Fleuret AIの資金調達、単発ペネトレーションテストに挑む欧州企業を後押し

Fleuret AIは、定期的なセキュリティ評価を、アプリケーションを継続的にテストするAIエージェントへ置き換えるため、400万ユーロを調達した。今回のFleuret AIの資金調達により、パリのスタートアップは、再現可能な攻撃成功の証拠、修復、再テストを軸とするプラットフォームを拡大するためのリソースを得た。

プレシードラウンドはRAISE Venturesが主導した。Auriga Cyber Ventures、Wind Capital、Better Angle、サイバーセキュリティ業界の経営者らも参加した。この発表により、XBOW、Horizon3.ai、Penteraといった潤沢な資金を持つ事業者がすでに集まる市場に、欧州企業が参入することになる。

重要な競争は、単にFleuret AIとこれらベンダーの対決ではない。多くの組織で依然としてペネトレーションテストを規定している年次の手動評価と、継続的なAIエージェント主導テストとの対決である。

Fleuretによれば、同社のエージェントは公開されたシステムをマッピングし、アプリケーションとAPIを調査し、確認済みの弱点を悪用し、修正を検証できる。この一連のプロセスは、脆弱性スキャン以上のものを約束する。同時に、自律システムに対して、承認済みの範囲内で攻撃者のように振る舞う権限も与える。

その権限が中心的な緊張関係を生む。有用なエージェントは脆弱性を立証できるほど積極的である必要がある一方、本番システムを損なわないほど予測可能でなければならない。資金調達は製品開発を加速できるが、その信頼性に関する問いを単独で解決することはできない。

Fleuret AIの資金調達、継続的テストをアプリケーション層へ近づける

このラウンドは、予定ベースで文書中心のサービスとして行われてきたペネトレーションテストに対する直接的な挑戦を支える。

Fleuretは2026年10月5日にプレシード資金調達を発表した。同社の資金調達発表によると、資金はAI、ソフトウェアエンジニアリング、攻撃的セキュリティの各分野における採用を支援する。

同社の従業員は約10人で、顧客としてBrevo、Stoïk、Yogoshaを挙げている。創業者のYanis GrigyとAugustin Ponsinは、学生時代にペネトレーションテスト事業を立ち上げた経歴を持つ。

この背景は重要だ。自動化されたペネトレーションテストは、スキャナーの速度だけでなく、それ以上のものを再現しなければならない。従来型のスキャナーは弱点と関連するパターンを特定する。一方、ペンテスターは、それらの弱点が重大な侵害につながるかどうかを立証しようとする。

Fleuretは、ÉmileとChampollionという2つのエージェントを使ってこの作業を分担する。エージェントは顧客環境をマッピングし、アプリケーションとAPIを探索し、承認された範囲内で発見した弱点の悪用を試みる。

その後、プラットフォームは報告された各検出結果に概念実証を付与する。概念実証とは、単にシグネチャに一致するだけでなく、弱点が悪用可能であることを示す再現可能な証拠である。

Fleuretは、検出結果を修復ワークフローにも接続するとしている。エンジニアリングチームは課題を割り当て、修正を適用し、同じ攻撃経路を再度テストするようプラットフォームに依頼できる。

これにより、発見、悪用、修復、検証という閉ループが生まれる。予定されたエンゲージメントの後にレポートを受け取る方式とは、実質的に異なる運用モデルだ。

製品は現在、Webアプリケーション、API、外部インフラを重視している。この範囲によりFleuretは、正式な評価の合間にデプロイによって攻撃対象領域が何度も変化し得るソフトウェアデリバリーに近い位置に置かれる。

リリース前に完了したテストでは、その後に導入されたコードや設定を評価できない。レポートは以前の評価の証拠としては有効だが、運用上の状況は直ちに古くなり始める。

Fleuret AIのペネトレーションテストは、この隔たりを縮めることを目指す。スタートアップは、次の年次エンゲージメントを待つのではなく、システムの変更時により深いテストを実行できるようにしたい考えだ。

