HiddenLayer ने Delta-v Capital के नेतृत्व में एक Series B राउंड में $100 मिलियन जुटाए हैं, जिसमें Microsoft के M12, Morgan Stanley और Ten Eleven Ventures ने भी भाग लिया। यह धनराशि इसके AI runtime security platform को गति देगी क्योंकि उद्यम (enterprises) generative AI और autonomous agents को उत्पादन (production) में ला रहे हैं।
AI मॉडल्स के आसपास का attack surface तेजी से बढ़ रहा है। वे कंपनियाँ जो कभी केवल proof-of-concept notebooks चलाती थीं, अब large language models और agentic workflows को customer-facing services, आंतरिक निर्णय पाइपलाइनों (internal decision pipelines) और यहाँ तक कि defense-grade systems में भी शामिल कर रही हैं। हर नया endpoint—चाहे वह prompt interface हो, tool integration हो या model version—शत्रुओं (adversaries) के लिए एक प्रवेश द्वार प्रदान करता है, और उन endpoints की रक्षा करने वाले टूल्स का बाज़ार स्वयं तकनीक की तुलना में अधिक तेज़ी से बढ़ रहा है।
क्यों AI सुरक्षा सिद्धांत से आवश्यकता में बदल गई
तीन साल पहले, अधिकांश सुरक्षा विश्लेषक AI-विशिष्ट खतरों को केवल शोध की जिज्ञासा (research curiosity) मानते थे। इस विचार पर कि adversarial attacks बड़े पैमाने पर होंगे, कार्रवाई करने के बजाय अधिक बहस की गई। Gartner का अनुमान है कि AI security tools पर उद्यमों का खर्च इस साल $2.83 बिलियन तक पहुँच जाएगा, जो पिछले साल की तुलना में 83 प्रतिशत की वृद्धि है, और अगले साल तक यह $4.78 बिलियन तक बढ़ जाएगा। ये आँकड़े प्रयोगात्मक पायलटों (experimental pilots) से मिशन-क्रिटिकल डिप्लॉयमेंट (mission-critical deployments) की ओर बदलाव को दर्शाते हैं और संकेत देते हैं कि संगठन समझ रहे हैं कि एक समझौता किया गया (compromised) मॉडल निवारक टूलिंग (preventative tooling) की तुलना में कहीं अधिक महंगा साबित हो सकता है।
HiddenLayer की वृद्धि उसी प्रवृत्ति को दर्शाती है। CEO Chris Sestito का कहना है कि कंपनी का annual recurring revenue पिछले बारह महीनों में दस गुना से अधिक बढ़ गया है, जो अब "tens of millions" की सीमा में है। इस वृद्धि का 90 प्रतिशत से अधिक हिस्सा नए ग्राहकों से आता है—वित्तीय संस्थान, बड़ी टेक कंपनियाँ, अमेरिकी रक्षा विभाग (U.S. Department of Defense) और इंटेलिजेंस कम्युनिटी। एक अज्ञात क्लाइंट, जो साप्ताहिक 700 मिलियन से अधिक उपयोगकर्ताओं को एक frontier model प्रदान करता है, ने भी इसके साथ अनुबंध किया है, जो इस समस्या की व्यापकता को रेखांकित करता है।
मॉडल हार्डनिंग से लेकर autonomous agents की सुरक्षा तक
पारंपरिक machine-learning security का ध्यान training pipeline को सुरक्षित करने और उन adversarial inputs का पता लगाने पर था जो सूक्ष्म रूप से भविष्यवाणियों (predictions) को विकृत कर देते हैं। HiddenLayer अभी भी उन बुनियादी बातों—discovery, runtime protection, attack simulation और supply-chain checks—को कवर करता है, लेकिन अब यह generative AI के अनूठे जोखिमों से भी निपटता है।
