Apa Itu HiddenLayer? Pendanaan $100Juta dan Kenaikan Keselamatan Runtime Agen AI
Syarikat-syarikat dengan cepat melaksanakan agen AI autonom yang menulis kod, memanggil alat, mengakses data, dan melaksanakan alur kerja berbilang langkah dengan pengawasan manusia yang minimum. Sistem-sistem ini memperluas permukaan serangan jauh melampaui model tradisional, mencipta permintaan mendesak untuk pertahanan runtime khas yang memantau tingkah laku semasa ia berlaku. HiddenLayer, sebuah syarikat keselamatan AI berpusat di Austin yang ditubuhkan pada 2022, telah menempatkan dirinya di pusat perubahan ini dengan mengamankan aplikasi AI agen, generatif, dan prediktif sepanjang kitaran hidup penuh. Pada 2 September 2026, syarikat itu mengumumkan putaran pendanaan Siri B sebanyak $100 juta yang dipimpin oleh Delta-v Capital, dengan penyertaan daripada Ten Eleven Ventures, Morgan Stanley, M12 Microsoft, dan Booz Allen Ventures, membawa jumlah modal yang dikumpulkan kepada kira-kira $156 juta.
Dana tersebut tiba apabila pendapatan berulang tahunan meningkat lebih daripada 10 kali berbanding tahun sebelumnya kepada puluhan juta dolar, didorong terutamanya oleh lebih daripada 50 pelanggan platform baharu di sektor perkhidmatan kewangan, teknologi, farmaseutikal, syarikat penerbangan, kerajaan, dan komuniti pertahanan dan kecerdasan AS. Satu pelanggan ialah penyedia model hadapan terkemuka yang menyokong lebih daripada 700 juta pengguna mingguan. Artikel ini mengkaji evolusi platform HiddenLayer, pendorong teknikal dan pasaran di sebalik keselamatan runtime agen, metrik pertumbuhan yang disahkan, serta implikasi praktikal bagi organisasi yang melaksanakan agen AI dalam pengeluaran. Tesis utama ialah bahawa kelihatan, pengesanan, dan penegakan runtime yang direka khas untuk agen AI telah menjadi infrastruktur penting apabila sistem autonomi berpindah daripada eksperimen ke operasi perniagaan utama.
HiddenLayer mengumumkan pembiayaan Seri B sebanyak $100 juta pada 2 September 2026, dengan Delta-v Capital sebagai pemimpin dan partisipasi strategik dari Ten Eleven Ventures, dana ventura M12 milik Microsoft, dan Booz Allen Ventures. Putaran ini mengikuti pembiayaan Seri A sebanyak $50 juta pada September 2023 yang dipimpin bersama oleh M12 dan Moore Strategic Ventures, serta putaran seed sebelumnya, menghasilkan pembiayaan keseluruhan sekitar $156 juta. Kepemimpinan syarikat menyatakan bahawa modal ini akan memperdalam platform perniagaan, terutamanya Agentic Runtime Security dan penyelesaian Agent Harness Security yang baru diperkenalkan yang direka untuk agen pengkodean AI. Pendapatan berulang tahunan meningkat lebih daripada sepuluh kali ganda dalam dua belas bulan sebelumnya, dengan lebih daripada 90 peratus pertumbuhan itu disebabkan oleh pelanggan baru. Bidang dengan pertumbuhan paling kuat termasuk perkhidmatan kewangan dan syarikat teknologi besar yang membina produk AI, bersama dengan kontrak yang menyokong Jabatan Pertahanan dan komuniti kecerdasan.