今回の資金調達は、Fleuretがあらゆるアプリケーションや攻撃経路において専門家チームと同等の能力を持つことを証明するものではない。ただし、ペネトレーションテストを継続的なソフトウェアプロセスへ転換する試みに資金を提供するものではある。

この変化は、強力な競合他社も同様の主張をしているため重要だ。Fleuretは今後、欧州発でアプリケーション重視のプラットフォームが、より大規模な自律テストベンダーと並ぶ価値を持つ理由を示さなければならない。

欧州のセキュリティ規則、再現可能な証拠への圧力を高める

Fleuretは、欧州の組織がより広範なセキュリティ義務と、文書化された統制に対する強い要求に直面する中で登場している。

欧州連合のNIS2フレームワークは、18の重要セクターにわたってサイバーセキュリティのリスク管理および報告要件を適用する。対象には、エネルギー、医療、輸送、デジタルインフラ、製造、行政などが含まれる。

この規則は、対象となるすべての組織に自動ペネトレーションテスト製品の購入を指示するものではない。しかし、脆弱性、統制、インシデント、修復に関する再現可能な証拠の価値を高める。

欧州委員会のNIS2ガイダンスでは、脆弱性管理とサプライチェーンセキュリティがフレームワークの一部として説明されている。また、リスク管理の失敗に対する説明責任を、より上級の経営層に近づけている。

この環境は、時間の経過とともに証拠を保持するテストシステムに有利に働く。セキュリティチームは、何をテストしたか、どの弱点が悪用可能だったか、どのように対応したか、修復が機能したかを示す必要がある。

金融機関は、Digital Operational Resilience Act、すなわちDORAを通じて、さらに別の要件に直面する。この規制は、対象金融機関が使用する情報通信技術システムに対するテスト要件を定めている。

DORAはまた、選定された事業体向けに脅威主導型ペネトレーションテストを定義している。こうした演習では、実際の脅威アクターを模倣し、管理された条件下で重要な本番システムをテストする。

DORAのテスト規則は、通常の自動スキャンだけでは満たせない要件を課している。スコープの検証、テスターの適格性、リスク管理、本番環境の保護策は依然として重要だ。

したがってFleuretには機会があるが、規制上の近道があるわけではない。同社のプラットフォームは、規制対象の評価をすべて自動的に置き換えることなく、頻繁なテストと証拠収集を支援できる。

同社は、欧州のインフラとデータ所在地も差別化要因として強調している。検出結果は、欧州のクラウドプロバイダーScalewayを通じてパリでホストされるとしている。

この位置付けは、機密性の高いセキュリティ証拠がどこに保存されるかを懸念する買い手に対応するものだ。ペネトレーションテストのワークスペースには、アーキテクチャの詳細、悪用可能な経路、認証情報、侵害されたアクセスの証拠が含まれる可能性がある。

こうした情報を望ましい法域内に保持することで、一部の調達に関する協議を簡素化できる。ただし、サブプロセッサー、保持ポリシー、アクセス制御、暗号化、インシデント対応手順を精査する必要はなくならない。

同じ慎重さは、デジタル主権に関する主張にも当てはまる。欧州でのホスティングは有用な設計上の選択だが、買い手は単一のデータセンター所在地ではなく、サービスチェーン全体を検証しなければならない。

それでも、規制上の圧力はFleuretの基本的な主張を強めている。すでに変化したシステムを記録したセキュリティ証拠は、有用性が低下する。

継続的テストは、より新しい記録を作成する方法を提供する。また、特定のデプロイメントを新たな検出結果に結び付けたり、パッチが意図した経路を閉じたことを検証したりするのにも役立つ。

この点で、Fleuret AIのペネトレーションテストは欧州のソフトウェア企業の間で支持を得る可能性がある。このサービスは、定期的な専門家によるエンゲージメントと日常的な脆弱性スキャナーの間に位置付けられる。

