Vilka är de viktigaste aktörerna inom AI-ekosystemet när det gäller cybersäkerhet?

Utvecklingen av ett AI-ekosystem inom cybersäkerhet: en växande familj

Cybersäkerhetsekosystemet genomgår en omfattande förändring i takt med att nya AI-modeller växer fram. Antalet centrala aktörsgrupper har ökat från tre till fem, vilket gör det allt mer komplext att bedöma och hantera risker. Denna utveckling, som drivs av framväxten av stora språkmodeller (LLM), förändrar i grunden strategierna för cyberförsvar och samordning av säkerhetslösningar. Att förstå utvecklingen är avgörande för att kunna förutse framtida utmaningar och stärka organisationers säkerhet.

Följ med när Gwenwal Riou, Global Director of Strategy and Alliances på Orange Cyberdefense, djupdyker i denna nya AI-värld!

Från tre till fem, ett allt mer komplext AI-landskap

Tre aktörsgrupper, tre olika värdeerbjudanden, ett ekosystem som fortfarande gick att överblicka.

Framväxten av stora språkmodeller (LLM) innebar dock inte bara att nya aktörer tillkom. Två nya grupper tog plats i ekosystemet: leverantörer av avancerade AI-modeller (Frontier AI Model Providers) och aktörer inom AI-säkerhet (AISec). Samtidigt förändrades de tre ursprungliga grupperna inifrån.

• Hyperscalers började integrera stora språkmodeller i sina erbjudanden, där fokus tidigare främst låg på beräkningskapacitet och lagring.

• Etablerade cybersäkerhetsaktörer började integrera generativa AI-assistenter i sina regelbaserade säkerhetsplattformar.

• Analytiskt inriktade utmanare kompletterade sina beteendebaserade lösningar med ett generativt AI-lager.

Ekosystemet gick därmed från tre till fem aktörsgrupper. Det är framför allt omfördelningen av roller och förändringen av de befintliga aktörernas erbjudanden, snarare än enbart det ökade antalet aktörer, som gör dagens cybersäkerhetslandskap allt svårare att överblicka.

Hyperscalers

Hyperscalers tillhandahåller beräkningskapacitet och lagring, men integrerar numera även stora språkmodeller (LLM) direkt i arbetsverktyg och molnbaserade lösningar för att stödja och öka användarnas produktivitet.

Till denna kategori hör stora teknikföretag som Microsoft, Google Cloud och AWS (Amazon Web Services). Genom digitala assistenter, exempelvis Microsoft Copilot, kan användare omvandla instruktioner på vanligt språk till en serie automatiserade åtgärder. Vissa hyperscalers erbjuder även bibliotek med AI-modeller som kan integreras direkt i applikationer som körs på deras infrastruktur.

Deras främsta styrkor är de enorma datamängder de hanterar, deras finansiella resurser och deras redan etablerade närvaro i de flesta IT-miljöer. Det gör det enkelt för organisationer att börja använda deras AI-lösningar.

Det finns dock två viktiga aspekter att beakta: beroendet av en enskild leverantör och kostnader som snabbt kan öka i takt med användningen och antalet AI-förfrågningar.

Leverantörer av avancerade AI-modeller (Frontier AI Model Providers)

En separat aktörsgrupp utgörs av de företag som utvecklar och tränar själva AI-modellerna, exempelvis Anthropic och OpenAI. De skiljer sig från hyperscalers, även om de ibland är beroende av dessa för sin infrastruktur.

Deras affärsmodell bygger inte på att sälja beräkningskapacitet eller lagring, utan på att erbjuda tillgång till AI-modeller, vanligtvis via API:er. Det gör dem relativt oberoende av den underliggande infrastrukturen. Anthropic använder bland annat AWS och Google Cloud, medan OpenAI använder Azure. Detta skapar beroenden i flera led, vilket kan innebära ytterligare risker för kunder som förlitar sig på båda typerna av leverantörer.

Deras betydelse för cybersäkerheten bygger framför allt på två faktorer:

- De tillhandahåller den generativa AI-grunden. Andra aktörer bygger vidare på deras modeller för att utveckla egna säkerhetslösningar, från SentinelOnes Purple AI till AI-assistenter som integreras i etablerade cybersäkerhetsplattformar.

- De bidrar själva med hotunderrättelser. Både Anthropic och OpenAI publicerar analyser av cyberattacker som genomförts med hjälp av eller orkestrerats genom deras modeller. Därmed blir de en del av själva hotlandskapet, samtidigt som deras teknik används för att stärka cyberförsvaret.