Kenaikan ini mencerminkan pengiktirafan pasaran yang lebih luas bahawa sistem AI memerlukan lapisan keselamatan khusus, bukan hanya sambungan kepada alat konvensional. Penyelidik HiddenLayer memegang 39 paten yang telah diberikan dan 65 paten yang sedang dipertimbangkan yang merangkumi pengesanan adversarial, perlindungan model, dan analisis ancaman. Pasukan ini telah menyumbang kepada usaha yang melibatkan CISA/JCDC, MITRE, NIST, OWASP, dan OpenSSF. Kepimpinan juga memperkuat kapasiti komersial dengan melantik ketua pegawai pendapatan baharu dan menandakan rancangan untuk merekrut lebih banyak lagi, memperluaskan saluran, serta memasuki pasaran Eropah dan EMEA. Langkah-langkah ini meletakkan syarikat dalam kedudukan yang sesuai untuk memenuhi permintaan enterpise yang semakin meningkat apabila sistem agen menjadi infrastruktur operasi, bukan lagi projek uji coba.
Keselamatan masa runtime agen berfokus pada pemantauan bagaimana agen AI berkelakuan semasa menjalankan tugas dalam persekitaran pengeluaran. Pertahanan model tradisional seringkali berfokus pada integriti data latihan, penyaringan input, atau ujian sebelum pelancaran. Pendekatan masa runtime pula mengamati interaksi langsung melalui prompt, panggilan alat, akses data, dan urutan keputusan pelbagai langkah. HiddenLayer menggambarkan kemampuan ini sebagai serupa dengan sistem pengesanan dan respons endpoint, yang disesuaikan khusus untuk inferens AI dan alur kerja agen. Platform ini meng重建 sesi agen untuk menunjukkan bagaimana keputusan berkembang, membolehkan pasukan keselamatan mengesan penyuntikan prompt, urutan alat jahat, eksfiltrasi data, dan tindakan tidak sah sebelum ia meluas.
Menurut Laporan Landskap Ancaman AI 2026 oleh HiddenLayer, satu daripada lapan pelanggaran AI berkaitan dengan sistem agen, namun hampir sepertiga organisasi tidak dapat menentukan sama ada mereka mengalami insiden sedemikian. Agen beroperasi pada kelajuan mesin dan boleh mengakses sistem, memindahkan data, atau memanggil alat jauh lebih pantas daripada kitaran respons manusia. Oleh itu, keselamatan runtime menekankan kelihatan masa nyata, penyiasatan, pemburuan ancaman, dan penegakan adaptif. Dasar boleh menghapuskan maklumat sensitif, menghalang tindakan tidak selamat, atau mengalihkan agen daripada input yang telah disusupi sambil mengekalkan kesinambungan operasi. Model pengesahan berterusan ini mengatasi kenyataan bahawa langkah-langkah keselamatan pada peringkat reka bentuk sahaja tidak dapat menjamin kepercayaan sekali agen berinteraksi dengan kandungan tidak dipercayai atau alat luaran.
Pada 3 Ogos 2026, HiddenLayer memperkenalkan Agent Harness Security sebagai sambungan kepada modul Runtime Security-nya. Penyelesaian ini menargetkan agen pengkodean AI yang membaca fail sumber, menjalankan arahan shell, memasang kebergantungan, memodifikasi repositori, dan menghasilkan pull request. Agen-agen ini telah berkembang melebihi alat cadangan ringkas; Gartner meramalkan bahawa pada 2028, 90 peratus jurutera perisian perusahaan akan menggunakan pembantu kod AI, meningkat daripada kurang daripada 14 peratus pada awal 2024. Lapisan harness, persekitaran pengurusan yang menghubungkan model kepada konteks, memori, alat, dan kemahiran, mencipta permukaan serangan runtime baharu di mana suntikan arahan tidak langsung yang terbenam dalam README atau output alat boleh mempengaruhi tingkah laku.
Agent Harness Security mengintegrasikan dengan permukaan hook asli setiap agen pengkodean untuk memberikan visibilitas dan kawalan secara langsung. Pasukan keselamatan mendapat wawasan mengenai imbuhan, panggilan alat, suntingan fail, interaksi repositori, dan pelaksanaan arahan. Sistem ini dapat mengesan rahsia yang mengalir ke konteks model, corak arahan yang tidak selamat, pemasangan dependensi yang tidak dijangka, dan beban yang disamarkan. Pilihan penegakan termasuk penghapusan data sensitif sebelum ia sampai ke model, mengalihkan agen daripada respons yang diracun, dan menghalang tindakan berisiko tinggi. Oleh kerana platform agen yang berbeza mengekspos tahap kawalan yang berbeza, penyelesaian ini melaporkan kekuatan penegakan sebenar yang tersedia untuk setiap persekitaran, membolehkan pasukan memahami perlindungan yang aktif tanpa mengganggu produktiviti pembangun.
