HiddenLayer, un Austin, TX-basé le développeur d’une plate-forme de sécurité qui protège les modèles d’apprentissage machine les organisations d’entreprises utilisent derrière leurs produits les plus importants, a augmenté 6 M$ dans le financement de semences.
Dix Onze Ventures ont mené le cycle de semences avec un investissement de 4,75 millions de dollars. Sécurisé Octane a également participé.
L’entreprise entend utiliser les fonds pour accélérer la croissance et élargir les opérations. Co-fondé par Christopher “Tito” Sestito, Tanner Burns, et James Ballard, Hidden Layer est sorti du mode furtif pour lancer son produit phare, construit pour détecter et prévenir les cyberattaques qui ciblent les systèmes d’apprentissage automatique. Le principal produit de la plateforme est la première et unique solution de détection et de réponse d’apprentissage par machine (MLDR) qui protège les entreprises et leurs clients de ce vecteur d’attaque émergent.
Les organisations de pratiquement toutes les industries intègrent la technologie de l’intelligence artificielle (AI) dans leurs produits matériels et logiciels qui rendent les intrants et les extrants de l’apprentissage automatique disponibles à leurs clients, et les acteurs mauvais ont pris note.
La solution MLDR de HiddenLayer utilise une approche ML en cours de brevet pour analyser des milliards d’interactions de modèles par minute pour identifier l’activité malveillante sans avoir accès ou connaissance préalable du ou des modèles ML de l’utilisateur ou des données de formation sensibles. Il détecte et répond aux attaques contre les modèles ML pour protéger la propriété intellectuelle et les secrets commerciaux contre le vol ou l’amortissement et pour garantir que les utilisateurs ne soient pas exposés aux attaques.
Le MLDR de l’entreprise est une solution de sécurité non invasive et facile à utiliser qui n’exige pas l’accès aux données brutes ou aux algorithmes. Il identifie les modèles de trafic de modèles ML à travers des points de données vectorisés sans contexte pour fournir une défense complète des attaques adversaires ciblant le modèle ML déployé dans la production.
