HiddenLayerとは？$1億の資金調達とAIエージェントランタイムセキュリティの台頭

2026/09/12 08:08:16

AIエージェントが本番環境に導入される中、専用セキュリティが登場

企業は、コードを記述し、ツールを呼び出し、データにアクセスし、人間の監督を最小限に抑えながら複数ステップのワークフローを実行する自律型AIエージェントを急速に導入しています。これらのシステムは、従来のモデルをはるかに超える攻撃面を広げ、発生中の行動を監視する専門的なランタイム防御への緊急の需要を生み出しています。2022年に設立されたテキサス州オースティン発のAIセキュリティ企業HiddenLayerは、エージェント型、ジェネレーティブ、予測型AIアプリケーションのライフサイクル全体をセキュアにすることで、この変化の中心に位置づけられています。2026年9月2日、同社はDelta-v Capitalが主導し、Ten Eleven Ventures、モルガン・スタンレー、マイクロソフトのM12、Booz Allen Venturesが参加する1億ドルのシリーズB資金調達を発表し、調達総額は約1億5600万ドルとなりました。

資金は、前年比10倍以上に成長し、数千万ドルに達した年間継続収益として到着しました。この成長は、金融サービス、テクノロジー、製薬、航空会社、政府、および米国国防・諜報コミュニティにまたがる50社以上の新規プラットフォーム顧客によって主に牽引されました。そのうちの1顧客は、週間7億人以上のユーザーを支える先端モデルプロバイダーです。本記事では、HiddenLayerのプラットフォームの進化、エージェントランタイムセキュリティを支える技術的・市場的要因、検証済みの成長指標、および本番環境でAIエージェントを導入する組織への実用的影響を検討します。中心的な主張は、AIエージェント向けに特化したランタイム可視化、検出、実行制御が、自律システムが実験段階から企業のコア業務へと移行する中で、必須のインフラとなったということです。

HiddenLayer、エージェントランタイム機能の拡大のために1億ドルのシリーズBを調達

HiddenLayerは2026年9月2日、Delta-v Capitalが主導し、Ten Eleven Ventures、モルガン・スタンレー、マイクロソフトのM12ベンチャーファンド、Booz Allen Venturesが戦略的に参加する形で、1億ドルのシリーズB調達を発表しました。このラウンドは、2023年9月にM12とMoore Strategic Venturesが共同主導した5,000万ドルのシリーズAおよびそれ以前のシードラウンドに続くもので、総調達額は約1億5600万ドルに達しています。同社の経営陣は、この資金を企業向けプラットフォームの強化に充て、特にAgentic Runtime Securityと、AIコーディングエージェント向けに新たに導入されたAgent Harness Securityソリューションの開発を加速させると述べています。前年間の年間定期収益は10倍以上拡大し、その成長の90％以上が新規顧客によるものでした。最も高い注目を集める業界には、AI製品を構築する金融サービス業界および大手テクノロジー企業に加え、米国国防総省および諜報機関を支援する契約が含まれています。

この資金調達は、AIシステムが従来のツールの拡張ではなく、専用のセキュリティレイヤーを必要とするという市場全体の認識の高まりを反映しています。HiddenLayerの研究者は、アドバーサリアル検出、モデル保護、脅威分析をカバーする39件の特許を取得し、65件の特許出願中です。同チームは、CISA/JCDC、MITRE、NIST、OWASP、OpenSSFに関連する取り組みに貢献してきました。経営陣は、新たな最高収益責任者を任命することで商業的能力を強化し、さらなる採用、チャネル拡大、および欧州およびEMEA市場への進出を示唆しています。これらのステップにより、エージェントシステムが実験的なプロジェクトから運用インフラへと移行する中で、企業からの需要の増加に対応する体制が整いました。

エージェントランタイムセキュリティは、自律的な行動への継続的な可視性を提供します

エージェントランタイムセキュリティは、本番環境でAIエージェントがタスクを実行中にどのように振る舞うかを監視することに焦点を当てています。従来のモデル防御は、トレーニングデータの整合性、入力フィルタリング、またはデプロイ前テストに集中することが多いですが、ランタイムアプローチは、プロンプト、ツール呼び出し、データアクセス、およびマルチステップの意思決定シーケンスにわたるライブなやり取りを観察します。HiddenLayerは、この機能を、AI推論およびエージェントワークフローに特化して適応させたエンドポイント検出と対応システムに例えています。このプラットフォームは、エージェントセッションを再構築して意思決定の経過を可視化し、プロンプトインジェクション、悪意のあるツールシーケンス、データの外部流出、不正なアクションを拡大する前に検出できるようにします。

