrol ng pag-access at prompt injections bago ang 2029. Ang runtime protection ay naging pangunahing kategorya sa loob ng seguridad ng AI agent dahil ito ay tumutugon sa live execution kaysa sa eksklusibong pre-deployment testing o static policy. Kaya, ang mga enterprise na nagpapalawak ng agentic workload ay nakakatagpo sa parehong pagtaas ng produktibidad mula sa autonomous systems at ang kaakibat na pangangailangan para sa espesyalisadong visibility at enforcement layers.
Ang mga pangunahing kakayahan sa runtime ay nakatuon sa tatlong magkakaugnay na panganib: ang prompt injection at indirect attacks na nagpapabago sa pag-uugali ng agent sa pamamagitan ng hindi tiwalaang nilalaman; ang pagkakalantad ng sensitibong data kapag ang mga agent ay nagdadala ng source code, credentials, o proprietary na impormasyon; at ang hindi ligtas na pagkilos ng agent na nagmumula sa napapalitan o masasamang tugon ng mga kasangkapan. Ang pagdetekta ay gumagana sa buong konteksto ng sesyon kaysa sa mga hiwalay na prompt, na nagpapahintulot sa pagkilala sa mga multi-step na serye ng pag-atake. Ang pagpapatupad ay maaaring blokehin, redact, o ayusin ang nilalaman ayon sa patakaran habang nag-iintegrate sa mga umiiral na SIEM at SOAR workflows.
Para sa mga coding agent, ang harness-level integration ay nagmamasid sa pagbasa ng mga file, pagpapatakbo ng mga komando, pag-install ng mga dependency, at interaksyon sa repository. Ang antas na ito ng pagmamasid ay nagpapahintulot sa mga security team na imbestigahan hindi lamang kung ano ang ginawa ng isang agent kundi kung paano ito napagdesisyunan. Sa mga kapaligiran kung saan ang mga agent ay gumagana ng may mataas na mga pribilehiyo sa mga developer machine o continuous integration systems, ang kakayahang interbeyen bago matapos ang mga hindi ligtas na aksyon ay nagpapababa ng posibleng sakop ng pinsala. Ibinabahagi ng mga organisasyon na ang pagpapanatili ng produktibidad ng mga developer ay patuloy na mahalaga; ang mga teknik na pagpapakita ng nilalaman na nagpapahintulot sa mga agent na magpatuloy nang ligtas pagkatapos ng pag-alis ay sumusuporta sa pangangailangang ito.
Ang mga kita mula sa Series B ay nakalaan pangunahin sa pagpapalalim ng Agentic Runtime Security at Agent Harness capabilities, pagpapalawak ng kapasidad sa engineering at pananaliksik, at pagpapabilis ng mga benta at distribusyon. Ipinahiwatig ng pamumuno ang pagkakaroon ng pansin sa vertical scaling kasabay ng pagtatanggap ng artificial intelligence habang hinahanda ang kompanya para sa posibleng horizontal na pagpapalawak patungo sa kaugnay na mga domain ng cybersecurity. Ang internasyonal na paglago ay nagsisimula sa Europa at mas malawak na rehiyon ng EMEA, na suportahan ng karagdagang paghingga at pag-unlad ng mga channel.
Ang kapital ay nagpapatibay din sa kakayahan ng kumpanya na panatilihin ang isang platform na gawa para sa layunin nito kaysa mag-asa sa mga pangkalahatang kasangkapang pangseguridad na inadaptado pagkatapos. Binanggit ng mga investor na ang tradisyonal na solusyong pangseguridad ay disenyo para sa code at infrastruktura, hindi para sa mga modelo na maaaring masira, huliin, o manipulahin sa pamamagitan ng kanilang sariling input. Ang kombinasyon ng depth ng pananaliksik, non-invasive na arkitektura, at focus sa runtime ay nagpaposisyon sa platform para sa patuloy na pagtanggap habang ang mga agentic system ay lumalalim sa mas reguladong at mataas na halagang kaligiran.
