הסטארטאפ Lynx AI יוצא לאור עם שותפות אסטרטגית עם Peax

[בתמונה: מייסדי Lynx AI עדן ימיני ודורון קדם גולדמן, עם יעל רובינשטיין, מנכ"לית Peax Data. צילום: Peax]

סטארטאפ ה-AI הישראלי Lynx AI נחשף לראשונה עם הכרזה על שיתוף פעולה אסטרטגי עם חטיבת Peax Data. במסגרת המהלך ישולב הפתרון של החברה בפעילות הלקוחות של Peax בתחום הדאטה וה-Observability, בדגש על סביבת Splunk – אחת מפלטפורמות ניתוח הנתונים והסייבר הנפוצות בעולם. עבור Lynx AI, מדובר בהזדמנות לחדור לשוק הארגוני באמצעות בסיס הלקוחות של Peax Data, הכולל למעלה מ-200 ארגוני אנטרפרייז בישראל, בעיקר במגזרי הביטחון, הפיננסים והטכנולוגיה.

למרות הפריחה בתחום הבינה המלאכותית הארגונית, ארגונים רבים עדיין מתקשים להפיק ערך מהמידע המצטבר במערכותיהם. פלטפורמות כדוגמת Splunk מסוגלות לאסוף, לנתח ולחקור כמויות עצומות של נתונים, לוגים ואירועי סייבר, אך השימוש בהן דורש לרוב מומחיות טכנית גבוהה והיכרות עם שפות שאילתות ייעודיות.

Lynx AI מבקשת לגשר על הפער הזה באמצעות סוכני AI אוטונומיים המאפשרים לתחקר מידע ארגוני בשפה טבעית. המערכת מסוגלת להמיר בקשות טקסטואליות לשאילתות מורכבות, לבנות דשבורדים, להפיק ויזואליזציות ולסייע בחקירת אירועי סייבר או תקלות תפעוליות. בחברה מתארים את החוויה כמעין "Vibe Coding" לעולמות האנליטיקה וה-Observability, שבה המשתמש מנהל שיחה ישירה עם הדאטה הארגוני.

אחד המאפיינים המרכזיים של הפתרון הוא התאמתו לסביבות מאובטחות ומבודדות (Air-Gapped), שבהן אין אפשרות להעביר מידע לענן ציבורי או לשירותי AI חיצוניים. מדובר בדרישה נפוצה בקרב גופים ביטחוניים, פיננסיים וארגוני תשתיות קריטיות, הנחשבים לקהל יעד מרכזי עבור החברה.

את Lynx AI הקימו דורון קדם גולדמן, המשמש כמנכ"ל, ועדן ימיני, סמנכ"ל הטכנולוגיות. השניים מגיעים מעולמות ה-Observability, הדאטה והסייבר, ולדברי החברה הובילו בעבר פרויקטי Splunk בסביבות מאובטחות עבור ארגונים גדולים. הם אף הציגו פיתוחים בתחום בכנס העולמי Splunk .conf.

עבור Lynx AI, שיתוף הפעולה עם Peax עשוי להיות משמעותי במיוחד. Peax, לשעבר קבוצת EMET, משרתת אלפי לקוחות ומובילה פרויקטים בתחומי הדאטה, הסייבר והתשתיות בקרב ארגונים גדולים בישראל. עבור סטארטאפ צעיר היוצא כעת מתקופת Stealth, החיבור לאחד השחקנים המרכזיים בתחום עשוי להוות ערוץ חדירה מהיר לארגוני אנטרפרייז ולספק הזדמנות להטמעת הטכנולוגיה בקרב לקוחות מהגדולים והרגישים במשק.

מפרטיות להגנה רשתית: התשובה הכלכלית ל-Agentic AI

מאת רן בן־דוד, מנכ"ל חברת Unibeam

במשך שנים התקבעה במערכות דיגיטליות משוואה בעייתית: ככל שהפרטיות מתחזקת, יכולת הזיהוי נחלשת. הרגולציה, בצדק, הגבילה שימוש במזהים קבועים כדי למנוע מעקב ומסחור של משתמשים. אך תוצאה לא מכוונת הייתה פגיעה עמוקה ביכולת לבצע אימות אמין. מערכות אבטחה עברו מזיהוי דטרמיניסטי להסקה סטטיסטית, זיהוי התנהגותי, הסתברותי, כזה שמנסה “לנחש” מי עומד בצד השני. ברגע שהאימות הפך לניחוש, היתרון עבר לתוקף.

