HiddenLayer ਨੇ ਇੱਕ Series B ਰਾਊਂਡ ਵਿੱਚ $100 ਮਿਲੀਅਨ ਇਕੱਠੇ ਕੀਤੇ ਹਨ, ਜਿਸ ਦੀ ਅਗਵਾਈ Delta-v Capital ਨੇ ਕੀਤੀ ਹੈ ਅਤੇ ਇਸ ਵਿੱਚ Microsoft ਦੇ M12, Morgan Stanley ਅਤੇ Ten Eleven Ventures ਨੇ ਵੀ ਹਿੱਸਾ ਲਿਆ ਹੈ। ਇਹ ਨਕਦੀ ਇਸਦੇ AI runtime security platform ਨੂੰ ਹੁਲਾਰਾ ਦੇਵੇਗੀ ਕਿਉਂਕਿ ਉੱਦਮ (enterprises) generative AI ਅਤੇ autonomous agents ਨੂੰ production ਵਿੱਚ ਲਿਆ ਰਹੇ ਹਨ।
AI ਮਾਡਲਾਂ ਦੇ ਆਲੇ-ਦੁਆਲੇ 'ਅਟੈਕ ਸਰਫੇਸ' (attack surface) ਤੇਜ਼ੀ ਨਾਲ ਵਧ ਰਿਹਾ ਹੈ। ਉਹ ਕੰਪਨੀਆਂ ਜੋ ਕਦੇ ਸਿਰਫ਼ proof-of-concept notebooks ਚਲਾਉਂਦੀਆਂ ਸਨ, ਹੁਣ large language models ਅਤੇ agentic workflows ਨੂੰ ਗਾਹਕਾਂ ਦੇ ਸਾਹਮਣੇ ਵਾਲੀਆਂ ਸੇਵਾਵਾਂ, ਅੰਦਰੂਨੀ ਫੈਸਲੇ ਲੈਣ ਵਾਲੀਆਂ ਪਾਈਪਲਾਈਨਾਂ ਅਤੇ ਇੱਥੋਂ ਤੱਕ ਕਿ ਡਿਫੈਂਸ-ਗ੍ਰੇਡ ਸਿਸਟਮਾਂ ਵਿੱਚ ਵੀ ਜੋੜ ਰਹੀਆਂ ਹਨ। ਹਰ ਨਵਾਂ endpoint—prompt interface, tool integration, model version—ਦੁਸ਼ਮਣਾਂ ਲਈ ਇੱਕ ਮੌਕਾ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਅਤੇ ਉਹਨਾਂ endpoints ਦੀ ਰੱਖਿਆ ਕਰਨ ਵਾਲੇ ਟੂਲਜ਼ ਦਾ ਬਾਜ਼ਾਰ ਤਕਨਾਲੋਜੀ ਨਾਲੋਂ ਵੀ ਤੇਜ਼ੀ ਨਾਲ ਵਧ ਰਿਹਾ ਹੈ।
AI ਸੁਰੱਖਿਆ ਕਿਉਂ ਸਿਧਾਂਤ ਤੋਂ ਲੋੜ ਬਣ ਗਈ
ਤਿੰਨ ਸਾਲ ਪਹਿਲਾਂ, ਜ਼ਿਆਦਾਤਰ ਸੁਰੱਖਿਆ ਵਿਸ਼ਲੇਸ਼ਕ AI-ਵਿਸ਼ੇਸ਼ ਖ਼ਤਰਿਆਂ ਨੂੰ ਸਿਰਫ਼ ਖੋਜ ਦੀ ਇੱਕ ਦਿਲਚਸਪੀ ਵਜੋਂ ਦੇਖਦੇ ਸਨ। ਇਹ ਵਿਚਾਰ ਕਿ adversarial attacks ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਹੋਣਗੇ, ਕੰਮ ਕਰਨ ਦੀ ਬਜਾਏ ਜ਼ਿਆਦਾ ਬਹਿਸ ਦਾ ਵਿਸ਼ਾ ਸੀ। Gartner ਹੁਣ ਅਨੁਮਾਨ ਲਗਾਉਂਦਾ ਹੈ ਕਿ AI ਸੁਰੱਖਿਆ ਟੂਲਜ਼ 'ਤੇ ਉੱਦਮਾਂ ਦਾ ਖਰਚਾ ਇਸ ਸਾਲ $2.83 ਬਿਲੀਅਨ ਤੱਕ ਪਹੁੰਚ ਜਾਵੇਗਾ, ਜੋ ਕਿ ਪਿਛਲੇ ਸਾਲ ਨਾਲੋਂ 