HiddenLayerの2026年AI脅威ランダスケープレポートによると、AI侵害の8件に1件はエージェントシステムに関連していますが、組織のほぼ3分の1はそのような事象を経験したかどうかを特定できません。エージェントはマシン速度で動作し、人間の対応サイクルよりもはるかに速くシステムにアクセスし、データを移動させ、ツールを呼び出すことができます。したがって、ランタイムセキュリティでは、リアルタイムでの可視化、調査、脅威ハンティング、およびアダプティブな強制が重視されます。ポリシーは、機密情報を削除したり、安全でないアクションをブロックしたり、エージェントを損傷した入力や外部ツールから回避させたりしながら、運用の継続性を維持できます。この継続的検証モデルは、設計段階での対策だけでは、エージェントが信頼できないコンテンツや外部ツールと相互作用した際に信頼性を保証できないという現実に対応しています。

Agent Harnessのセキュリティが、開発ワークフロー内のAIコーディングエージェントにも保護を拡張

2026年8月3日、HiddenLayerは、Runtime Securityモジュールの拡張としてAgent Harness Securityを導入しました。このソリューションは、ソースファイルを読み取り、シェルコマンドを実行し、依存関係をインストールし、リポジトリを変更し、プルリクエストを生成するAIコーディングエージェントを対象としています。これらのエージェントは、単なる提案ツールを超えて進化しており、Gartnerは2028年までにエンタープライズのソフトウェアエンジニアの90％がAIコードアシスタントを使用するようになると予測しています。これは2024年初頭の14％未満から大幅な増加です。ハーネス層、つまりモデルをコンテキスト、メモリ、ツール、スキルに接続するオーケストレーション環境は、READMEやツール出力に埋め込まれた間接的なプロンプトインジェクションが動作に影響を与える可能性のある、新しいランタイム攻撃面を生み出します。

Agent Harness Securityは、各コーディングエージェントのネイティブフックサーフェスと統合され、インラインでの可視性と制御を提供します。セキュリティチームは、プロンプト、ツール呼び出し、ファイル編集、リポジトリとのやり取り、コマンド実行の詳細を把握できます。このシステムは、モデルのコンテキストに流入するシークレット、安全でないコマンドパターン、予期しない依存関係のインストール、および難読化されたペイロードを検出できます。実行オプションには、モデルに到達する前に機密データを削除すること、汚染された応答からエージェントを誘導すること、および高リスクアクションをブロックすることが含まれます。異なるエージェントプラットフォームは異なるレベルの制御を提供するため、このソリューションは各環境で利用可能な実際の実行強度を報告し、開発者の生産性を妨げることなく、どの保護が有効であるかをチームが理解できるようにします。

エンタープライズ顧客は金融サービス、防衛、フロンティアモデルプロバイダーに及びます

シリーズB前年の間に、顧客の採用が顕著に加速しました。証券ブローカー、銀行、保険、会計、政府、テクノロジー、ITサービス、製薬、航空会社、米国の防衛および情報機関にまたがる50社以上の新規プラットフォーム顧客が参画しました。国際的な追加顧客には、大手製薬企業、プレミアム自動車ブランド、食品・飲料プロバイダーが含まれます。注目すべき導入事例として、週間7億人以上のユーザーにサービスを提供する先端モデルプロバイダーを支えるシステムがあります。AI製品を構築する金融サービスおよび大規模テクノロジー企業が、現在最も大きな商業分野を占めています。

政府の検証は、このプラットフォームが高信頼性環境で適用可能であることをさらに強調しています。HiddenLayerは、空気隔離および機密環境を支援するミサイル防衛庁のSHIELD IDIQ契約の受賞者として選ばれました。同社は、安全なAIアプリケーションに焦点を当てたエネルギー省のイニシアチブにも参加しています。これらの契約は、原始的なトレーニングデータやモデルの重みにアクセスせずに実行される非侵襲的分析というコア技術が、商業的な本番環境と機密性の高い国家安全保障の両方で機能できることを示しています。広範な採用は、AIを主要な運用インフラとして扱う組織が、既存のツールにのみ頼るのではなく、専用のセキュリティ予算を割り当てていることを示しています。