Cyber pillars

Etablerade aktörer inom cybersäkerhetsbranschen, såsom Cisco (genom Splunk) och Palo Alto Networks, utgör en tredje huvudgrupp. Dessa aktörer vidareutvecklar sina plattformar för detektion och incidenthantering (XDR och SIEM) genom att integrera AI- och maskininlärningsmoduler. Deras främsta styrka ligger i den stora mängd egen data som de redan har samlat in. Genom att kombinera telemetridata från nätverk och endpoint kan de förbättra korrelationen mellan säkerhetslarm och identifiera hot mer effektivt. Med ett plattformsbaserat arbetssätt utvidgar de nu denna förmåga till allt fler datakällor.

Utvecklingen har till stor del drivits av förvärv av teknik från tredjepartsleverantörer. Dessa lösningar integreras ofta ovanpå äldre, proprietära system, vilket skapar en komplex teknisk miljö som leverantörerna kontinuerligt måste hantera och vidareutveckla.

AI native players

Vissa aktörer i ekosystemet är inte traditionella cybersäkerhetsleverantörer som har lagt till AI i efterhand. De är i stället AI-pionjärer som tidigt, eller redan från början, har fokuserat på cybersäkerhet som sitt huvudsakliga användningsområde. SentinelOne, Darktrace, Vectra AI och Abnormal Security har en gemensam nämnare: deras arkitektur bygger på AI från grunden, snarare än på teknik som kompletterats med AI i efterhand.

SentinelOne är ett tydligt exempel. Företaget utgår från att reaktionstiden vid en ransomwareattack måste mätas i millisekunder. En arkitektur som är beroende av att data skickas fram och tillbaka till molnet kan därför vara otillräcklig. Därför körs företagets beteendebaserade modeller direkt på den lokala agenten. De kan koppla samman processer på en och samma enhet – en princip som ligger till grund för tekniken Storyline – för att återskapa händelseförloppet vid en incident. Därefter kan hotet neutraliseras och systemet återställas utan att invänta ett centralt beslut. Senare har generativ AI integrerats genom Purple AI, men på en annan nivå. Den analyserar och resonerar kring de data som det beteendebaserade lagret producerar. Den ersätter däremot inte det lokala beslutet att blockera ett hot, som måste fattas inom loppet av millisekunder.

AISec

Den sista aktörsgruppen består av företag som verkar inom det snabbt växande området AI-säkerhet (AISec), även kallat Security for AI. De fokuserar på att skydda AI-modellernas hela leveranskedja mot hot som promptinjektioner, datamanipulering (data poisoning) och modellstöld. Deras lösningar utgår ofta direkt från de tio riskområden som identifieras i OWASP:s (Open Worldwide Application Security Project) topp 10-lista över säkerhetsrisker för stora språkmodeller (LLM). Detta är en relativt ung marknad, men konsolideringen har redan börjat. Av de fyra mest omtalade aktörerna inom området är HiddenLayer och Lakera fortfarande fristående, medan Robust Intelligence förvärvades av Cisco i oktober 2024 och Protect AI av Palo Alto Networks i april 2025. Dessa två förvärv stärker etablerade leverantörer som redan verkar inom andra delar av AI- och cybersäkerhetsekosystemet och visar hur gränserna mellan de olika aktörsgrupperna blir allt mindre tydliga.

Viktiga insikter om det föränderliga AI-landskapet inom cybersäkerhet – hur bör er roadmap se ut?

Etablerade aktörer inom cybersäkerhetsbranschen, såsom Cisco (genom Splunk) och Palo Alto Networks, utgör en tredje huvudgrupp. Dessa aktörer vidareutvecklar sina plattformar för detektion och incidenthantering (XDR och SIEM) genom att integrera AI- och maskininlärningsmoduler.

Deras främsta styrka ligger i den egenutvecklade data de redan har samlat in. Genom att kombinera telemetridata från nätverk och slutpunkter kan de förbättra korrelationen mellan säkerhetslarm. Med ett plattformsbaserat arbetssätt utvidgar de nu denna förmåga till allt fler datakällor.

Utvecklingen har till stor del drivits av förvärv av tredjepartsteknik som integreras med äldre, proprietära system. Det skapar en teknisk komplexitet som leverantörerna kontinuerligt behöver hantera.

Vill du förstå skillnaderna mellan de olika AI-modellerna? Ta en titt på vår infografik nedan!