Pengambilan pelanggan meningkat pesat dalam tahun sebelum Seri B. Lebih daripada 50 pelanggan platform baru bergabung, merangkumi perniagaan sekuriti, perbankan, insurans, perakaunan, kerajaan, teknologi, perkhidmatan IT, farmaseutikal, syarikat penerbangan, dan komuniti pertahanan dan kecerdasan AS. Penambahan antarabangsa termasuk syarikat farmaseutikal besar, jenama automobil premium, dan penyedia makanan dan minuman. Satu penempatan yang ketara menyokong penyedia model hadapan terkemuka yang sistemnya melayani lebih daripada 700 juta pengguna mingguan. Perkhidmatan kewangan dan organisasi teknologi besar yang membina produk AI semasa ini mewakili vertikal komersial terbesar.
Pengesahan kerajaan semakin menegaskan kebolehgunaan platform ini dalam persekitaran berkesan tinggi. HiddenLayer dipilih sebagai penerima kontrak SHIELD IDIQ dari Agensi Pertahanan Misil yang menyokong persekitaran yang terpisah udara dan diklasifikasikan. Syarikat ini juga terlibat dalam inisiatif Jabatan Tenaga yang berfokus pada aplikasi AI yang selamat. Kontrak-kontrak ini menunjukkan bahawa teknologi inti yang sama, analisis tanpa gangguan yang tidak memerlukan akses kepada data latihan mentah atau berat model, boleh beroperasi dalam kedua-dua persekitaran pengeluaran komersial dan konteks keselamatan nasional yang sensitif. Keluasan penggunaan menunjukkan bahawa organisasi yang memandang AI sebagai infrastruktur operasi utama sedang mengalokasikan bajet keselamatan khusus, bukan hanya bergantung kepada alat sedia ada.
Platform HiddenLayer menyertakan kemampuan keselamatan rantaian bekalan AI yang mengkaji model dan ketergantungannya sebelum penghantaran. Syarikat ini melaporkan bahawa ia memindai sekitar 50 kerangka fail AI berbeza untuk mengesahkan bahawa model sumber terbuka dan berat terbuka sepadan dengan identiti dan integriti yang diklaim. Penyelidikan telah mengenal pasti kes-kes di mana model menyatakan dirinya sebagai satu perkara tetapi mengandungi komponen tersembunyi atau diganti. Analisis ini menghasilkan AI Bill of Materials yang menilai silsilah model dan menandakan malware, kerentanan, atau isu integriti tanpa memerlukan akses kepada data latihan proprietari.
Semasa perusahaan semakin menggabungkan model pihak ketiga dan model berat terbuka ke dalam saluran pengeluaran, pengesahan rantai bekalan menjadi kawalan asas. Penyerang boleh memperkenalkan model yang telah dikompromikan yang kelihatan sah tetapi mengandungi backdoor atau perubahan tingkah laku. Perlindungan masa runtime melengkapi semakan pra-pelaksanaan ini dengan terus memantau tingkah laku selepas model memasuki perkhidmatan. Gabungan ini menangani risiko statik dalam artefak model dan risiko dinamik yang timbul hanya apabila model berinteraksi dengan input, alat, dan sumber data langsung. Organisasi yang mengadopsi aliran agen yang mengambil dari sumber model pelbagai mendapat manfaat daripada pengesahan integriti berterusan sepanjang kitaran hidup.
