De Britse en Amerikaanse AI-security startup Mindgard heeft 30 miljoen dollar opgehaald in een Series A. Daarmee komt het totaal dat het bedrijf heeft opgehaald dichtbij de 42 miljoen dollar. De investering is aangevoerd door Album VC en krijgt extra steun van Karma Ventures en eerdere investeerders, waaronder .406 Ventures, Atlantic Bridge, IQ Capital en Lakestar.
Mindgard richt zich op organisaties die AI-systemen inzetten en daar risico’s aan zien ontstaan. Volgens het bedrijf is het probleem niet alleen dat aanvallers nieuwe fouten misbruiken, maar dat er een nieuwe, andere aanvalsvlak-omgeving is ontstaan door AI-agents, modellen en AI-toepassingen. Om dat aan te pakken bouwde Mindgard een geautomatiseerd AI-beveiliging platform dat red-teaming en runtime bescherming combineert.
Wat Mindgard met het AI-beveiliging platform wil bereiken
Mindgard beschrijft zijn oplossing als een geautomatiseerde aanpak om AI-risico’s te identificeren en vervolgens aan te pakken. De kern is dat het platform niet alleen waarschuwt, maar ook actief test en de uitkomsten vertaalt naar bescherming tijdens gebruik.
Het bedrijf zegt dat het platform de psycho-technical attack surface kan vastleggen en benut binnen AI-omgevingen. Die aanvalsvlakken bevinden zich volgens Mindgard in de interactie tussen AI-agents, modellen en de applicaties eromheen.
Daarnaast stelt Mindgard dat de technologie werkt als een red-teamer: het platform kan exploits opsporen, het risico beoordelen en daarna verdediging inzetten tegen aanvallen op AI-systemen.
Continu in kaart brengen en runtime bescherming
Volgens de beschrijving van Mindgard pakt het platform het op twee momenten aan: mapping en runtime protection.
- Mapping van het volledige aanvalsvlak: het platform brengt het aanvalsvlak van AI-systemen in kaart.
- Doorlopende analyse: het blijft analyseren zodat veranderingen of nieuwe instelopties niet direct onopgemerkt blijven.
- Runtime bescherming: bij aanvallen moet bescherming ingrijpen en aanvallen blokkeren tijdens het echte gebruik.
Die combinatie is belangrijk voor organisaties die AI voortdurend aanpassen: promptwijzigingen, modelupdates en nieuwe integraties kunnen het risico veranderen. Met een aanpak die doorloopt tijdens runtime wil Mindgard voorkomen dat beveiliging achterloopt op de praktijk.
Meer dan 150 ontdekte kwetsbaarheden
Mindgard geeft aan dat het platform al meer dan 150 kwetsbaarheden heeft ontdekt in populaire AI-producten. Daarbij gaat het niet alleen om theoretische problemen, maar ook om bevindingen die volgens het bedrijf daadwerkelijk misbruikbaar waren.
Het bedrijf noemt als voorbeelden een zero-day code execution-kwetsbaarheid in Cursor IDE. Daarnaast noemt Mindgard security defects in Google Antigravity en ChatGPT.
Voor veel teams is dit relevant omdat AI-systemen vaak in productiewerkstromen zitten. Als kwetsbaarheden in tooling of platforms aanwezig zijn, kan dat impact hebben op zowel development- als operationele processen. Zie ook hoe organisaties softwareketens risico’s moeten benaderen in een bredere context, zoals in analyses rond supply chain aanvallen.
Waarom AI een nieuwe aanpak vraagt
Mindgard stelt dat AI zorgt voor een volledig nieuw aanvalsvlak. Volgens CEO James Brear hebben organisaties daarom een fundamenteel andere beveiligingsbenadering nodig.
Hij benadrukt dat Mindgard niet alleen probeert aanvallen te automatiseren, maar die kennis ook wil omzetten naar iets dat in de praktijk werkt. Met andere woorden: het platform moet expertise uit het veld operationaliseren zodat ondernemingen beveiliging voor AI beter kunnen organiseren.
Waar de financiering voor wordt ingezet
Met de nieuwe investering wil Mindgard zijn activiteiten opschalen. Het bedrijf geeft aan te gaan investeren in product, engineering, sales en marketing. Daarmee moeten deployments sneller en breder kunnen plaatsvinden.
Mindgard noemt daarnaast een reeks sectoren waar het wil uitrollen: financial services, digital services, gaming, healthcare, pharmaceuticals en semiconductor.
Die sectorkeuze is logisch als je bedenkt dat AI vaak wordt ingezet voor geautomatiseerde beslissingen, ondersteuning van medewerkers en interactie met klanten. In omgevingen waar data en workflows streng gereguleerd zijn, is het risico op incidenten extra groot.
Vergelijkbare ontwikkelingen in AI- en securitymodellen
De aankondiging van Mindgard past in een bredere trend: beveiligingspartijen ontwikkelen steeds vaker AI-gedreven methoden om aanvallen te vinden en systemen te beschermen. Op onze site behandelen we ook financieringsrondes en ontwikkelingen rondom defensieve AI.
Je kunt bijvoorbeeld lezen over een andere partij die investeert in een verdedigingsgerichte aanpak: defensieve cybersecurity AI-modellen en wat die betekenen. Dat artikel helpt je om de verschillen tussen aanval, detectie en verdediging beter te plaatsen.
Daarnaast is het relevant om te kijken naar hoe kwetsbaarheden in moderne API’s en integraties het risico voor AI-toepassingen kunnen vergroten. Als je dat perspectief wilt meenemen, kan dit artikel aansluiten: API-lek risico’s bij OpenAI, Anthropic en Google.
Wat dit betekent voor organisaties met AI in productie
Voor organisaties die AI inzetten, is de boodschap vooral praktisch: beveiliging gaat niet meer alleen over patchen of klassieke netwerkbescherming. AI-systemen veranderen in gedrag door prompts, context, tooling en integraties. Daardoor kunnen nieuwe paden ontstaan die aanvallers benutten.
Een AI-beveiliging platform dat aanvalsvlakken continu in kaart brengt en runtime bescherming levert, kan dan helpen om sneller te reageren op nieuwe risico’s. Niet omdat het alle problemen wegneemt, maar omdat het de beveiligingscyclus korter maakt: testen, beoordelen en vervolgens blokkeren tijdens gebruik.
Het blijft uiteraard noodzakelijk dat teams ook intern maatregelen nemen: toegangsbeheer, logging, het controleren van integraties en het beperken van privileges. Maar geautomatiseerde red-teaming en runtime defense geven organisaties een extra laag die past bij de dynamiek van AI.
Conclusie
Mindgard heeft met 30 miljoen dollar in een Series A extra middelen gekregen om zijn AI-beveiliging platform te schalen. Het bedrijf positioneert zijn technologie als een geautomatiseerde red-teaming en verdediging die het aanvalsvlak voor AI-agents, modellen en applicaties continu in kaart brengt en runtime bescherming biedt.
Met claims van meer dan 150 ontdekte kwetsbaarheden, waaronder een zero-day code execution in Cursor IDE, laat Mindgard zien dat het platform volgens eigen zeggen verder gaat dan alleen het signaleren van problemen. Voor organisaties die AI inzetten, kan zo’n aanpak helpen om het risico bij te houden terwijl AI-toepassingen blijven veranderen.
Bron: https://www.securityweek.com/mindgard-raises-30-million-to-protect-ai-systems/