83 ਪ੍ਰਤੀਸ਼ਤ ਦਾ ਵਾਧਾ ਹੈ, ਅਤੇ ਅਗਲੇ ਸਾਲ ਤੱਕ $4.78 ਬਿਲੀਅਨ ਤੱਕ ਵਧ ਜਾਵੇਗਾ। ਇਹ ਅੰਕ ਅਨੁਭਵੀ ਪਾਇਲਟ ਪ੍ਰੋਜੈਕਟਾਂ ਤੋਂ ਮਿਸ਼ਨ-ਕ੍ਰਿਟੀਕਲ ਡਿਪਲਾਈਮੈਂਟਾਂ ਵੱਲ ਤਬਦੀਲੀ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ ਅਤੇ ਸੰਕੇਤ ਦਿੰਦੇ ਹਨ ਕਿ ਸੰਸਥਾਵਾਂ ਨੂੰ ਅਹਿਸਾਸ ਹੋ ਗਿਆ ਹੈ ਕਿ ਇੱਕ ਨਾਲ਼ compromising ਮਾਡਲ ਦੀ ਕੀਮਤ ਰੋਕਥਾਮ ਵਾਲੇ ਟੂਲਜ਼ ਨਾਲੋਂ ਕਿਤੇ ਜ਼ਿਆਦਾ ਹੋ ਸਕਦੀ ਹੈ।
HiddenLayer ਦੀ ਵਿਕਾਸ ਦਰ ਵੀ ਉਸੇ ਰੁਝਾਨ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ। CEO Chris Sestito ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਕੰਪਨੀ ਦੀ annual recurring revenue ਪਿਛਲੇ ਬਾਰਾਂ ਮਹੀਨਿਆਂ ਵਿੱਚ ਦਸ ਗੁਣਾ ਤੋਂ ਵੱਧ ਵਧ ਗਈ ਹੈ, ਜੋ ਹੁਣ "ਦਸਾਂ ਮਿਲੀਅਨ" (tens of millions) ਦੀ ਰੇਂਜ ਵਿੱਚ ਹੈ। ਉਸ ਵਾਧੇ ਦਾ 90 ਪ੍ਰਤੀਸ਼ਤ ਤੋਂ ਵੱਧ ਹਿੱਸਾ ਨਵੇਂ ਗਾਹਕਾਂ—ਵਿੱਤੀ ਸੰਸਥਾਵਾਂ, ਵੱਡੀਆਂ ਤਕਨੀਕੀ ਫਰਮਾਂ, ਅਮਰੀਕੀ ਰੱਖਿਆ ਵਿਭਾਗ (U.S. Department of Defense) ਅਤੇ ਇੰਟੈਲੀਜੈਂਸ ਕਮਿਊਨਿਟੀ ਤੋਂ ਆ ਰਿਹਾ ਹੈ। ਇੱਕ ਅਣਪ੍ਰਕਾਸ਼ਿਤ ਗਾਹਕ, ਜੋ ਹਰ ਹਫ਼ਤੇ 700 ਮਿਲੀਅਨ ਤੋਂ ਵੱਧ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਇੱਕ frontier model ਸਪਲਾਈ ਕਰਦਾ ਹੈ, ਨੇ ਵੀ ਇਸ ਨਾਲ ਜੁੜਨ ਦਾ ਫੈਸਲਾ ਕੀਤਾ ਹੈ, ਜੋ ਇਸ ਸਮੱਸਿਆ ਦੀ ਵਿਸ਼ਾਲਤਾ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ।
ਮਾਡਲ ਹਾਰਡਨਿੰਗ ਤੋਂ ਲੈ ਕੇ autonomous agents ਦੀ ਰੱਖਿਆ ਤੱਕ