HiddenLayer mempertahankan organisasi penyelidikan AI adversarial yang khusus, yang telah menghasilkan Taksonomi Rekabentuk Prompt Adversarial yang komprehensif pertama dan mengenal pasti puluhan kelemahan di seluruh model asas, alat, dan infrastruktur penyokong. Portfolio penyelidikan termasuk 39 paten yang telah diberikan dan 65 paten yang sedang ditunggu dalam bidang-bidang seperti pengesanan adversarial, perlindungan model, dan analisis ancaman. Ahli-ahli pasukan menyumbang kepada usaha kolaboratif dengan CISA/JCDC, MITRE, NIST, OWASP, dan OpenSSF, membantu menyempurnakan metodologi red-teaming dan memberi maklum balas kepada perbincangan mengenai tata kelola dan keselamatan AI.
Orientasi penyelidikan ini membezakan platform dengan mendasarkan kemampuan produk pada penemuan ancaman berterusan berbanding set peraturan statik. Penemuan ini secara langsung memasuki logik pengesanan untuk penyuntikan prompt, manipulasi agen, dan penggunaan alat jahat. Penyelidikan yang sama menjadi asas modul simulasi serangan yang membolehkan organisasi menguji pertahanan secara berterusan. Seiring sistem agen memperkenalkan rantai serangan pelbagai langkah baharu, keupayaan untuk mengemas kini pengesanan berdasarkan penyelidikan terkini menjadi kelebihan praktikal untuk pasukan keselamatan yang bertanggungjawab atas persekitaran AI pengeluaran.
Gartner menganggarkan bahawa organisasi akan mengeluarkan $2.83 bilion pada 2026 untuk produk yang direka untuk mengamankan alat AI, mewakili peningkatan 83 peratus berbanding 2025. Syarikat tersebut meramalkan pasaran akan mencapai hampir $4.78 bilion pada 2027. Keselamatan aplikasi AI dan kawalan penggunaan AI berada di antara segmen-segmen utama, dengan pertumbuhan yang kuat juga dijangkakan untuk platform tata tertib dan gateway. Angka-angka ini mencerminkan pengiktirafan bahawa kawalan keselamatan konvensional meninggalkan jurang apabila sistem menghasilkan output, memanggil alat, atau bertindak secara autonom.
Konteks yang lebih luas termasuk peningkatan perbelanjaan keselamatan maklumat secara keseluruhan dan munculnya risiko yang berkaitan dengan agen. Analis mencatat bahawa lebih daripada separuh serangan siber berjaya terhadap agen AI dijangka memanfaatkan kelemahan kawalan akses dan suntikan arahan pada 2029. Perlindungan masa runtime telah muncul sebagai kategori terkemuka dalam keselamatan agen AI kerana ia mengatasi pelaksanaan langsung berbanding hanya pengujian pra-pelaksanaan atau dasar statik. Oleh itu, perusahaan yang memperbesarkan beban kerja agen menghadapi kedua-dua keuntungan produktiviti daripada sistem autonomi dan keperluan yang sepadan akan lapisan kelihatan dan penegakan khas.
Kemampuan masa runtime utama berfokus pada tiga risiko yang saling berkaitan: penyuntikan prompt dan serangan tidak langsung yang memanipulasi perilaku agen melalui kandungan tidak dipercaya; paparan data sensitif apabila agen menangani kod sumber, kredensial, atau maklumat hartanah; dan tindakan agen yang tidak selamat yang disebabkan oleh penaakulan yang telah disusupi atau respons alat jahat. Pengesanan beroperasi sepanjang konteks sesi penuh bukan hanya petikan terpisah, membolehkan pengenalpastian rantai serangan berbilang langkah. Penguatkuasaan boleh menghalang, menghapus, atau membentuk kandungan mengikut dasar sambil mengintegrasikan dengan alur kerja SIEM dan SOAR yang sedia ada.
Untuk agen pengkodean secara khusus, integrasi peringkat harness memantau pembacaan fail, pelaksanaan arahan, pemasangan ketergantungan, dan interaksi repositori. Tingkat observabilitas ini membolehkan pasukan keselamatan menyiasat bukan sahaja apa yang dilakukan agen tetapi juga bagaimana ia sampai kepada keputusan tersebut. Dalam persekitaran di mana agen beroperasi dengan kuasa ditingkatkan pada mesin pembangun atau sistem integrasi berterusan, keupayaan untuk mengganggu sebelum tindakan tidak selamat selesai mengurangkan radius kesan yang berpotensi. Organisasi melaporkan bahawa mempertahankan produktiviti pembangun tetap penting; teknik pembentukan kandungan yang membolehkan agen terus beroperasi dengan selamat selepas penghapusan menyokong keperluan tersebut.