サプライチェーンセキュリティスキャンは、オープンソースおよびオープンウェイトモデルの整合性リスクを検出します

HiddenLayerのプラットフォームは、デプロイ前にモデルとその依存関係を検査するAIサプライチェーンセキュリティ機能を備えています。同社は、オープンソースおよびオープンウェイトモデルが主張するアイデンティティと整合性を確認するために、約50種類のAIファイルフレームワークをスキャンしていると報告しています。研究では、モデルが一つのものであると主張しながらも、隠されたまたは置き換えられたコンポーネントを含んでいる事例が特定されています。この分析により、AI部品表が生成され、機密トレーニングデータへのアクセスを必要とせずに、モデルの系統を評価し、マルウェア、脆弱性、または整合性の問題を検出します。

企業が生産プロセスにますますサードパーティ製およびオープンウェイトモデルを導入する中で、サプライチェーンの検証は基本的な制御手段となります。攻撃者は、正当に見えるがバックドアや変更された動作を含む損傷したモデルを導入できます。ランタイム保護は、モデルがサービスに投入された後も行動を継続的に監視することで、事前デプロイチェックを補完します。この組み合わせにより、モデルアーティファクト内の静的リスクと、モデルがリアルタイムの入力、ツール、データソースと相互作用することで発生する動的リスクの両方に対処できます。複数のモデルソースからモデルを取得するエージェントワークフローを採用する組織は、ライフサイクル全体にわたる継続的な整合性検証の恩恵を受けます。

研究貢献が業界標準と脅威理解を形成する

HiddenLayerは、対向的AIの専門研究組織を維持しており、最初の包括的な対向的プロンプトエンジニアリング分類法を策定し、基礎モデル、ツール、および支援インフラにまたがる数十の脆弱性を特定しました。この研究ポートフォリオには、対向的検出、モデル保護、脅威分析などの分野で39件の特許が取得され、65件の特許出願が行われています。チームメンバーは、CISA/JCDC、MITRE、NIST、OWASP、OpenSSFとの協力活動に貢献し、レッドチーム手法の洗練とAIガバナンスおよびセーフティに関する議論への支援を行っています。

この研究アプローチにより、プラットフォームは静的なルールセットではなく、継続的な脅威発見に基づいて製品機能を構築することで差別化されています。得られた知見は、プロンプトインジェクション、エージェント操作、悪意のあるツール利用の検出ロジックに直接反映されます。同様の研究は、組織が防御を継続的にテストできる攻撃シミュレーションモジュールの基盤にもなっています。エージェント型システムが新たなマルチステップ攻撃チェーンを生み出す中で、新興研究に基づいて検出機能を更新できる能力は、生産環境のAIを担当するセキュリティチームにとって実用的な利点となります。

市場データは、AIシステムの保護への支出が急拡大していることを示唆しています

ガートナーは、2026年にAIツールのセキュリティを目的とした製品に組織が28億3千万ドルを支出すると予測しており、これは2025年比で83％の増加を意味します。同社は、2027年までに市場が約47億8千万ドルに達すると予測しています。AIアプリケーションのセキュリティとAI利用制御が主要なセグメントに位置付けられており、ガバナンスプラットフォームやゲートウェイにも強い成長が見込まれています。これらの数字は、従来のセキュリティ制御では、システムが出力を生成したり、ツールを呼び出したり、自律的に行動したりする際に隙間が生じることへの認識を反映しています。

より広い文脈には、情報セキュリティ支出全体の増加と、エージェント関連のリスクの具体的な台頭が含まれます。アナリストたちは、2029年までに、AIエージェントへの成功したサイバー攻撃の半数以上がアクセス制御の脆弱性とプロンプトインジェクションを悪用すると指摘しています。ランタイム保護は、事前デプロイテストや静的ポリシーに限定されず、ライブ実行に対応するため、AIエージェントセキュリティにおける主要なカテゴリとして浮上しています。したがって、エージェントワークロードを拡大する企業は、自律システムによる生産性の向上と、それに伴う専門的な可視化および強制レイヤーの必要性という両方の課題に直面しています。

ランタイム検出がプロンプトインジェクション、ツールの誤使用、データ露出を検出

コアランタイム機能は、信頼できないコンテンツを通じてエージェントの動作を操作するプロンプトインジェクションおよび間接攻撃、エージェントがソースコード、資格情報、または独占情報を取り扱う際に発生する機密データの漏洩、および損傷した推論や悪意のあるツール応答によって引き起こされる不安全なエージェント行動という、相互に関連する3つのリスクに焦点を当てています。検出は孤立したプロンプトではなく、セッション全体のコンテキストで行われ、複数ステップの攻撃チェーンの特定を可能にします。実行は、ポリシーに従ってコンテンツをブロック、赤塗り、または整形し、既存のSIEMおよびSOARワークフローと統合します。

コーディングエージェント向けには、ハーネスレベルの統合により、ファイルの読み取り、コマンドの実行、依存関係のインストール、リポジトリとのやり取りが監視されます。このレベルの可観測性により、セキュリティチームはエージェントが何を行ったかだけでなく、その決定に至った経緯も調査できます。エージェントが開発者マシンや継続的インテグレーションシステムで特権を持つ環境では、不安全なアクションが完了する前に介入することで、影響範囲を縮小できます。組織は、開発者の生産性を維持することが不可欠であると報告しており、赤字処理後もエージェントが安全に継続できるコンテンツ整形技術がこの要件をサポートしています。

資金調達はプラットフォームの厚さ、販売拡大、および地理的範囲を支援します

シリーズBの資金は、エージェントランタイムセキュリティおよびエージェントハーネス機能の強化、エンジニアリングおよび研究体制の拡充、販売および流通の加速に主に割り当てられます。経営陣は、人工知能の導入とともに垂直的スケーリングに注力しつつ、関連するサイバーセキュリティ分野への水平的拡張に備えていることを示しています。国際的な成長は、欧州およびより広いEMEA地域から開始され、追加の採用とチャネル開発によって支援されます。

資金は、後から適応させた汎用セキュリティツールに頼るのではなく、目的特化型プラットフォームを維持する同社の能力をさらに強化します。投資家たちは、従来のセキュリティソリューションがコードやインフラ向けに設計されており、自らの入力によって毒化されたり、乗っ取られたり、操作されたりするモデルには向いていないと指摘しました。研究の厚さ、非侵襲的なアーキテクチャ、ランタイムへの集中という組み合わせにより、エージェントシステムが規制対象および高価値環境へさらに深く進出するにつれ、このプラットフォームの採用が継続的に進むと位置づけられています。

本番AIエージェントを導入する組織における実用的な考慮事項

AIコーディングエージェントまたは自律ワークフローシステムを導入する組織は、可視性のギャップに直面しています。多くの組織が、アクティブなエージェントのリアルタイムでのインベントリを保持できず、異常が発生した際に複数ステップのセッションを容易に再構築できません。ランタイムセキュリティを実装するには、エージェントの活動を監視しながら、許容できない遅延を導入せず、既存の開発パイプラインを妨害しない統合ポイントが必要です。ネイティブなエージェントフックを活用し、プラットフォームごとの強制力のレベルを報告するソリューションは、セキュリティチームが残存リスクを理解するのに役立ちます。

効果的なプログラムは、デプロイ前のサプライチェーンスキャン、継続的な攻撃シミュレーション、およびリアルタイム監視を組み合わせます。ポリシーは、直接的なプロンプトインジェクションと、ツールの出力や取得されたコンテンツを通じて行われる間接的攻撃の両方に対応すべきです。既存のセキュリティ運用ツールとの統合により、検出情報を既存の調査および対応プロセスに統合できます。エージェントがコードの変更、シークレットへのアクセス、または本番システムとのやり取りを行う権限を取得するほど、検出の遅延によるコストは上昇し、継続的なランタイム制御はオプションの強化ではなく実用的な必須要件となります。

AIセキュリティ市場の競争とプラットフォームの差別化

AIセキュリティ市場は、複数のベンダーが重複または隣接する課題領域に対応するために大規模な資金調達を実施するなど、大きな資本を引き付けている。大手サイバーセキュリティ企業は、AI特化機能を追加するために買収を進めてきた。HiddenLayerは、モデルの重みやトレーニングデータを必要としない非侵襲的な分析に焦点を当て、エージェントランタイムおよびコーディングエージェントハーネスの強調、そして商業および機密環境における既存の存在感によって差別化している。同プラットフォームは、発見、サプライチェーンセキュリティ、攻撃シミュレーション、ランタイム保護を単一のアーキテクチャ内で統合している。

カテゴリが成熟するにつれ、企業はマルチステップエージェントワークフローのカバー範囲、既存のエージェントフレームワークとの統合のしやすさ、調査におけるセッション再構築の品質、過剰な偽陽性や開発者への負担なくポリシーを強制できる能力に基づいてソリューションを評価します。研究に基づく検出更新と業界標準への貢献は、長期的な安定性の追加的な指標となります。組織は、ランタイム動作をモデル中心の防御の後付けではなく、第一級の制御面として扱うプラットフォームを優先して選択しつつあります。