ਰਵਾਇਤੀ machine-learning ਸੁਰੱਖਿਆ ਦਾ ਧਿਆਨ training pipeline ਨੂੰ ਸੁਰੱਖਿਅਤ ਕਰਨ ਅਤੇ ਅਜਿਹੇ adversarial inputs ਦਾ ਪਤਾ ਲਗਾਉਣ 'ਤੇ ਸੀ ਜੋ ਭਵਿੱਖਬਾਣੀਆਂ (predictions) ਨੂੰ ਬਾਰੀਕੀ ਨਾਲ ਵਿਗਾੜ ਦਿੰਦੇ ਹਨ। HiddenLayer ਅਜੇ ਵੀ ਉਹਨਾਂ ਬੁਨਿਆਦੀ ਚੀਜ਼ਾਂ—discovery, runtime protection, attack simulation ਅਤੇ supply-chain checks—ਨੂੰ ਕਵਰ ਕਰਦਾ ਹੈ, ਪਰ ਹੁਣ ਇਹ generative AI ਦੇ ਵਿਲੱਖਣ ਜੋਖਮਾਂ ਨਾਲ ਵੀ ਨਜਿੱਠ ਰਿਹਾ ਹੈ।
- Prompt injection – ਮਾੜੇ ਇਨਪੁੱਟਸ (malicious inputs) ਜੋ ਕਿਸੇ ਮਾਡਲ ਨੂੰ ਅਣਚਾਹੇ ਕਮਾਂਡਾਂ ਚਲਾਉਣ ਜਾਂ ਗੁਪਤ ਡੇਟਾ ਪ੍ਰਗਟ ਕਰਨ ਲਈ ਮਜਬੂਰ ਕਰਦੇ ਹਨ। ਪਲੇਟਫਾਰਮ ਮਾਡਲ ਤੱਕ ਪਹੁੰਚਣ ਤੋਂ ਪਹਿਲਾਂ prompts ਨੂੰ ਸਾਫ਼ (sanitise) ਕਰਦਾ ਹੈ ਅਤੇ ਨੀਤੀਆਂ ਦੀ ਉਲੰਘਣਾ ਲਈ ਆਉਟਪੁੱਟ ਦੀ ਨਿਗਰਾਨੀ ਕਰਦਾ ਹੈ।
- Agent manipulation – Autonomous agents ਜੋ tools, APIs ਅਤੇ data sources ਨੂੰ ਜੋੜਦੇ ਹਨ, ਉਹ ਕਾਰਜ ਦੇ ਵਿਚਕਾਰ ਹੀ ਹਾਈਜੈਕ ਕੀਤੇ ਜਾ ਸਕਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਨੁਕਸਾਨਦੇਹ ਕਾਰਵਾਈਆਂ ਜਾਂ ਡੇਟਾ ਲੀਕ ਹੋ ਸਕਦਾ ਹੈ। HiddenLayer ਹਰ workflow ਪੜਾਅ 'ਤੇ ਨੀਤੀ ਜਾਂਚ (policy checks) ਲਗਾਉਂਦਾ ਹੈ, ਅਤੇ ਉਹਨਾਂ ਕਾਰਵਾਈਆਂ ਨੂੰ ਰੋਕ ਦਿੰਦਾ ਹੈ ਜੋ ਨਿਰਧਾਰਤ ਨਿਯਮਾਂ ਦੀ ਉਲੰਘਣਾ ਕਰਦੀਆਂ ਹਨ।
- Malicious tool use – AI agents ਵੱਧ ਤੋਂ ਵੱਧ ਬਾਹਰੀ plugins, code interpreters ਜਾਂ retrieval modules 'ਤੇ ਨਿਰਭਰ ਕਰ ਰਹੇ ਹਨ। ਇਹ ਹੱਲ ਇਹਨਾਂ integrations ਦੀ ਅਸਧਾਰਨ ਵਿਵਹਾਰ ਲਈ ਨਿਗਰਾਨੀ ਕਰਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ ਇੱਕ retrieval module ਦੁਆਰਾ ਅਣਪਛਾਤੇ payloads ਵਾਪਸ ਕਰਨਾ।
Open-source ਅਤੇ open-weight ਮਾਡਲ ਇੱਕ ਖਾਸ ਮੁਸ਼ਕਲ ਪੈਦਾ ਕਰਦੇ ਹਨ। ਕਿਉਂਕਿ ਮਾਡਲ ਫਾਈਲਾਂ ਨੂੰ ਮੁਫ਼ਤ ਵਿੱਚ ਵੰਡਿਆ ਜਾ ਸਕਦਾ ਹੈ, ਖ਼ਤਰੇ ਪੈਦਾ ਕਰਨ ਵਾਲੇ (threat actors) ਅਜਿਹਾ ਹਿਡਨ ਕੋਡ ਜਾਂ ਮਾੜੇ weights ਇਨਬੈਡ ਕਰ ਸਕਦੇ ਹਨ ਜੋ ਮਾਡਲ ਲੋਡ ਹੋਣ 'ਤੇ ਚੱਲਦੇ ਹਨ। HiddenLayer ਲਗਭਗ 50 AI ਫਾਈਲ ਫਾਰਮੈਟਾਂ ਦੀ ਜਾਂਚ ਕਰਦਾ ਹੈ, ਅਤੇ "ਮਾਡਲਾਂ ਦੇ ਅੰਦਰ ਛੁਪੇ ਹੋਏ ਮਾਡਲਾਂ" ਦੀ ਭਾਲ ਕਰਦਾ ਹੈ ਜੋ ਬੈਕਡੋਰ (backdoor) ਵਜੋਂ ਕੰਮ ਕਰ ਸਕਦੇ ਹਨ। ਇਹ supply-chain defence ਨੁਕਸਾਨਦੇਹ ਚੀਜ਼ਾਂ ਨੂੰ production ਵਿੱਚ ਚੱਲਣ ਤੋਂ ਪਹਿਲਾਂ ਹੀ ਰੋਕ ਦਿੰਦਾ ਹੈ।
ਨਵੀਂ ਪੂੰਜੀ ਕਿਵੇਂ ਖਰਚ ਕੀਤੀ ਜਾਵੇਗੀ
HiddenLayer ਇਸ $100 ਮਿਲੀਅਨ ਨੂੰ ਤਿੰਨ ਮੁੱਖ ਖੇਤਰਾਂ ਵਿੱਚ ਵੰਡੇਗਾ:
- Sales and distribution – ਇੱਕ ਨਿਸ਼ (niche) go-to-market ਕੋਸ਼ਿਸ਼ ਨੂੰ ਇੱਕ ਵਿਸ਼ਾਲ ਉੱਦਮੀ (enterprise) ਸੇਲਜ਼ ਇੰਜਣ ਵਿੱਚ ਬਦਲਣਾ, ਜੋ ਉਹਨਾਂ ਖੇਤਰਾਂ ਤੱਕ ਪਹੁੰਚੇ ਜੋ ਹੁਣੇ ਵੱਡੇ ਪੱਧਰ 'ਤੇ AI ਨੂੰ ਅਪਣਾਉਣਾ ਸ਼ੁਰੂ ਕਰ ਰਹੇ ਹਨ।
- Engineering research – ਉੱਭਰ ਰਹੇ ਅਟੈਕ ਵੈਕਟਰਾਂ (attack vectors), ਜਿਵੇਂ ਕਿ multi-modal prompt injection ਅਤੇ cross-agent coordination attacks ਲਈ ਡਿਟੈਕਸ਼ਨ ਲੌਜਿਕ 'ਤੇ ਜ਼ੋਰ ਦੇਣਾ।
- Geographic expansion – ਯੂਰਪ, ਮੱਧ ਪੂਰਬ ਅਤੇ ਅਫਰੀਕਾ (EMEA) ਵਿੱਚ ਆਪਣੀ ਮੌਜੂਦਗੀ ਬਣਾਉਣਾ, ਜਿੱਥੇ AI ਪਾਰਦਰਸ਼ਤਾ ਅਤੇ ਸੁਰੱਖਿਆ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਰੈਗੂਲੇਟਰੀ ਦਬਾਅ ਵਧ ਰਿਹਾ ਹੈ।
Sestito HiddenLayer ਦੀ ਪੇਸ਼ਕਸ਼ ਦੀ ਤੁਲਨਾ "AI ਲਈ Endpoint Detection and Response (EDR)" ਨਾਲ ਕਰਦਾ ਹੈ। ਜਿਵੇਂ EDR agents ਮਾਲੀਸ਼ਾ ਵਾਲੀ ਗਤੀਵਿਧੀ ਲਈ operating-system processes ਦੀ ਨਿਗਰਾਨੀ ਕਰਦੇ ਹਨ, HiddenLayer ਦਾ runtime guard ਨੀਤੀ ਦੀਆਂ ਉਲੰਘਣਾਵਾਂ ਲਈ model inference calls, tool invocations ਅਤੇ data flows ਦੀ ਨਿਗਰਾਨੀ ਕਰਦਾ ਹੈ।
ਵਿਰੋਧੀ ਪੱਖ: ਕੀ ਕਲਾਉਡ ਦਿੱਗਜ ਇਸ ਨਿਸ਼ (niche) ਨੂੰ ਨਿਗਲ ਸਕਦੇ ਹਨ?