Hasil daripada Siri B diagihkan terutamanya untuk memperdalam keselamatan Agentic Runtime dan kemampuan Agent Harness, memperluas kapasiti kejuruteraan dan penyelidikan, serta mempercepatkan penjualan dan pengedaran. Kepimpinan telah menunjukkan fokus pada penskalaan menegak bersamaan dengan pengambilan pengambilan kecerdasan buatan sambil bersiap untuk ekspansi mendatar yang akan datang ke domain keselamatan siber yang berkaitan. Pertumbuhan antarabangsa bermula dengan Eropah dan kawasan EMEA yang lebih luas, disokong oleh perekrutan tambahan dan pembangunan saluran.
Modal tersebut juga memperkuat kemampuan syarikat untuk mengekalkan platform yang direka khas, bukan bergantung kepada alat keselamatan generik yang disesuaikan selepas kejadian. Pelabur menekankan bahawa penyelesaian keselamatan tradisional direka untuk kod dan infrastruktur, bukan untuk model yang boleh diracuni, dirampas, atau dimanipulasi melalui input mereka sendiri. Kombinasi kedalaman penyelidikan, arsitektur tanpa gangguan, dan fokus pada masa berjalan meletakkan platform ini untuk penerimaan berterusan seiring sistem agen bergerak lebih dalam ke dalam persekitaran yang dirgikan dan bernilai tinggi.
Organisasi yang memperkenalkan agen pengkodean AI atau sistem alur kerja otonom menghadapi jurang visibilitas: banyak yang tidak memiliki inventori secara masa nyata mengenai agen aktif dan tidak dapat dengan mudah memulihkan sesi multi-langkah apabila terjadi anomali. Melaksanakan keselamatan masa berjalan memerlukan titik integrasi yang mengamati aktiviti agen tanpa memperkenalkan latensi yang tidak dapat diterima atau mengganggu saluran pembangunan sedia ada. Penyelesaian yang memanfaatkan hook agen asli dan melaporkan kekuatan penegakan setiap platform membantu pasukan keselamatan memahami risiko baki.
Program yang berkesan menggabungkan pemindanan rantai bekalan sebelum pelaksanaan, simulasi serangan berterusan, dan pemantauan runtime langsung. Dasar harus mengatasi both serangan suntikan arahan langsung dan tidak langsung yang disampaikan melalui output alat atau kandungan yang diperoleh. Integrasi dengan alat operasi keselamatan yang sedia ada membolehkan pengesanan mengalir ke proses penyiasatan dan respons yang telah ditubuhkan. Semasa agen memperoleh kuasa untuk mengubah kod, mengakses rahsia, atau berinteraksi dengan sistem pengeluaran, kos pengesanan yang tertunda meningkat, menjadikan kawalan runtime berterusan sebagai keperluan praktikal bukan sekadar penambahbaikan pilihan.
Pasaran keselamatan AI telah menarik modal yang signifikan, dengan beberapa vendor mengumpulkan dana dalam jumlah besar untuk menangani ruang masalah yang tumpang tindih atau bersebelahan. Syarikat keselamatan siber besar telah mengejar pengambilalihan untuk menambah kemampuan khusus AI. HiddenLayer membezakan diri melalui fokusnya pada analisis tanpa gangguan yang tidak memerlukan berat model atau data latihan, penekanannya pada agen runtime dan harness agen pengkodean, serta kehadiran yang telah mapan di kedua-dua persekitaran komersial dan diklasifikasikan. Platform ini menyatukan penemuan, keselamatan rantai bekalan, simulasi serangan, dan perlindungan runtime dalam satu arsitektur tunggal.