Ang mga organisasyon na naglalabas ng AI coding agents o autonomous workflow systems ay nakakatagpo ng isang pagkakawala ng pagkakita: marami sa kanila ay walang real-time na inventory ng aktibong mga agent at hindi kayang madaling muling bumuo ng mga multi-step na sesyon kapag nagkakaroon ng anomaliya. Ang pagpapatupad ng runtime security ay nangangailangan ng mga puntos ng integrasyon na obserbahan ang aktibidad ng agent nang hindi nagdadala ng hindi tatanggapin na latency o pagbabahala sa umiiral na development pipelines. Ang mga solusyon na gumagamit ng native agent hooks at nagrereport ng enforcement strength bawat platform ay tumutulong sa mga security team na maunawaan ang residual risk.
Ang mga epektibong programa ay nagpapagsasama ng pag-scan sa supply chain bago ang deployment, patuloy na pag-simula ng pag-atake, at live na runtime monitoring. Dapat tugunan ng mga patakaran ang parehong direkta at indirekta pag-atake na dala ng mga output ng kasangkapan o nakuha nilalaman. Ang integrasyon sa umiiral na mga kagamitan sa security operations ay nagpapahintulot na mabigyan ng pagkakataon ang mga pagkakakilanlan sa mga umiiral na proseso ng imbestigasyon at tugon. Habang nagkakaroon ng mga awtoridad ang mga agent upang baguhin ang code, ma-access ang mga lihim, o makipag-ugnayan sa production systems, tumataas ang gastos ng pagkakaligtaan sa pagkakakilanlan, gawaing kailangan na ang patuloy na runtime controls ay isang praktikal na pangangailangan at hindi isang opsyonal na pagpapabuti.
Ang merkado ng AI security ay nakatanggap ng malaking kapital, na may ilang vendor na nagpapataas ng malalaking pondo upang harapin ang mga nakakaparehong o malapit na problema. Ang mga malalaking kumpanya sa cybersecurity ay nagsagawa ng pagkuha upang dagdagan ang mga kakayahan na espesipiko sa AI. Nagkakaiba ang HiddenLayer sa pamamagitan ng kanilang pagtutok sa non-invasive na pag-analisa na hindi nangangailangan ng model weights o training data, kanilang pagtutok sa agentic runtime at coding-agent harnesses, at kanilang itinatag na presensya sa parehong komersyal at classified na mga kapaligiran. Ang platform ay nag-uunify ng paghahanap, supply chain security, attack simulation, at runtime protection sa loob ng isang solong arkitektura.
Habang lumalago ang kategorya, sinusuri ng mga negosyo ang mga solusyon batay sa sakop ng multi-step agent workflows, kalakasan ng integrasyon sa umiiral na agent frameworks, kalidad ng session reconstruction para sa imbestigasyon, at ang kakayahang ipatupad ang patakaran nang walang sobrang false positives o developer friction. Ang mga update sa detection na batay sa pananaliksik at mga kontribusyon sa mga istandar ng industriya ay nagbibigay ng karagdagang tanda ng pangmatagalang kakayahang magpatuloy. Mas pinipili ng mga organisasyon ang mga platform na itinuturing ang runtime behavior bilang isang first-class control surface, hindi bilang isang pagkakalimutan sa mga pagsisikap na nakatuon sa modelo.
Ang mga agentic system ay nagpapalipat mula sa mga eksperimental na kasangkapan patungo sa mga komponente ng mga pangunahing proseso ng negosyo. Inaasahan ng Gartner at iba pang mga analista ang patuloy na mabilis na paglago sa pag-deploy ng AI agent at kaugnay na gastusin sa seguridad. Inaasahan na mananatiling pangunahing tulong ang runtime security dahil ang mga agent ay nagdudulot ng dinamiko at konteksto-dependent na panganib na hindi makakamit ng buong pagsubaybay ang mga istatikong kontrol. Ang mga kakayahan na nagbibigay ng pagkakita sa iba’t ibang kasangkapan, data, at mga interaksyon ng maraming agent ay malamang na lalawak habang dagdagan ng mga organisasyon ang awtonomiya na ibinibigay sa mga sistema na ito.