ਕੰਪਨੀ ਇਹ ਮੰਨਦੀ ਹੈ ਕਿ ਵੱਡੇ ਕਲਾਉਡ ਪ੍ਰੋਵਾਈਡਰ—AWS, Azure, Google Cloud—ਆਪਣੀਆਂ ਮੈਨੇਜਡ AI ਸੇਵਾਵਾਂ ਵਿੱਚ ਅਜਿਹੇ ਹੀ ਰਨਟਾਈਮ ਪ੍ਰੋਟੈਕਸ਼ਨ (runtime protections) ਨੂੰ ਸ਼ਾਮਲ ਕਰ ਸਕਦੇ ਹਨ। ਜੇਕਰ ਕੋਈ ਕਲਾਉਡ ਵੈਂਡਰ ਬਿਲਟ-ਇਨ ਪ੍ਰੋਂਪਟ-ਇੰਜੈਕਸ਼ਨ ਫਿਲਟਰ ਜਾਂ ਏਜੰਟ-ਪਾਲਸੀ ਇਨਫੋਰਸਮੈਂਟ (agent-policy enforcement) ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦਾ ਹੈ, ਤਾਂ ਉਦਯੋਗਿਕ ਸੰਸਥਾਵਾਂ (enterprises) ਨੂੰ ਤੀਜੀ-ਧਿਰ ਦੇ ਐਡ-ਆਨ (third-party add-on) ਵਿੱਚ ਘੱਟ ਮੁੱਲ ਦਿਖਾਈ ਦੇ ਸਕਦਾ ਹੈ।
ਸੈਸਟੀਟੋ (Sestito) ਦਾ ਤਰਕ ਹੈ ਕਿ ਗਵਰਨੈਂਸ, ਆਈਡੈਂਟੀਟੀ ਅਤੇ ਪਾਲਸੀ ਕੰਟਰੋਲ ਇੰਨੇ ਗੁੰਝਲਦਾਰ ਰਹਿਣਗੇ ਕਿ ਵਿਸ਼ੇਸ਼ ਹੱਲ (specialised solutions) ਦੀ ਲੋੜ ਬਣੀ ਰਹੇਗੀ। ਉਹ ਕਹਿੰਦੇ ਹਨ, “ਜਦੋਂ ਤੁਸੀਂ ਮਲਟੀ-ਟੈਂੈਂਟ (multi-tenant), ਉੱਚ-ਮੁੱਲ ਵਾਲੇ ਵਰਕਲੋਡਸ ਨਾਲ ਨਜਿੱਠ ਰਹੇ ਹੁੰਦੇ ਹੋ ਜੋ ਸੰਗਠਨਾਤਮਕ ਸੀਮਾਵਾਂ ਨੂੰ ਪਾਰ ਕਰਦੇ ਹਨ, ਤਾਂ ਇੱਕੋ ਜਿਹਾ ਕਲਾਉਡ ਆਫਰਿੰਗ ਹਰ ਕੰਪਲਾਇੰਸ ਸਬੰਧੀ ਬਾਰੀਕੀ ਨੂੰ ਹੱਲ ਨਹੀਂ ਕਰ ਸਕਦਾ।” ਉਹ ਮੰਨਦੇ ਹਨ ਕਿ ਇੱਕ ਸਮਰਪਿਤ ਸੁਰੱਖਿਆ ਲੇਅਰ (dedicated security layer) ਹਾਈਪਰਸਕੇਲਰਜ਼ (hyperscalers) ਦੇ ਵਿਸ਼ਾਲ ਪ੍ਰੋਡਕਟ ਚੱਕਰਾਂ ਨਾਲੋਂ ਤੇਜ਼ੀ ਨਾਲ ਕੰਮ ਕਰ ਸਕਦੀ ਹੈ, ਅਤੇ ਮੌਜੂਦਾ ਸੁਰੱਖਿਆ ਜਾਣਕਾਰੀ ਅਤੇ ਘਟਨਾ ਪ੍ਰਬੰਧਨ (SIEM) ਟੂਲਜ਼ ਨਾਲ ਡੂੰਘਾ ਇੰਟੀਗ੍ਰੇਸ਼ਨ ਇਸ ਪਲੇਟਫਾਰਮ ਨੂੰ ਪ੍ਰਸੰਗਿਕ ਬਣਾਈ ਰੱਖੇਗਾ।
