Osavul heeft 10 miljoen dollar opgehaald voor een AI-platform dat vijandige intent probeert te herkennen voordat aanvallen echt beginnen. Het bedrijf ziet een groeiende mix van cyberaanvallen, sabotage, spionage en informatie-manipulatie—en wil organisaties helpen om niet alleen techniek te bevechten, maar ook het doelwit en de intent achter die activiteiten in beeld te brengen.
Met de Series A ronde onder leiding van 33N Ventures, met extra deelname van Balnord, G+D Ventures en 42CAP, komt de totale financiering van Osavul uit op ongeveer 12 miljoen euro. De focus ligt nu op het versterken van de AI-mogelijkheden en het opschalen naar ondernemingen en aanbieders van kritieke infrastructuur.
Waarom “vijandige intent” belangrijker wordt
In veel beveiligingsprogramma’s draait het vooral om detectie: systemen signaleren verdachte activiteit zodra die zich laat zien in logs, verkeer of endpoints. Osavul positioneert zich anders. Het platform analyseert open en bevoorrechte data om te bepalen wie een klant aan het benaderen is en waarop die inzet zich richt.
Volgens Osavul is hybride activiteit van tegenstanders en hun proxies de afgelopen jaren intenser geworden. Het bedrijf stelt dat er sinds 2022 meer dan 150 incidenten met staatsbanden in Europa zijn waargenomen, waarbij meerdere dreigingsvormen door elkaar lopen.
Hoe Osavul intent vertaalt naar cyber én fysieke context
Het kernidee van Osavul is dat vijandige intent niet stopt bij digitale signalen. De AI beoordeelt intent en koppelt die aan de praktische realiteit van een organisatie: mensen, faciliteiten en toeleveringsketens.
Concreet beschrijft Osavul dat het platform de intent “mapt” op onderdelen van de klantorganisatie. Daarmee ontstaat volgens het bedrijf inzicht in het doelwit: niet alleen welke systemen mogelijk onder druk staan, maar ook welke onderdelen van de operatie relevant zijn voor de dreiging.
De analyse wordt uitgevoerd op basis van open en privileged data. Daardoor kan het platform een breder beeld vormen dan alleen wat binnen één netwerk zichtbaar is—al blijft de toepassing volgens Osavul evidence-traced en afgestemd op menselijke review.
Evidence-traced analyse en menselijke beoordeling
Een belangrijke bouwsteen in de aanpak is de manier waarop de uitkomsten tot stand komen. Osavul geeft aan dat de beoordelingen evidence-traced zijn en door analisten worden beoordeeld.
Dat betekent in de praktijk dat de interpretatie niet puur op een black-box voorspelling draait. In plaats daarvan krijgt de securityorganisatie aanknopingspunten om te begrijpen waarom het systeem tot een bepaalde inschatting komt, waarna analisten de signalen kunnen valideren en eventueel bijsturen.
Voor organisaties die werken met strikte governance en audit-eisen kan dit verschil maken: het is makkelijker om interne besluitvorming te onderbouwen en opvolging te organiseren.
On-premises: analyse zonder dat data het netwerk verlaat
Osavul benadrukt dat de AI kan draaien on-premises binnen “sovereign infrastructure”. Het doel is helder: gevoelige data hoeft dan niet buiten klantomgevingen verwerkt of geëxporteerd te worden.
Dat aspect sluit aan bij organisaties die wel willen profiteren van AI voor risicoinzicht, maar tegelijkertijd risico’s rond dataverplaatsing zo laag mogelijk willen houden. Vooral binnen overheid, defensie en beveiligingsinstanties is die randvoorwaarde vaak doorslaggevend.
Osavul stelt dat dit helpt om gevoelige informatie binnen de systemen van de klant te houden.
Van ontwikkeling in Oekraïne tot inzet binnen NATO-context
De oorsprong van Osavul ligt in een periode waarin de dreiging scherp voelbaar werd: het bedrijf werd aanvankelijk ontwikkeld tijdens de Russische invasie van Oekraïne. Dat is ook terug te zien in de manier waarop het platform hybride dreigingen benadert, in plaats van één-dimensionale cyberincidenten.
Intussen gebruikt Osavul instellingen in de overheid, defensie en security in meer dan tien landen. Het bedrijf noemt zichzelf bovendien een van de technologie-aanbieders die bijdragen aan NATO’s Information Environment Assessment Capability.
Voor veel organisaties is dat relevant, omdat het type uitdaging waar Osavul zich op richt—het herkennen van dreigingspatronen over meerdere domeinen—steeds meer terrein wint buiten klassieke defensieomgevingen.
Wat betekent dit voor ondernemingen en kritieke infrastructuur?
Osavul maakt een duidelijke claim: hybride aanvallen zijn niet langer “alleen een overheidsprobleem”. Bedrijven die energie, luchthavens, havens, transport en financiën runnen, krijgen volgens Osavul te maken met dezelfde tegenstanders, vaak zonder dat ze die dreiging vooraf kunnen zien aankomen.
Dat is precies waar Osavul de volgende fase wil benutten. Met het verse kapitaal wil het bedrijf uitbreiden naar enterprises en operators van kritieke infrastructuur, terwijl het intensiever inzet op zijn werk voor overheid en defensie.
De kern voor securityteams: als vijandige intent sneller herkenbaar is, kan men eerder maatregelen nemen—denk aan het aanscherpen van controles, het organiseren van incidentrespons-oefeningen en het beter prioriteren van risico’s in mensen, locaties en ketens.
Vergelijking met andere AI-securitybenaderingen
Binnen de securitywereld zien we vaker dat AI wordt ingezet om sneller en breder te analyseren. De kern blijft echter: wat is de input, wat is de uitkomst, en hoe maak je het controleerbaar?
Als je kijkt naar bredere discussies over securityfundamentals en hoe AI vooral versnelt op bestaande processen, sluit Osavul aan op dat idee. Een goed uitgangspunt is bijvoorbeeld Bron: https://www.securityweek.com/osavul-lands-10-million-to-spot-hostile-intent-across-cyber-physical-domains/