ただし、コンプライアンスチームは、署名付きレポートと再現可能な証拠が監査人の期待を満たすかを問うだろう。セキュリティリーダーは、エージェントが承認された境界内にとどまるかを問うだろう。

こうした問いは、従来型コンサルティング企業と自動テストのスタートアップの双方に圧力をかける。コンサルティング企業は長い評価間隔を正当化する必要があり、プラットフォームは深度、制御、信頼できる証拠を実証しなければならない。

Fleuret AIの資金調達は、単なる脆弱性スキャナーではなく2つのエージェントを後押しする

Fleuretの中核的な技術的賭けは、連携するエージェントが、通常のスキャナーではフラグ付けするだけの攻撃経路を調査し立証できるというものだ。

AIエージェントは、言語モデルとツール、メモリ、意思決定ロジックを組み合わせる。定義された目標を追求しながら、行動を選択し、結果を解釈し、計画を調整できる。

攻撃的セキュリティでは、その目標にはエンドポイントのマッピング、認証境界のテスト、複数の弱点の連鎖などが含まれ得る。各行動は、顧客による明示的な許可の範囲内にとどまらなければならない。

Fleuretによると、Émileは攻撃者のようにアプリケーションとAPIをマッピングする。Champollionは検出結果を証拠と修復ワークフローに変換する作業を支援するが、公開発表ではアーキテクチャの詳細は限られている。

重要な違いは挙動にある。スキャナーは通常、事前定義されたチェックに従い、一致結果を報告する。エージェントは予期しない応答を解釈し、別の経路を選び、複数ステップの攻撃経路を構築できる。

たとえば、オブジェクト認可が弱いアプリケーションを考えてみる。テスターが識別子を変更し、アプリケーションのアカウント構造を理解した後にのみ、あるエンドポイントへのアクセスによって別の顧客の記録が公開される可能性がある。

シグネチャでは、そのビジネス上の関係を見落とす場合がある。十分なコンテキストを持つエージェントなら、アプリケーションが所有権を正しく強制しているかを調査できる。

Fleuretは、再現可能な悪用の証拠がない検出結果は報告しないとしている。この方針は、自動セキュリティテストにおける最も古い問題の一つ、すなわちエンジニアが手動で検証しなければならない疑わしい弱点の大量のキューに対応するものだ。

証拠は優先順位を変えるため価値がある。理論上の弱点は、多くの他のアラートと競合する。再現可能な侵害は、どの経路が機能したか、何に注意を向けるべきかをチームに正確に伝える。

再テストによってワークフローは完成する。エンジニアが修正をデプロイした後、プラットフォームは先の行動を繰り返し、脆弱な挙動が残っているかを記録できる。

この仕組みは、自動ペネトレーションテストが資金を集めている理由を説明する。その価値は従来のテストをより速く実行することだけではない。組織が重要な変更のたびに再利用できるよう、攻撃ロジックを保持することにある。

このアプローチは学習機会も生む。反復テストにより、同じ種類の脆弱性がサービス、チーム、リリースをまたいで再発するかどうかが明らかになる。

組織はこの証拠を開発プロセスと結び付けられる。繰り返される認可の欠陥は、共有ミドルウェア、コードレビュー、アーキテクチャ標準の弱点を浮き彫りにする可能性がある。

ただし、Fleuretは広範なカバレッジを立証するのに十分な独立評価データを公表していない。発表では顧客名とワークフローを説明しているが、比較可能な検出結果は公開していない。

また、エージェントの意思決定を人間がどの程度の頻度でレビューするかも明記していない。自律性には、ガイド付き自動化から大部分が独立した実行まで連続的な段階があるため、これは重要だ。

同社の公開資料は、証拠、欧州でのホスティング、継続的な再テストを重視している。これらは妥当な製品上の優先事項だが、買い手は評価時に技術的な回答をなお必要とする。

買い手は、システムが認証、レート制限、破壊的な操作、予期しないデータ、変化するアプリケーション状態をどのように扱うかを問うべきだ。また、認可制御とテストログも確認すべきである。

最も説得力のある実証は、本番環境に似た顧客管理下のステージング環境を使うものだろう。チームは最近の人間主導の評価と結果を比較し、すべての行動をレビューできる。

そのテストは、ベンチマークのスコア以上のことを明らかにする。エージェントが組織のアプリケーションを理解し、スコープ内にとどまり、開発者が活用できる証拠を生成できるかを示すものだ。

最大の競合は年次セキュリティ診断

Fleuretの商業的な主張が成立するのは、継続的なエージェントが人間のペンテスターによる判断を捨てることなく、カバレッジを拡大できる場合に限られる。

従来のペネトレーションテストでは、定義された期間のプロジェクトに専門家の注意を集中させる。熟練したテスターはビジネスロジックを探索し、前提に疑問を投げかけ、異常な応答が運用上の意味を持つ場面を見極める。

このモデルは深い発見を生み出し得る。一方で、大半の組織はデプロイのたびに完全な手作業の評価を依頼できないため、避けられない時間的な課題も抱える。

継続型プラットフォームは、この間隔を埋めようとしている。既知のチェックを繰り返し、変更された領域を探索し、毎回プロジェクト全体を一から組み立て直すことなく修正を検証できる。

Horizon3.aiは、エンタープライズインフラ全体でこのモデルを追求してきた。同社のNodeZero製品は、自律的な攻撃パスを通じてネットワーク、クラウド環境、その他のシステムをテストする。

2026年8月、Horizon3.aiは大規模な資金調達ラウンドを発表し、数十万件の本番テストを実施したと述べた。同社が示す規模は、自律テストにおける成熟した参照点をエンタープライズの買い手に提供している。

市場拡大に関するレポートでも、Horizon3.aiの国際的な成長と、予測可能な本番テストへの注力が説明されている。こうした能力は、Fleuretが満たすべき基準を引き上げる。

XBOWも、特にアプリケーションに焦点を当てた攻撃的セキュリティにおいて近い比較対象だ。同社は、ソフトウェアの脆弱性を特定・検証する自律型ハッカーを提供している。

同社は2026年3月に大規模なSeries C資金調達を発表した。その自律テストの拡大は、資本と経験豊富なセキュリティ人材がこのカテゴリーにいかに速く流入しているかを示している。

Penteraは、自動化されたセキュリティ検証を通じてこの課題に取り組む。同社の対象範囲は内部・外部の攻撃対象領域にまたがり、幅広い統制テストを求める組織にとって関連性がある。

Fleuretの機会はより具体的だ。アプリケーション、API、監査証跡、修正ループに特化した欧州の選択肢になれる可能性がある。

小規模な企業は、初期顧客と密接に連携して動くこともできる。そのことは、欧州の調達慣行、データレジデンシー、業界固有のコンプライアンス要件にワークフローを適応させる助けになる。

ただし、Fleuretは地理的な条件だけで競争しているわけではない。欧州の顧客はすでに、確立された国際ベンダーの製品を購入できる。

このスタートアップは、顧客のアプリケーションや運用上の制約により適合していることを示さなければならない。また、セキュリティ上の発見を文脈を失わずにエンジニアリング作業へ移せる統合も必要だ。

このワークフローの側面は重要である。証拠がチケット、コード変更、再テスト結果から切り離されると、レポートの有用性は低下する。

効果的なプラットフォームは、完全な連鎖を保持すべきだ。チームには、元のリクエスト、観測された挙動、エクスプロイトの証拠、影響を受けたサービス、担当者、修正内容、検証記録が必要となる。

これは、技術的な証拠から検索可能なナレッジベースを構築するという、より広範な課題に似ている。情報はつながりを保ち、最新で、適切な人がアクセスできる状態でなければならない。

継続的テストは、コンサルティング企業の役割も変える。必ずしもプロセスから排除するわけではない。

人間の専門家は、複雑なビジネスロジック、特殊な脅威モデル、ソーシャルエンジニアリング、物理的統制、創造的な攻撃チェーンに注力できる。エージェントは、そうしたプロジェクトの合間に反復可能なテストを担える。

