Sweet Security
Runtime CNAPP & AI Security
Sweet Security מאמצת גישת Runtime-First שבה האירוע מהווה נקודת התחלה — המערכת אוספת ממצאים ממקורות שונים ומאחדת אותם ל-Incident Story אחד ברור, תוך מיפוי, ניטור והגנה על מודלי AI וסוכני AI.
הבעיה שנפתרת
שוק ה-CNAPP התרחב במהירות, אך בארגונים רבים עדיין קיים פער בין זיהוי אירועי אבטחה, הבנת ההקשר האמיתי שלהם והיכולת להגיב במהירות. הבעיה המרכזית היא עומס, רעש ופיצול מידע — ארגונים מקבלים ממצאים ממספר מקורות (posture, לוגים, runtime signals ואירועי ענן) אך נדרשים לחבר ידנית את חלקי הפאזל.
התזה של החברה
Sweet Security מאמצים גישת Runtime-First, שבה האירוע מהווה נקודת התחלה ולא הנכס או הקונפיגורציה. המערכת מתחילה מהתנהגות בפועל בזמן ריצה, ואוספת סביב האירוע ממצאים נוספים ממקורות שונים ומאחדת אותם לממצא אחד קוהרנטי המתאר את כלל סיפור הפעילות או המתקפה בזמן אמת.
מה ייחודי בגישתם
פתרונות מובילים כגון Wiz, Orca, Upwind ו-Lacework בנויים לרוב סביב posture ו-inventory. Sweet הופכת את הסדר: המערכת מתחילה מאירוע runtime בפועל, ולאחר מכן משלבת אוטומטית ממצאי לוגים, הרשאות, תקשורת רשת ואירועי ענן לכדי ממצא אחד המתאר את שרשרת הפעולה המלאה. הבידול המרכזי — הפיכת מקורות מידע מרובים ל-Incident יחיד.
מה המוצר עושה בפועל
ברמת המימוש, המערכת מתקינה סנסור eBPF קל משקל על workloads ואוספת מידע התנהגותי בזמן ריצה. משלבת ממצאי Runtime, לוגים מערכתיים ואפליקטיביים. מספקת מיפוי, ניטור, הגנה ושליטה על מודלי AI וסוכני AI משלב ההגדרה ועד לפעילות בפועל בפרודקשן בסביבת ה-Cloud.
הערך המרכזי
צמצום רעש תפעולי, יצירת סיפור אירוע ברור והורדת MTTR. בהקשר AI: זיהוי Shadow AI, שליטה במידע רגיש ואכיפת מדיניות שימוש.
למי זה רלוונטי
בעיקר לארגונים עם Kubernetes, סביבות microservices וצוותי SecOps/DevOps בקצב גבוה.
מצב עסקי
Series B — פועלת במספר שווקים