- Prompt injection – दुर्भावनापूर्ण इनपुट (malicious inputs) जो किसी मॉडल को अनपेक्षित कमांड निष्पादित करने या गोपनीय डेटा प्रकट करने के लिए मजबूर करते हैं। यह प्लेटफॉर्म प्रॉम्प्ट्स (prompts) के मॉडल तक पहुँचने से पहले उन्हें सैनिटाइज़ करता है और नीति उल्लंघन (policy violations) के लिए आउटपुट की निगरानी करता है।
- Agent manipulation – स्वायत्त एजेंट (autonomous agents) जो टूल्स, APIs और डेटा स्रोतों को जोड़ते हैं, उन्हें निष्पादन के दौरान हाईजैक किया जा सकता है, जिससे हानिकारक कार्य या डेटा लीक हो सकता है। HiddenLayer प्रत्येक वर्कफ़्लो चरण में नीति जाँच (policy checks) डालता है, और उन कार्यों को रोक देता है जो निर्धारित नियमों का उल्लंघन करते हैं।
- Malicious tool use – AI एजेंट तेजी से बाहरी प्लगइन्स, कोड इंटरप्रेटर्स या रिट्रीवल मॉड्यूल पर निर्भर हो रहे हैं। यह समाधान इन एकीकरणों (integrations) पर असामान्य व्यवहार की निगरानी करता है, जैसे कि कोई रिट्रीवल मॉड्यूल अप्रत्याशित पेलोड (unexpected payloads) वापस करना।
Open-source और open-weight मॉडल्स एक विशेष सिरदर्द पेश करते हैं। क्योंकि मॉडल फ़ाइलें स्वतंत्र रूप से वितरित की जा सकती हैं, हमलावर (threat actors) छिपे हुए कोड या दुर्भावनापूर्ण वेट्स (malicious weights) को एम्बेड कर सकते हैं जो मॉडल लोड होने पर निष्पादित होते हैं। HiddenLayer लगभग 50 AI फ़ाइल फॉर्मेट का विश्लेषण और स्कैन करता है, ताकि "मॉडल्स के अंदर छिपे मॉडल्स" की तलाश की जा सके जो बैकडोर (backdoors) के रूप में कार्य कर सकते हैं। यह supply-chain defence समझौता किए गए आर्टिफैक्ट्स (compromised artifacts) को उत्पादन (production) में चलने से पहले ही रोक देता है।
नए पूंजी का उपयोग कैसे किया जाएगा
HiddenLayer इस $100 मिलियन को तीन क्षेत्रों में आवंटित करेगा:
- Sales and distribution – एक विशिष्ट (niche) गो-टू-मार्केट प्रयास को व्यापक एंटरप्राइज सेल्स इंजन में बदलना, उन क्षेत्रों तक पहुँचना जो अभी बड़े पैमाने पर AI को अपनाना शुरू कर रहे हैं।
- Engineering research – उभरते हुए अटैक वेक्टर्स (attack vectors), जैसे कि multi-modal prompt injection और cross-agent coordination attacks के लिए डिटेक्शन लॉजिक पर ज़ोर देना।
- Geographic expansion – यूरोप, मध्य पूर्व और अफ्रीका (EMEA) में उपस्थिति बनाना, जहाँ AI पारदर्शिता और सुरक्षा के आसपास नियामक दबाव (regulatory pressures) कड़े हो रहे हैं।
Sestito HiddenLayer की पेशकश की तुलना "AI के लिए Endpoint Detection and Response (EDR)" से करते हैं। जिस तरह EDR एजेंट ऑपरेटिंग-सिस्टम प्रक्रियाओं की दुर्भावनापूर्ण गतिविधि के लिए निगरानी करते हैं, HiddenLayer का runtime guard मॉडल इन्फरेंस कॉल्स (inference calls), टूल इनवोकेशन (tool invocations) और डेटा प्रवाह (data flows) की नीति उल्लंघन के लिए निगरानी करता है।
दूसरा पक्ष: क्या क्लाउड दिग्गज इस विशिष्ट क्षेत्र (niche) को निगल सकते हैं?
