Microsoft führt das unter dem Codenamen MDASH bekannte agentische KI‑Scanning in Azure Government ein

Das multi‑modale, agentische Scan‑System von Microsoft zur Auffindung von Sicherheitslücken in Software, Codename MDASH, wurde auf Microsoft Azure Government bereitgestellt, das Unternehmen kündigte am 8. September 2026 an, wobei eine Vorschau‑Zugriffsberechtigung ausgewählten Kunden der US‑Regierung und autorisierten Partnern zur Verfügung steht.

Ein Defender‑Feature in Azure Government

Die Ankündigung wurde von Douglas Phillips, Präsident und Chief Technology Officer von Microsoft Specialized Clouds, verfasst. In Azure Government ist MDASH als Feature von Microsoft Defender verfügbar, das mit Modellen arbeitet, die im FedRAMP‑High‑autorisierten Microsoft Foundry‑Dienst bereitgestellt werden. Azure Government ist eine separate, isolierte Cloud, die von gescreenten US‑Personen betrieben wird und darauf ausgelegt ist, die Compliance‑Verpflichtungen von Bundes‑, Sicherheits‑ und Landes‑ sowie Kommunalbehörden zu erfüllen, einschließlich FedRAMP‑High‑Zulassung und Akkreditierung des Department of War für kontrollierte und mission‑kritische Workloads. Microsoft sagte, dass die Regelung es einer Behörde ermöglicht, den Quellcode und alles, was das System darüber lernt, innerhalb einer bereits für die Verarbeitung dieser Daten genehmigten Grenze zu behalten.

Microsoft gab an, dass es den Codenamen MDASH seit Monaten in seiner eigenen Software einsetzt und dass Kunden aus dem Bereich der nationalen Sicherheit sowie zivilen Behörden bereits seine Fähigkeiten erkunden. Laut der Ankündigung ordnen die Behörden ihre Software nach Missions‑Wichtigkeit und arbeiten die Liste konsequent ab, mit dem erklärten Ziel einer 100 %igen Code‑Abdeckung.

Wie der agentische Scanner funktioniert

Microsoft beschreibt MDASH als einen agentischen Code‑Scanner, der ausnutzbare Schwachstellen im Quellcode findet und validiert. Statt den Code gegen eine Bibliothek bekannter Muster zu prüfen, wie herkömmliche Scan‑Tools es tun, liest und analysiert das System die Software so, wie ein erfahrener Sicherheitsexperte es tun würde, und verfolgt, wie Informationen durch ein Programm fließen, um zu bestimmen, ob eine Schwäche tatsächlich ausgenutzt werden könnte. Mehr als 100 spezialisierte KI‑Agenten, die auf einer Vielzahl von Modellen basieren, arbeiten gleichzeitig am selben Code und sind jeweils darauf trainiert, eine bestimmte Schwachstellen‑Kategorie zu erkennen. Ihre Ergebnisse werden an eine zweite Agentengruppe weitergeleitet, deren Aufgabe es ist, pro und contra zu argumentieren, ob jede vermutete Schwachstelle tatsächlich erreichbar und gefährlich ist. Das System fügt dann die Resultate zusammen, entfernt Duplikate und demonstriert, wo es möglich ist, die Schwachstelle, anstatt sie nur zu behaupten, und liefert, was Microsoft als verfeinerte und priorisierte Liste von Schwachstellen bezeichnet.

Die Produktdokumentation von Microsoft beschreibt eine mehrstufige Pipeline: eine Vorbereitungs‑Phase, die Dateien nach Risiko anhand von Call‑Graph‑Analysen und Code‑Komplexitätsmetriken bewertet; eine Scan‑Phase, in der rollenspezifische Agenten wie Injektions‑, Speicher‑Sicherheits‑ und Auth‑Bypass‑Auditoren laufen; eine Validierungs‑Phase, die Taint‑Analyse und Multi‑Modell‑Debatten anwendet, um das Vertrauen zu verfeinern und Fehlalarme zu eliminieren; und eine Dedup‑Phase, die doppelte Befunde konsolidiert. Ein Security‑Blog‑Beitrag vom 12. Mai 2026, der das System erstmals öffentlich detailliert beschrieb, führte eine zusätzliche „Prove‑“Phase ein, die Trigger‑Eingaben erzeugt und ausführt, sofern die Bug‑Klasse dies zulässt.

Zu den dokumentierten Fähigkeiten gehören eine granulare Vertrauensbewertung für jeden Befund, KI‑generierte Code‑Korrekturen über den Befehl `defender fix` in der Defender‑CLI, zentrale Ergebnisse in Microsoft Security Exposure Management sowie Konnektoren für GitHub und Azure DevOps. Die Dokumentation besagt, dass MDASH generisch über Code‑Basen hinweg arbeitet und alle gängigen Programmiersprachen unterstützt, wobei speziell abgestimmte Experten‑Agenten besonders tiefes Fachwissen in C, C++, Java und C# besitzen.