このハイブリッドモデルは、完全な置き換えよりも短期的には信頼性の高い結果だ。また、コンサルティング企業には、各レポートを最終成果物として扱うのではなく、継続的な検証を提供する圧力もかかる。

したがって、勝つ製品は反復作業を減らしつつ、専門家の仕事を補完するものかもしれない。Fleuretの課題は、そのエージェントがこの有用な中間領域を担えることを証明することにある。

侵害の証明があっても自律性のリスクはなくならない

再現可能な証拠は誤検知を減らせるが、完全なカバレッジ、安全な実行、適切なビジネス判断を保証するものではない。

自律型ペネトレーションテストは、非常に慎重な扱いを要する環境で動作する。エージェントには、弱点を発見し、実際のシステムに対してそれを試すために設計されたツールが与えられる。

誤検知はエンジニアリングの時間を無駄にする。見逃しは誤った安心感を生む。安全でない操作は、サービスの中断、データの破損、あるいは許可されたスコープ外のシステムへの到達につながり得る。

Fleuretの概念実証要件は、最初の問題に対処するものだ。報告されるすべての脆弱性に再現可能なエクスプロイトが含まれていれば、開発者は正確な挙動を確認できる。

この方針だけでは、見逃しの問題を完全には解決できない。エージェントは、発見した欠陥について正確な証拠を生成できる一方で、より深い認可の不備や未知の攻撃チェーンを見逃す可能性がある。

また、テストが予期せぬ本番環境の条件に遭遇した際に、システムがどのように振る舞うかという問いにも答えていない。安全な運用は、スコープの強制、操作の制御、認証情報、レート制限、監視、緊急停止に依存する。

学術研究もこの慎重さを支持している。自律型エンタープライズネットワークテストに関する最近の研究では、エージェントが無関係な経路を追跡し、計画と実行の間で情報を失う可能性があることが示された。

この研究は、人間の監督を必要とする安全上の懸念も特定した。こうした結果は、Association for Computing Machineryが公表したエンタープライズテスト研究に記載されている。

ほかの評価では、グラフィカルインターフェース、複雑なビジネスロジック、より高い誤検知率に関する困難が報告されている。性能はモデル、プロンプト、ツール設定、対象環境によっても変化し得る。

ベンチマークには別の不確実性もある。学習環境には、既知の脆弱性、明確な目標、あるいはモデルの学習データに表現されたアプリケーションパターンが含まれていることが多い。

本番システムはより複雑だ。独自のワークフロー、一貫性のないドキュメント、限定的な権限、サードパーティーサービス、組織固有のビジネスルールを含んでいる。

そのため、ベンチマークの成功が示すのは定義された条件下での能力である。すべての稼働中アプリケーションで、エージェントが専門家の評価を再現することを立証するものではない。

ガバナンス上の課題もある。組織は、自律システムに実行を許可する操作と、人間の承認を求める操作を決めなければならない。

エンドポイントを読むことと、データベースレコードを変更することは異なる。アクセス制御をテストすることと、永続的なアクセスを作成することも異なる。弱点を証明することと、その影響を最大化することも別の行為だ。

信頼できるプラットフォームは、こうした境界を明示し、技術的に強制すべきである。契約文言だけでは、エージェントによる安全でない操作を防げない。

顧客は、システムが何を試みたか、各ステップをどのツールが実行したか、どの証拠が結果を裏付けたかを示す詳細なログを期待すべきだ。ログには、ブロックされた操作も記録されるべきである。

Fleuretが証明と再テストを重視する点は、観測可能な挙動を中心に据えているため有望だ。しかし同社は、独立した安全性評価や広範な比較ベンチマークを公開していない。