Ang bagong pagsasakop at pagpapalawak ng produkto ng HiddenLayer ay nagpapahigpit sa kompanya upang suportahan ang ganitong landas. Ang kombinasyon ng dokumentadong paglago ng ARR, kakaibang customer base sa mga reguladong industriya, gobyerno kontrata, at malaking portfolio ng patent ay nagpapakita ng patuloy na pangangailangan para sa purpose-built na AI security. Ang mga enterprise na itinuturing ang runtime protection bilang mahalagang imprastruktura at hindi bilang opsyonal na layer ay mas handa na upang i-scale ang agentic workflows habang pinapamahalaan ang lalong paglalawak ng attack surface na nililikha ng mga workflow na iyon. Ang tuloy-tuloy na pag-verify sa runtime ay nananatiling praktikal na pundasyon para sa mapagkakatiwalaang AI operations.
Ano ang mga partikular na kakayahan ng Agentic Runtime Security ni HiddenLayer para sa mga production agent?
Ang Agentic Runtime Security ay nagtataguyod ng real-time visibility sa paraan kung paano nag-iinteract ang AI agents sa mga kasangkapan, data, at iba pang mga sistema habang aktibo. Ito ay bumubuo ng buong session context upang maunawaan ng mga security team ang mga sequence ng desisyon, matukoy ang prompt injection at masamang paggamit ng mga kasangkapan, at mag-aply ng mga aksyon sa pagsasagawa tulad ng pag-block, pag-redact, o pag-steer ng nilalaman. Ang module na ito ay nag-iintegrate sa mga umiiral na security operations workflows at sumusuporta sa pag-aaral at threat hunting sa mga multi-step autonomous processes.
Paano pinoprotektahan ng Agent Harness Security ang mga AI coding agent nang hindi nagpapabagal sa mga developer?
Ang Agent Harness Security ay direktang nag-iintegrate sa mga native control surface ng mga suportadong coding agents. Ito ay nagmamasid sa mga prompt, pag-access sa mga file, shell commands, pag-install ng mga dependency, at pagbabago sa repository sa real time. Ang sensitibong data ay maaaring ma-redact bago makarating sa model, at ang mga agent ay maaaring direksiyonin para iwasan ang poisoned inputs. Ang pagpapatupad ay kalinawan batay sa kakayahan ng bawat agent platform, na nagpapahintulot sa patuloy na produktibong paggawa habang ang mga mataas na panganib na aksyon ay limitado.
Ano-ano ang mga industriya na pinakamalawak na tinanggap ang platform ng HiddenLayer?
Ang mga serbisyo sa pananalapi at mga malalaking kumpanya sa teknolohiya na nagbuo ng mga produkto sa AI ay kasalukuyang bumubuo sa pinakamalaking komersyal na vertical. Ang karagdagang malakas na paggamit ay nakikita sa insurans, mga kumpanya sa pharma, mga airline, gobyerno, at mga komunidad ng depensa at intelihiyensya ng Estados Unidos. Suportahan din ng kumpanya ang isang provider ng frontier model na naglilingkod sa higit sa 700 milyong sukat na gumagamit linggo at may mga international na customer sa mga sektor ng automotive at pagkain at inumin.
Ano ang maaaring paglalayunin ng HiddenLayer susunod ng pagsasakop ng Series B na pondo na $100 milyon?
Ang kapital ay sumusuporta sa mas malalim na pag-unlad ng Agentic Runtime Security at Agent Harness capabilities, pagpapalawak ng mga koponan ng inhinyeriya at pananaliksik, pagpapabilis ng mga benta at distribusyon, at geograpikong paglago na nagsisimula sa Europa at EMEA. Ipinaliwanag din ng pamumuno ang patuloy na pag-invest sa organisasyon ng pananaliksik na nagbibigay-daan sa mga update sa deteksyon at kontribusyon sa mga istandar ng industriya.