Gemeldete Ergebnisse und frühere Entwicklung

Microsoft gab an, dass MDASH im öffentlichen CyberGym‑Benchmark für reale Schwachstellen 96,55 Punkte erreichte und ähnliche Ergebnisse bei eigenem Code erzielte, der gegen die historischen Schwachstellen‑Fälle des Unternehmens validiert wurde.

Der Beitrag vom 12. Mai berichtete, dass das System alle 21 absichtlich eingebrachten Schwachstellen ohne Fehlalarme im StorageDrive, einem privaten Beispiel‑Treiber, den Microsoft bei Interviews mit Off‑Security‑Forschern verwendet, gefunden hat. Es erzielte 96 % Recall bei 28 bestätigten Fällen des Microsoft Security Response Center im Windows‑Komponent clfs.sys und 100 % bei sieben Fällen im tcpip.sys, jeweils über einen Zeitraum von fünf Jahren, sowie eine Punktzahl von 88,45 % im CyberGym‑Korpus von 1.507 realen Schwachstellen‑Reproduktions‑Aufgaben, was Microsoft als höchste Punktzahl in der zum Zeitpunkt veröffentlichten Bestenliste des Benchmarks angab. Derselbe Beitrag erklärte, dass das System Forschern half, 16 neue Schwachstellen im Windows‑Netzwerk‑ und Authentifizierungs‑Stack für den Patch‑Tuesday am 12. Mai 2026 zu finden, darunter vier kritische Remote‑Code‑Execution‑Fehler in Komponenten wie dem Windows‑Kernel‑TCP/IP‑Stack und dem IKEv2‑Dienst. Zu diesem Zeitpunkt befand sich das System in einer limitierten privaten Vorschau mit einer kleinen Kundengruppe.

MDASH wurde vom Autonomous Code Security‑Team von Microsoft entwickelt, dessen Mitglieder Ingenieure von Team Atlanta umfassen, dem Team, das die DARPA AI Cyber Challenge mit einem autonomen Cyber‑Reasoning‑System gewann, das reale Fehler in Open‑Source‑Projekten fand und behebt.

Am 13. August 2026 stellte Microsoft MAI‑Cyber‑1‑Flash innerhalb von MDASH vor, ein kompaktes Sicherheitsmodell, das aus der MAI‑Thinking‑1‑Linie des Unternehmens abgeleitet ist, in einem Beitrag, der von Mustafa Suleyman und Hayete Gallot verfasst wurde. Microsoft erklärte, dass das Modell dafür ausgelegt ist, bis zu 90 % der Scan‑Aufgaben zu bewältigen und dabei GPT‑5.4 für die 10 % der außergewöhnlich schwierigen Aufgaben zu reservieren, und dass die Kombination eine Kostenersparnis von 50 % gegenüber der zuvor in MDASH angebotenen besten Modell‑Kombination von Microsoft liefert. Das Unternehmen berichtete von einer 96 %igen CyberGym‑Any‑Crash‑Bewertung für das kombinierte System, mit einer Klarstellung, dass ein Ziel‑Any‑Of‑Score von 90,4 % und ein endgültiger Einreichungs‑Score von 86,3 % erreicht wurde. Microsoft sagte, das Modell sei vom eigenen AI‑Red‑Team evaluiert, durch automatisierte und experten‑geführte adversariale Übungen getestet und von einem Dritten unabhängig bewertet worden.

Multi‑Modell‑Design und Bedrohungsrahmen

Microsoft sagte, dass das Design des Frameworks der entscheidende Differenzierungsfaktor: ein System, das die jeweils besten Modelle für eine bestimmte Aufgabe steuert und koordiniert, sodass es neue Modelle übernehmen kann, sobald sie verfügbar sind, ohne neu aufgebaut zu werden, und so alles, in das eine Behörde nach dem System investiert hat, weitergetragen wird. Die Regierungsankündigung erklärte, dass die neueste Ergänzung zur MAI‑Modellfamilie voraussichtlich die Kosten eines einzelnen Scans etwa halbieren wird.

Die Ankündigung stellte die Veröffentlichung im Kontext von Bedrohungsakteuren dar, die in KI‑Fähigkeiten investieren, und argumentierte, dass der einzige dauerhafte Vorteil für Verteidiger die Zeit sei, also die Lücke zwischen dem Zeitpunkt, an dem eine Schwäche gefunden und behoben werden kann, und dem Moment, bevor ein anderer sie entdeckt. Organisationen, die Zugang wünschen, werden angewiesen, ihr Microsoft‑Account‑Team bezüglich MDASH in Azure Government zu kontaktieren.