कंपनी यह स्वीकार करती है कि बड़े क्लाउड प्रदाता—AWS, Azure, Google Cloud—अपनी प्रबंधित (managed) AI सेवाओं में इसी तरह के रनटाइम प्रोटेक्शन (runtime protections) शामिल कर सकते हैं। यदि कोई क्लाउड वेंडर इन-बिल्ट प्रॉम्प्ट-इंजेक्शन फिल्टर (prompt-injection filters) या एजेंट-पॉलिसी प्रवर्तन (agent-policy enforcement) प्रदान करता है, तो उद्यमों को थर्ड-पार्टी ऐड-ऑन में कम मूल्य दिखाई दे सकता है।
सेस्टिटो का तर्क है कि गवर्नेंस, आइडेंटिटी और पॉलिसी कंट्रोल इतने जटिल बने रहेंगे कि वे विशेष समाधानों (specialised solutions) को उचित ठहरा सकें। वह कहते हैं, “जब आप मल्टी-टेनेंट (multi-tenant), उच्च-मूल्य वाले वर्कलोड के साथ काम कर रहे होते हैं जो संगठनात्मक सीमाओं को पार करते हैं, तो एक 'वन-साइज-फिट्स-ऑल' (one-size-fits-all) क्लाउड पेशकश हर अनुपालन बारीकी (compliance nuance) को संबोधित नहीं कर सकती।” उनका मानना है कि एक समर्पित सुरक्षा परत (dedicated security layer) हाइपरस्केलर्स के विशाल उत्पाद चक्रों की तुलना में अधिक तेज़ी से आगे बढ़ सकती है, और मौजूदा सिक्योरिटी इंफॉर्मेशन एंड इवेंट मैनेजमेंट (SIEM) टूल्स के साथ गहरा एकीकरण प्लेटफॉर्म को प्रासंगिक बनाए रखेगा।
आने वाले महीनों में किन बातों पर नज़र रखें
- अपनाने की गति (Adoption velocity) – यदि हिडन-लेयर (hidden-layer) सुरक्षा उपकरण AI खरीद अनुबंधों के लिए एक पूर्व शर्त बन जाते हैं, तो एंटरप्राइज लाइसेंस में उछाल आ सकता है, विशेष रूप से विनियमित (regulated) क्षेत्रों में।
- प्रतिस्पर्धी कदम (Competitive moves) – प्रमुख क्लाउड प्रदाताओं द्वारा नेटिव AI रनटाइम हार्डनिंग (native AI runtime hardening) के बारे में की जाने वाली घोषणाओं पर नज़र रखें। एक बंडल की गई पेशकश हिडन-लेयर को हाइब्रिड-क्लाउड या ऑन-प्रिमाइसेस डिप्लॉयमेंट की ओर रुख करने के लिए मजबूर कर सकती है।
- नियामक दबाव (Regulatory pressure) – जैसे-जैसे सरकारें AI-विशिष्ट सुरक्षा मानक तैयार करेंगी, अनुपालन आवश्यकताओं में स्पष्ट रूप से रनटाइम प्रोटेक्शन का उल्लेख किया जा सकता है, जिससे HiddenLayer जैसे वेंडरों को नियामक सहायता (regulatory tailwind) मिलेगी।
- खतरों का विकास (Threat evolution) – नई हमले की तकनीकें—जैसे कई एजेंटों में समन्वित प्रॉम्प्ट इंजेक्शन या सप्लाई-चेन हमले जो बड़े पैमाने पर मॉडल वेट्स (model weights) को दूषित कर देते हैं—किसी भी डिटेक्शन इंजन की परीक्षा लेंगे। HiddenLayer जिस गति से अपने डिटेक्शन मॉडल को अनुकूलित करता है, वह एक प्रमुख विभेदक (key differentiator) होगा।
निष्कर्ष (Bottom line)
HiddenLayer द्वारा $100 मिलियन जुटाना यह दर्शाता है कि AI-विशिष्ट रनटाइम सुरक्षा का बाजार अकादमिक बहस से निकलकर व्यावसायिक अनिवार्यता बन गया है। जैसे-जैसे एंटरप्राइज AI अलग-थलग मॉडलों से आगे बढ़कर जटिल, टूल-समृद्ध एजेंटों में विस्तारित हो रहा है, निरंतर, पॉलिसी-संचालित सुरक्षा पारंपरिक एंडपॉइंट सुरक्षा जितनी ही आवश्यक हो जाती है। क्या स्टार्टअप परिष्कृत विरोधियों और क्लाउड दिग्गजों के बीच सुरक्षा की हथियारों की दौड़ (security arms race) से आगे रहता है, यह तय करेगा कि वह "AI के लिए EDR" बना रहता है या किसी बड़े प्लेटफॉर्म में समाहित एक और फीचर बन जाता है। अगली तिमाही यह बताएगी कि क्या समर्पित AI सुरक्षा वेंडर उस इकोसिस्टम में एक स्थायी स्थान बना सकते हैं जो अभी भी अपनी सीमाओं को परिभाषित कर रहा है।