ਆਉਣ ਵਾਲੇ ਮਹੀਨਿਆਂ ਵਿੱਚ ਕਿਸ ਚੀਜ਼ 'ਤੇ ਨਜ਼ਰ ਰੱਖੀਏ
- ਅਪਣਾਉਣ ਦੀ ਗਤੀ (Adoption velocity) – ਜੇਕਰ HiddenLayer ਸੁਰੱਖਿਆ ਟੂਲ AI ਖਰੀਦ ਇਕਰਾਰਨਾਮਿਆਂ ਲਈ ਇੱਕ ਪੂਰਵ-ਸ਼ਰਤ ਬਣ ਜਾਂਦੇ ਹਨ, ਤਾਂ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਲਾਇਸੈਂਸਾਂ ਵਿੱਚ ਤੇਜ਼ੀ ਨਾਲ ਵਾਧਾ ਹੋ ਸਕਦਾ ਹੈ, ਖਾਸ ਕਰਕੇ ਨਿਯਮਤ ਖੇਤਰਾਂ (regulated sectors) ਵਿੱਚ।
- ਪ੍ਰਤੀਯੋਗੀ ਕਦਮ – ਮੁੱਖ ਕਲਾਉਡ ਪ੍ਰੋਵਾਈਡਰਾਂ ਵੱਲੋਂ ਨੇਟਿਵ AI runtime hardening ਬਾਰੇ ਐਲਾਨਾਂ 'ਤੇ ਨਜ਼ਰ ਰੱਖੋ। ਇੱਕ ਬੰਡਲਡ ਆਫਰਿੰਗ HiddenLayer ਨੂੰ ਹਾਈਬ੍ਰਿਡ-ਕਲਾਉਡ ਜਾਂ ਆਨ-ਪ੍ਰੇਮਿਸ ਡਿਪਲਾਈਮੈਂਟਸ ਵੱਲ ਮੁੜਨ ਲਈ ਮਜਬੂਰ ਕਰ ਸਕਦੀ ਹੈ।
- ਨਿਯਮਤ ਦਬਾਅ – ਜਿਵੇਂ-ਜਿਵੇਂ ਸਰਕਾਰਾਂ AI-ਵਿਸ਼ੇਸ਼ ਸੁਰੱਖਿਆ ਮਿਆਰ ਤਿਆਰ ਕਰ ਰਹੀਆਂ ਹਨ, ਕੰਪਲਾਇੰਸ ਦੀਆਂ ਲੋੜਾਂ ਵਿੱਚ ਰਨਟਾਈਮ ਪ੍ਰੋਟੈਕਸ਼ਨ ਦਾ ਸਪੱਸ਼ਟ ਹਵਾਲਾ ਹੋ ਸਕਦਾ ਹੈ, ਜੋ HiddenLayer ਵਰਗੇ ਵੈਂਡਰਾਂ ਨੂੰ ਨਿਯਮਤ ਲਾਭ (regulatory tailwind) ਪ੍ਰਦਾਨ ਕਰੇਗਾ।
- ਖਤਰਿਆਂ ਦਾ ਵਿਕਾਸ – ਨਵੀਆਂ ਹਮਲਾਵਰ ਤਕਨੀਕਾਂ—ਜਿਵੇਂ ਕਿ ਕਈ ਏਜੰਟਾਂ ਵਿੱਚ ਤਾਲਮੇਲ ਵਾਲਾ ਪ੍ਰੋਂਪਟ ਇੰਜੈਕਸ਼ਨ ਜਾਂ ਸਪਲਾਈ-ਚੇਨ ਹਮਲੇ ਜੋ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਮਾਡਲ ਵੇਟਸ (model weights) ਨੂੰ ਖਰਾਬ ਕਰਦੇ ਹਨ—ਕਿਸੇ ਵੀ ਡਿਟੈਕਸ਼ਨ ਇੰਜਣ ਦੀ ਪ੍ਰੀਖਿਆ ਲੈਣਗੇ। HiddenLayer ਜਿਸ ਤੇਜ਼ੀ ਨਾਲ ਆਪਣੇ ਡਿਟੈਕਸ਼ਨ ਮਾਡਲਾਂ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਂਦਾ ਹੈ, ਉਹ ਇੱਕ ਮੁੱਖ ਅੰਤਰ (differentiator) ਹੋਵੇਗਾ।
ਨਿਚੋੜ
HiddenLayer ਦੀ $100 ਮਿਲੀਅਨ ਦੀ ਫੰਡਿੰਗ ਦਿਖਾਉਂਦੀ ਹੈ ਕਿ AI-ਵਿਸ਼ੇਸ਼ ਰਨਟਾਈਮ ਸੁਰੱਖਿਆ ਲਈ ਬਾਜ਼ਾਰ ਅਕਾਦਮਿਕ ਬਹਿਸ ਤੋਂ ਵਧ ਕੇ ਵਪਾਰਕ ਲੋੜ ਬਣ ਗਿਆ ਹੈ। ਜਿਵੇਂ-ਜਿਵੇਂ ਐਂਟਰਪ੍ਰਾਈਜ਼ AI ਇਕੱਲੇ ਮਾਡਲਾਂ ਤੋਂ ਅੱਗੇ ਵਧ ਕੇ ਗੁੰਝਲਦਾਰ, ਟੂਲ-ਸੰਪੰਨ ਏਜੰਟਾਂ ਵਿੱਚ ਫੈਲ ਰਿਹਾ ਹੈ, ਨਿਰੰਤਰ, ਪਾਲਸੀ-ਅਧਾਰਤ ਸੁਰੱਖਿਆ ਰਵਾਇਤੀ endpoint security ਵਾਂਗ ਹੀ ਜ਼ਰੂਰੀ ਹੋ ਜਾਂਦੀ ਹੈ। ਕੀ ਇਹ ਸਟਾਰਟਅੱਪ ਉੱਨਤ ਵਿਰੋਧੀਆਂ ਅਤੇ ਕਲਾਉਡ ਦਿੱਗਜਾਂ ਵਿਚਕਾਰ ਚੱਲ ਰਹੀ ਸੁਰੱਖਿਆ ਦੀ ਦੌੜ ਵਿੱਚ ਅੱਗੇ ਰਹੇਗਾ, ਇਹ ਤੈਅ ਕਰੇਗਾ ਕਿ ਕੀ ਇਹ "EDR for AI" ਬਣਿਆ ਰਹੇਗਾ ਜਾਂ ਕਿਸੇ ਵੱਡੇ ਪਲੇਟਫਾਰਮ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਣ ਵਾਲੀ ਇੱਕ ਹੋਰ ਵਿਸ਼ੇਸ਼ਤਾ ਬਣ ਜਾਵੇਗਾ। ਅਗਲੀ ਤਿਮਾਹੀ ਇਹ ਸਾਫ਼ ਕਰ ਦੇਵੇਗੀ ਕਿ ਕੀ ਸਮਰਪਿਤ AI ਸੁਰੱਖਿਆ ਵੈਂਡਰ ਉਸ ਈਕੋਸਿਸਟਮ ਵਿੱਚ ਆਪਣੀ ਇੱਕ ਪੱਕੀ ਜਗ੍ਹਾ ਬਣਾ ਸਕਦੇ ਹਨ ਜੋ ਅਜੇ ਵੀ ਆਪਣੀਆਂ ਸੀਮਾਵਾਂ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰ ਰਿਹਾ ਹੈ।