Semasa kategori ini matang, perusahaan menilai penyelesaian berdasarkan cakupan alur kerja agen pelbagai langkah, kemudahan integrasi dengan kerangka agen sedia ada, kualiti rekonstruksi sesi untuk penyiasatan, dan keupayaan untuk memaksakan dasar tanpa terlalu banyak positif palsu atau gesekan pembangun. Kemas kini pengesanan yang didasarkan pada penyelidikan dan sumbangan kepada piawaian industri memberikan isyarat tambahan mengenai kelayakan jangka panjang. Organisasi yang memilih platform semakin mengutamakan yang memperlakukan tingkah laku runtime sebagai permukaan kawalan utama, bukan sebagai pertimbangan selepasnya terhadap pertahanan berpusatkan model.
Sistem agen sedang berpindah daripada alat eksperimen kepada komponen proses perniagaan utama. Gartner dan analis lain meramalkan pertumbuhan pantas yang berterusan dalam penghantaran agen AI dan perbelanjaan keselamatan yang sepadan. Keselamatan masa runtime dijangka kekal sebagai fokus utama kerana agen memperkenalkan risiko dinamik dan bergantung pada konteks yang tidak dapat ditangani sepenuhnya oleh kawalan statik. Kemampuan yang memberikan kelihatan menyeluruh terhadap alat, data, dan interaksi pelbagai agen kemungkinan akan berkembang apabila organisasi meningkatkan autonomi yang diberikan kepada sistem-sistem ini.
Pembiayaan terkini dan perluasan produk HiddenLayer meletakkan syarikat itu untuk menyokong trajektori itu. Kombinasi pertumbuhan ARR yang didokumenkan, kepelbagaian pelanggan di pelbagai industri yang dirgikan, kontrak kerajaan, dan portfolio paten yang besar menunjukkan permintaan yang berterusan terhadap keselamatan AI yang direka khas. Enterpris yang memperlakukan perlindungan runtime sebagai infrastruktur penting dan bukan sebagai lapisan pilihan akan lebih bersedia untuk mengukur aliran agen sambil menguruskan permukaan serangan yang diperluaskan yang dicipta oleh aliran tersebut. Pengesahan berterusan pada runtime tetap menjadi asas praktikal untuk operasi AI yang boleh dipercayai.
Apakah kemampuan spesifik apa yang disediakan oleh Agentic Runtime Security HiddenLayer untuk agen produksi?
Agentic Runtime Security memberikan kelihatan masa nyata terhadap bagaimana agen AI berinteraksi dengan alat, data, dan sistem lain semasa pelaksanaan langsung. Ia memulihkan konteks sesi penuh supaya pasukan keselamatan boleh memahami urutan keputusan, mengesan penyuntikan arahan dan penggunaan alat jahat, serta mengaplikasikan tindakan penegakan seperti blok, penghapusan, atau pengarahan kandungan. Modul ini berintegrasi dengan alur operasi keselamatan sedia ada dan menyokong penyiasatan serta perburuan ancaman merentasi proses autonomi berperingkat-peringkat.
Bagaimana Agent Harness Security melindungi agen pengkodean AI tanpa memperlambat pembangun?
Agent Harness Security mengintegrasikan secara langsung dengan permukaan kawalan asli bagi agen pengkodean yang disokong. Ia mengamati permintaan, akses fail, arahan shell, pemasangan kebergantungan, dan perubahan repositori secara masa nyata. Data sensitif boleh dihapuskan sebelum mencapai model, dan agen boleh diarahkan menjauhi input yang diracuni. Penguatkuasaan dikalibrasi mengikut kemampuan setiap platform agen, membolehkan kerja produktif berterusan sambil tindakan berisiko tinggi dikawal.
Industri mana yang paling meluas mengadopsi platform HiddenLayer?
Perkhidmatan kewangan dan syarikat teknologi besar yang membina produk AI kini membentuk vertikal komersial terbesar. Penerimaan yang kuat tambahan kelihatan dalam insurans, farmaseutikal, syarikat penerbangan, kerajaan, dan komuniti pertahanan dan kecerdasan AS. Syarikat ini juga menyokong penyedia model terkini yang melayani lebih daripada 700 juta pengguna mingguan dan mempunyai pelanggan antarabangsa di sektor automotif dan makanan serta minuman.