企業環境におけるAIエージェントランタイムセキュリティの見通し

エージェント型システムは、実験的なツールからコアなビジネスプロセスの構成要素へと移行しています。ガートナーを含む他のアナリストは、AIエージェントの導入とそれに伴うセキュリティ支出が今後も急速に成長すると予測しています。ランタイムセキュリティは、エージェントが静的制御では完全に対応できない動的でコンテキスト依存のリスクをもたらすため、引き続き主要な焦点となると見られています。ツール、データ、複数のエージェント間の相互作用全体にわたる可視化機能は、組織がこれらのシステムに与える自律性が高まるにつれて、さらに拡大すると予想されます。

ヒドンレイヤーの最近の資金調達と製品拡張により、同社はその成長軌道を支える立場にあります。明確なARR成長、規制対象業界における顧客の多様性、政府契約、そして豊富な特許ポートフォリオは、目的特化型AIセキュリティに対する持続的な需要を示しています。ランタイム保護をオプションのレイヤーではなく必須のインフラと捉える企業は、これらのワークフローが生み出す攻撃面の拡大を管理しながら、エージェント型ワークフローをスケールさせる準備が整います。ランタイムにおける継続的な検証は、信頼できるAI運用の実用的な基盤であり続けます。

よくある質問

HiddenLayerのAgentic Runtime Securityは、本番環境のエージェントにどのような具体的な機能を提供しますか？

Agentic Runtime Securityは、AIエージェントが実行中にツール、データ、その他のシステムとどのように相互作用するかをリアルタイムで可視化します。この機能は、セキュリティチームが意思決定のシーケンスを理解し、プロンプトインジェクションや悪意のあるツール利用を検出するために、セッション全体のコンテキストを再構築し、ブロッキング、赤塗り、またはコンテンツの誘導などの実行アクションを適用します。このモジュールは、既存のセキュリティ運用ワークフローと統合され、複数ステップにわたる自律プロセス全体での調査と脅威ハンティングをサポートします。

Agent Harness Securityは、開発者の生産性を落とすことなくAIコーディングエージェントをどのように保護しますか？

Agent Harness Securityは、対応するコーディングエージェントのネイティブなコントロールサーフェスに直接統合されます。これは、プロンプト、ファイルアクセス、シェルコマンド、依存関係のインストール、リポジトリの変更をリアルタイムで監視します。機密データはモデルに到達する前に削除され、エージェントは汚染された入力から回避できるよう制御されます。実行の制限は、各エージェントプラットフォームの機能に合わせて調整され、高リスクの操作は制約されながらも、生産的な作業を継続できます。

どの業界がHiddenLayerのプラットフォームを最も広く採用していますか？

AI製品を構築している金融サービスおよび大手テクノロジー企業が、現在最も大きな商業分野を形成しています。保険、製薬、航空、政府、および米国の防衛・諜報コミュニティでもさらに強い採用が見られます。同社は、週間7億人以上のユーザーをサポートするフロンティアモデルプロバイダーを支援しており、自動車および食品・飲料業界の国際的な顧客も抱えています。

1億ドルのシリーズB資金調達により、HiddenLayerは次に何を実現しますか？

資金は、Agentic Runtime SecurityおよびAgent Harness機能の深化、エンジニアリングおよび研究チームの拡大、販売および流通の加速、そして欧州およびEMEAから始まる地理的拡大を支援します。経営陣は、検出更新を支え、業界標準への貢献を行う研究組織への継続的な投資も示唆しています。

HiddenLayerは、トレーニングデータや重みにアクセスせずにモデルをどのように分析しますか？

プラットフォームは、モデルアーティファクト、テンソル構造、ファイルフレームワーク、およびランタイム動作を検査する非侵襲的な手法を使用しています。このアプローチにより、約50種類のAIファイル形式を、整合性の問題、マルウェア、および主張されたモデル内容と実際の内容との不一致に対してスキャンできます。同様の哲学がランタイム監視にも適用され、内部モデルへのアクセスを必要とせずに、入力、出力、エージェントのアクションを監視します。

AIランタイムセキュリティへの投資を後押しする市場成長予測は？

ガートナーは、AIのセキュリティ製品への支出が2026年に28億3千万ドルに達し、前年比83％増となるほか、2027年には約47億8千万ドルになると予測しています。アナリストたちは、2029年までにAIエージェントへの成功した攻撃の大部分でアクセス制御の脆弱性とプロンプトインジェクションが顕著になると予想しています。これらの予測は、生産環境における自律システムによって拡大する攻撃面を反映しています。