La startup de plateforme de sécurité native d'intelligence artificielle, Deepfirst Inc., a annoncé aujourd'hui avoir levé 80 millions de dollars de nouveaux fonds pour former des modèles de sécurité supplémentaires dans de nouveaux domaines, élargir son équipe de recherche sur l'IA et accélérer l'adoption par les entreprises.
Fondée en 2024, Deepfirst s'attaque au problème d'un paysage de menaces en évolution rapide, où les logiciels sont développés plus rapidement que les outils de sécurité traditionnels ne peuvent suivre et où les attaquants utilisent de plus en plus l'IA pour trouver et exploiter les faiblesses. L'entreprise vise à sécuriser les logiciels mondiaux en créant des outils qui comprennent et protègent le code à la vitesse et à l'échelle du développement et de l'attaque.
La plateforme General Security Intelligence de Depthfirst déploie des agents d'IA personnalisés pour analyser et interpréter les bases de code, l'infrastructure et les flux de travail d'une entreprise. La plateforme utilise également le contexte profond et l’apprentissage automatique pour détecter les vulnérabilités subtiles et complexes que les outils traditionnels négligent souvent.
« Les récentes réactions du marché public suggèrent que les investisseurs commencent à reconnaître que l’IA va perturber la pile de sécurité existante », a déclaré Qasim Mithani, cofondateur et directeur général de Deepfirst. « Mais pour gagner en matière de sécurité, les entreprises devront déployer des modèles spécifiques à la sécurité dans des produits optimisés pour de véritables flux de travail de sécurité. »
Parallèlement à l'annonce du financement, Deepfirst a également annoncé aujourd'hui l'introduction de son premier modèle de sécurité interne, dfs-mini1.
Le modèle est initialement axé sur la sécurisation des contrats intelligents de crypto-monnaie dans le cadre des efforts plus larges de Deepfirst visant à intégrer des renseignements spécialisés dans la plate-forme de sécurité qu'il propose déjà aux clients. Dfs-mini1 a été construit sur un modèle open source, post-formé grâce à un apprentissage par renforcement dans des environnements spécifiques à la sécurité et évalué sur OpenAI EVMBench, une référence pour les vulnérabilités des contrats intelligents.
Lors des tests initiaux, Deepfirst indique que dfs-mini1 a surpassé les modèles Frontier tout en fonctionnant à un coût 10 à 30 fois inférieur. Les évaluations internes suggèrent également que dfs-mini1 peut se généraliser au-delà des contrats intelligents et être plus performant sur d'autres tâches de sécurité, preuve que son approche de formation s'étend à tous les domaines de sécurité.
« Lorsque vous êtes responsable du processus de formation, vous pouvez l'optimiser pour ce qui compte réellement dans votre domaine », a déclaré Andrea Michi, directrice de la technologie. « Dans notre cas, cela signifie détection et vérification des vulnérabilités. Le résultat est un modèle qui peut être moins cher à exploiter, plus performant et plus réactif à un investissement continu qu'un système à usage général. «