Apakah pendanaan Siri B sebanyak $100 juta membolehkan HiddenLayer kejar seterusnya?
Modal tersebut menyokong pembangunan yang lebih mendalam dalam kemampuan Agentic Runtime Security dan Agent Harness, pengembangan pasukan kejuruteraan dan penyelidikan, percepatan jualan dan pengedaran, serta pertumbuhan geografi bermula dengan Eropah dan EMEA. Kepimpinan juga menunjukkan komitmen terhadap pelaburan berterusan dalam organisasi penyelidikan yang menjadi asas kepada kemas kini pengesanan dan sumbangan kepada piawaian industri.
Bagaimanakah HiddenLayer menganalisis model tanpa mengakses data latihan atau berat?
Platform ini menggunakan teknik bukan invasif yang mengkaji artefak model, struktur tensor, kerangka fail, dan tingkah laku masa runtime. Pendekatan ini membolehkan pemindaian sebanyak 50 format fail AI bagi mengesan isu integriti, malware, dan ketidaksepadanan antara kandungan model yang diklaim dan yang sebenar. Falsafah yang sama berterusan kepada pemantauan masa runtime, yang mengamati input, output, dan tindakan agen tanpa memerlukan akses ke dalam model.
Apakah projeksi pertumbuhan pasaran yang menyokong pelaburan dalam keselamatan masa runtime AI?
Gartner meramalkan perbelanjaan untuk produk keselamatan AI akan mencapai $2.83 bilion pada 2026, peningkatan 83 peratus daripada tahun sebelumnya, dan hampir $4.78 bilion pada 2027. Para analis menganggap kelemahan kawalan akses dan suntikan arahan akan menjadi ciri dalam majoriti serangan berjaya terhadap agen AI pada 2029. Ramalan ini mencerminkan permukaan serangan yang semakin luas yang dicipta oleh sistem autonom dalam persekitaran pengeluaran.
Jika anda bimbang tentang naik turun yang kerap berlaku di pasaran, dan mencari pilihan yang lebih stabil untuk menghasilkan wang secara pasif, KuCoin adalah tempat yang tepat untuk datang:
Simple Earn: Deposit dan keluar token kapan saja, dapatkan pulangan stabil.
KuCoin Untung: Hasilkan keuntungan stabil dengan pengurusan aset profesional.
Pegang untuk Untung: Dapatkan ganjaran dengan memegang aset dalam Akaun Pendanaan, Dagangan, Margin, Niaga Hadapan, Penambangan, dan Akaun Bersepadu.
Staking: Buka potensi pendapatan daripada aset atas rantai.
Pelaburan Lanjutan: Pelaburan Lanjutan menawarkan pelbagai produk berstruktur untuk membantu wang anda bertumbuh dalam mana-mana pasaran.
Shark Fin: Perlindungan Prinsipal dan Keuntungan Terjamin
Pelaburan Dwi: Beli rendah dan jual tinggi dengan pengiraan pulangan yang telus.
Bola Salji: Imbalan tinggi, dengan perlindungan harga.
Belian Diskaun: Beli kripto pada harga diskaun.
KCS Loyalty: Naikkan tahap untuk menikmati keistimewaan eksklusif dengan staking ≥ 1 KCS.
KuCoin Wealth: Temui nilai masa depan dan mulakan perjalanan pelabaran pintar anda.
Manfaat KCS: Simpan dan bertaruh KCS untuk mengakses manfaat di seluruh platform.
KCS Staking 2.0: Sertai tatacara pentadbiran on-chain KCS untuk mendapat hasil.
Penafian: Kandungan ini hanya untuk tujuan maklumat dan tidak merupakan nasihat pelaburan. Pelaburan mata wang kripto membawa risiko. Sila lakukan penyelidikan anda sendiri (DYOR).
Penafian: Halaman ini telah diterjemahkan dengan menggunakan teknologi AI untuk keselesaan anda. Untuk mendapatkan maklumat yang paling tepat, rujuk kepada versi bahasa Inggeris asal.