Brava Security, una startup con sede en Tel Aviv creada por exmiembros de la inteligencia israelí, ha anunciado su salida del sigilo junto a una ronda semilla de 15 millones de dólares liderada por F2 Venture Capital y Pitango VC, con el respaldo de varios inversores ángeles. La compañía presenta una plataforma basada en agentes de IA cuyo objetivo es modelar el comportamiento del atacante y generar la telemetría que un ataque real produciría en un entorno concreto.
Qué hace la plataforma y qué cambia
La propuesta de Brava es diferente a la de herramientas que solo buscan anomalías: su plataforma simula cómo se desarrollaría un ataque en el contexto de negocio de cada cliente, produciendo logs y eventos (telemetría) que permiten comprobar si las defensas existentes —SIEM, detecciones y reglas— verían o no la amenaza. Según la compañía, eso revela qué controles podrían estar fallando y permite reescribir o ajustar detecciones antes de que ocurra un incidente real.
En la práctica, la solución mezcla modelos de agentes de IA que imitan técnicas y pasos de un adversario con integración a las fuentes de datos de seguridad del cliente. El resultado es una representación anticipada de cómo se manifestaría un ataque concreto a través de múltiples fuentes de logs, de modo que los equipos de seguridad pueden validar y mejorar sus reglas y procedimientos con evidencia generada sintéticamente.
A quién afecta y por qué importa
La plataforma apunta a equipos de operaciones de seguridad (SOC), responsables de detección y respuesta, y administradores de seguridad en organizaciones que ya utilizan colectores de logs y soluciones SIEM o XDR. Brava plantea que el principal agujero en muchas defensas modernas no es la incapacidad de automatizar decisiones, sino la falta de evidencia previa: «no se puede automatizar una decisión sobre pruebas que nunca existieron», según uno de los fundadores.
Para administradores y dueños de sitios web y servicios, la utilidad práctica es comprobar si sus reglas de detección y pipelines de telemetría capturan realmente los trazos de ataques relevantes para su negocio. Si la plataforma indica que un ataque no sería visible en los sistemas actuales, el equipo debe priorizar ajustes en la ingesta de logs, reglas del SIEM, y la instrumentación de fuentes críticas.
Integración y despliegue
Brava afirma que su solución ofrece perspectivas iniciales poco después del onboarding (la empresa menciona intervalos breves) y que se integra con más de 70 fuentes y destinos sin requerir cambios en la infraestructura de seguridad ya desplegada. Esto sugiere que su modelo funciona mediante conexiones a los colectores de logs, APIs y pipelines existentes, generando eventos que luego pueden inyectarse o compararse con la telemetría del entorno.
La compañía mantiene I+D en Israel y un equipo comercial en Estados Unidos; la financiación anunciada se destinará a acelerar desarrollo de producto y expansión de mercado.
Qué deben hacer los administradores
- Evaluar si sus canales de telemetría (logs de endpoints, red, autenticación, aplicaciones, cloud) están completos y son accesibles para pruebas.
- Priorizar fuentes críticas que, de no estar bien instrumentadas, podrían dejar ciegos a sus sistemas de detección.
- Usar simulaciones de ataque y telemetría sintética para validar reglas del SIEM y flujos de respuesta antes de depender de automatizaciones.
- Comprobar compatibilidad y políticas de privacidad/retención al integrar soluciones que generan y procesan telemetría sintética.
Limitaciones y contexto
La información disponible describe el enfoque y la financiación de la startup, pero no detalla métricas de clientes, estudios independientes de eficacia ni especificaciones técnicas completas. Tampoco se han publicado CVE, análisis de terceros o benchmarks públicos que permitan comparar la herramienta con otras técnicas de validación de detecciones o pentesting automatizado.
En cualquier caso, la propuesta de generar la evidencia que una defensa debería ver antes de que el ataque ocurra es una respuesta práctica a un problema real en seguridad: asegurar que las automatizaciones y detecciones se basan en datos reales y observables del entorno.
Lee también:
- Cinco pruebas para saber si tu plataforma de gestión de exposiciones realmente cierra riesgos
- LiteSpeed Cache para WordPress corrige una filtración de datos sin autenticación: actualice a 7.9.2
Fuente: SecurityWeek