Agentic AI משנה את כללי המשחק- האיום הנוכחי אינו עוד גל של מתקפות אוטומטיות.Agentic AI מאפשר הפעלה של סוכנים אוטונומיים: מערכות שמייצרות וריאציות, לומדות בזמן אמת, ומבצעות תקיפות מתמשכות בקנה מידה בלתי מוגבל. 

המשמעות הכלכלית ברורה: כאשר ניתן לזייף התנהגות אנושית בצורה משכנעת, עלות התקיפה השולית מתקרבת לאפס. מול מציאות כזו, מערכות המבוססות על ניתוח הסתברותי של דפוסי שימוש אינן יכולות להחזיק לאורך זמן.

גם ביומטריה היא עדיין קוד

בהקשר הזה, חשוב לדייק גם לגבי פתרונות שנתפסים כ“חזקים” יותר, כמו זיהוי פנים או ביומטריה.

למרות החיבור לגוף האנושי, ביומטריה היא בסופו של דבר קוד: ייצוג מתמטי של תמונה, קול או תבנית  קוד שניתן להעתקה, לסימולציה ולמניפולציה. ביומטריה מאמתת אדם, אך אינה מאמתת מכשיר.

היא אינה מספקת עוגן פיזי לקצה שמבצע את הפעולה, ולכן אינה פותרת את בעיית הסקייל: אותו ייצוג ביומטרי יכול להיות מופעל, מועתק או מותקף דרך תוכנה, במיוחד בעידן של AI גנרטיבי. לכן, גם כאן מדובר בהמשך אותה פרדיגמה: ניסיון לשפר ניחוש – לא להחליף אותו בוודאות.

חזרה לוודאות: תפקיד החומרה

אם תוכנה ניתנת לשכפול, סימולציה והפעלה מקבילית, חומרה אינה כזו. רכיבים פיזיים, כגון SIM או התקן קצה, מספקים עוגן שלא ניתן לשכפל באמצעות קוד בלבד. אין כאן חזרה לאיסוף מזהים גולמיים, אלא שינוי עמוק יותר: שימוש בעוגן פיזי כבסיס לוודאות, מבלי להפוך אותו למזהה גלובלי או סחיר.

פרטיות באמצעות הפרדת זהויות

העיקרון המכריע הוא הפרדת המזהה מהשימוש בו.אותו עוגן חומרתי יכול לשמש ליצירת מזהים שונים, בלתי תלויים, עבור כל ארגון בנפרד.כך, הזהות הדיגיטלית של משתמש בהקשר אחד שונה מתמטית לחלוטין מהזהות שלו בהקשר אחר. גם במקרה של פריצה, המידע שנגנב חסר ערך מחוץ להקשר שבו נוצר.

גישה זו אינה מתפשרת בין פרטיות לאבטחה, אלא מגדירה מחדש את היחסים ביניהן.

מהרשאה מקומית לאימות רשתית

ככל שיותר גופים משתמשים בעקרונות דומים, נוצרת אפשרות חדשה: אימות שאינו מתבצע בנקודה אחת בלבד, אלא על פני רשת.במקום שכל מערכת תנסה לבדה להבחין בין משתמש לגיטימי לתוקף, הרשת כולה הופכת לשכבת הקשר, שבה נבחנת עקביות ולא רק הופעה רגעית.

האנלוגיה הפשוטה: משימה בלתי אפשרית

גם בעולם הקולנוע, גיבור מיומן ככל שיהיה אינו יכול להיות בו־זמנית במספר מקומות, לפעול בעקביות מלאה, ולהותיר היסטוריה אמינה בכל אחד מהם. אותו עיקרון חל גם כאן. מערכת אוטונומית יכולה אולי להונות נקודה בודדת, אך מתקשה לזייף קיום מתמשך, עקבי ומתואם על פני רשת מבוזרת של גופים עצמאיים.

וזו נקודת המפנה הכלכלית: כאשר ההונאה דורשת התמדה רשתית ולא רק הצלחה מקומית, עלותה חוזרת לעלות מעבר לתועלת. לסיכום,האתגר שמציב Agentic AI אינו נפתר על ידי אלגוריתם מדויק יותר, אלא על ידי ארכיטקטורה שונה. ודאות מבוססת חומרה,הפרדת זהויות לצורך פרטיות, ואימות רשתית כחלופה לנקודת כשל אחת כל אלו יחד מציעים דרך להתמודד לא רק עם טכנולוגיית התקיפה, אלא עם הכלכלה שמאחוריה. זה אינו שדרוג של מנגנון קיים. זו הצעה לשינוי פרדיגמה.

הכותב ישתתף בפאנל Agentic AI בכנס סייברטק גלובל 2026