若いスタートアップとしては理解できる不在ではあるが、依然として重要である。投資家の信頼や実名の顧客は有用なシグナルであって、技術的な検証の代替にはならない。

セキュリティチームは、初期導入を管理された評価として扱うべきだ。ステージングシステム、狭いスコープ、監視対象の認証情報、明確に定義された停止条件から始められる。

特に認可とビジネスロジックについては、エージェントの発見を人間のレビューと比較すべきだ。また、発見件数だけでなく、結果の検証に費やす時間も測定すべきである。

最も有用な指標は、エージェントが何件の脆弱性を報告したかではない。許容できない運用リスクを加えることなく、検証済みで重大な問題をどれだけ修正へ到達させられるかである。

Fleuretは、多様な顧客環境でこの方程式を証明しなければならない。それまでは、深い手作業テストを置き換えるという主張には慎重な限定を加えるべきだ。

Fleuret AIの資金調達ラウンド後に注目すべき点

次に必要な証拠は、次の資金調達発表ではなく、導入実績、安全制御、再現可能な成果から得られるべきだ。

最初のシグナルは、独立した技術検証である。Fleuretには、現実的なアプリケーションを対象に、同社のエージェントを経験豊富なペンテスターと比較する評価が必要だ。

有用な結果は、発見、エクスプロイト検証、ビジネスロジックのカバレッジ、誤検知、見逃しを分けて示すだろう。また、対象の複雑さと人間による支援の水準も説明されるべきだ。

強い結果は、同社のシステムが高速スキャン以上の価値を持つというFleuretの主張を支える。弱い、または限定的に定義された結果であれば、定期的な人間主導のプロジェクトの間を補うハイブリッドな役割を支持することになる。

2つ目のシグナルは、規制の厳しい欧州業界における顧客拡大である。Fleuretはすでにデジタル企業の顧客を挙げているが、金融サービス、医療、重要インフラには、より厳格な調達・運用要件がある。

これらの市場での導入は、データレジデンシー、監査証跡、アイデンティティ制御、本番環境の安全性を試すことになる。また、既存の保証プログラム内で買い手がエージェント生成レポートを受け入れるかも明らかになる。

顧客リストが増えるだけでは、この問いに答えは出ない。ケーススタディでは、テストのスコープ、修正の成果、自動評価と人間による評価の関係を説明すべきである。

3つ目のシグナルは、競合他社の反応だ。XBOW、Horizon3.ai、Pentera、コンサルティング企業、セキュリティテストプラットフォームはいずれも、継続的検証へ参入する道筋を持っている。

これらの企業は、欧州でのホスティング、アプリケーションカバレッジ、エージェントワークフロー、より深い修正統合を追加できる。Fleuretは、こうした能力が収束する前に防御可能な優位性を確立しなければならない。

同社にとって最も明確な機会は、アプリケーションとAPIのために緊密に統合された欧州プラットフォームである。顧客がすべてのエクスプロイトを修正と検証済み再テストに結び付けられるなら、この位置づけは強くなる。

ユーザーが意味のあるカバレッジのために大規模な手作業検証や別ツールをなお必要とするなら、その位置づけは弱まる。自律実行によって調達の遅延が生じ、約束されたスピードが失われる場合も同様だ。

したがって、Fleuret AIの資金調達ラウンドは重要ではあるものの、決定的ではない。これは、継続的な攻撃的セキュリティが通常のエンジニアリングインフラになり得るかを試すための資源を、若い企業に与えるものだ。

開発者にとっての当面の関連性は、コード変更からエクスプロイト可能性の証拠までのフィードバックが短縮されることにある。セキュリティリーダーにとっては、専門家主導のプロジェクトの間により多くのシステムをテストできる可能性だ。

エンタープライズの買い手は今、独自のアプリケーションパターンを使った監視付きトライアルを求めるべきだ。エージェントの証拠を人間の発見と比較し、すべての操作を精査し、修正時間を測定する。

この評価によって、自動化されたペネトレーションテストがセキュリティバックログを減らすのか、それとも単にその形式を変えるだけなのかが明らかになる。その答えが、Fleuretが欧州のカテゴリーリーダーになるのか、混み合ったスタックにおけるもう一つの有望なレイヤーにとどまるのかを決める。