Paano hinahanap ng HiddenLayer ang mga modelo nang walang pag-access sa mga datos sa pagtuturo o mga timbang?
Gumagamit ang platform ng mga di-intrusibong teknik na nag-e-examine sa mga artifact ng modelo, mga tensor structure, file frameworks, at runtime behavior. Pinapayagan ng pamamaraang ito ang pag-scan ng halos 50 AI file formats para sa mga isyu sa integridad, malware, at mga pagkakaiba sa pagitan ng ipinahayag at aktwal na nilalaman ng modelo. Ang parehong pilosopiya ay umuugnay sa runtime monitoring, na nagmamasid sa mga input, output, at mga aksyon ng agent nang hindi kailangan ng pagsasakop sa loob ng modelo.
Ano ang mga proyeksyon sa paglago ng merkado na sumusuporta sa pag-invest sa AI runtime security?
Ipinaghihinala ng Gartner na ang paggastos sa mga produkto para sa pagpapalakas ng AI ay makakarating sa $2.83 bilyon noong 2026, isang pagtaas ng 83 porsyento mula sa nakaraang taon, at halos $4.78 bilyon noong 2027. Inaasahan ng mga analista na ang mga kahinaan sa pagkontrol ng pag-access at mga prompt injection ay magiging bahagi ng karamihan sa mga matagumpay na pag-atake sa mga AI agent bago ang 2029. Ipinapakita ng mga proyeksyon na ito ang paglalawak ng attack surface na nilikha ng mga autonomous system sa mga production environment.
Kung nag-aalala ka sa madalas na pagtaas at pagbaba sa merkado, at hinahanap ang mas matatag na opsyon upang kumita nang pasibo, ang KuCoin ay ang tamang lugar para dumalaw:
Simple Earn: Mag-deposit at mag-withdraw ng mga token anumang oras, at kumita ng mga tiyak na kita.
KuCoin Earn: Kumita ng matatag na kita gamit ang propesyonal na pamamahala ng ari-arian.
Hold to Earn: Kumita ng mga reward sa pamamagitan ng paghawak ng mga asset sa Funding, Trading, Margin, Futures, Mining, at Unified Accounts.
Staking: Buksan ang potensyal ng pagkakakitaan ng mga asset sa chain.
Advanced Investments: Ang Advanced Investments ay nag-aalok ng iba’t ibang structured products upang tulungan ang iyong pera na lumago sa anumang merkado.
Shark Fin: Proteksyon sa Principal at Garantidong Kita
Dual Investment: Bumili sa mababang presyo at magbenta sa mataas na presyo na may malinaw na kalkulasyon ng return.
Snowball: Mataas na kita, kasama ang proteksyon sa presyo.
Discount Buy: Bumili ng crypto sa discounted na presyo.
KCS Loyalty: Pataasin ang antas upang makinabang sa eksklusibong benepisyo sa pamamagitan ng pag-stake ng ≥ 1 KCS.
KuCoin Wealth: Mag-discover ng hinaharap na halaga at magsimula sa iyong matalinong pag-invest.
KCS Benefits: Manatili at mag-stake ng KCS upang makamit ang mga benepisyo sa buong platform.
KCS Staking 2.0: Sumali sa on-chain governance ng KCS upang kumita ng yield.
Paalala: Ang nilalaman na ito ay para sa mga layuning impormasyonal lamang at hindi nagtataglay ng payo sa pag-invest. Ang pag-invest sa cryptocurrency ay may panganib. Mangyaring gawin ang inyong sariling pag-aaral (DYOR).
Disclaimer: AI technology ang ginamit sa pag-translate ng page na ito para sa convenience mo. Para sa pinaka-accurate na impormasyon, mag-refer sa original na English version.