Η Microsoft αναπτύσσει το κωδικό ονόματος MDASH Agentic AI για σάρωση στο Azure Government

Το πολυμοντέλο σύστημα agentic σάρωσης της Microsoft για εντοπισμό ευπαθειών ασφαλείας σε λογισμικό, κωδικό ονόματος MDASH, έχει αναπτυχθεί στο Microsoft Azure Government, ανακοίνωσε η εταιρεία στις 8 Σεπτεμβρίου 2026, με πρόσβαση προεπισκόπησης διαθέσιμη σε επιλεγμένους πελάτες της αμερικανικής κυβέρνησης και εξουσιοδοτημένους συνεργάτες.

Μία δυνατότητα του Defender στο Azure Government

Η ανακοίνωση συντάχθηκε από τον Douglas Phillips, Πρόεδρο και Chief Technology Officer του Microsoft Specialized Clouds. Στο Azure Government, το MDASH είναι διαθέσιμο ως δυνατότητα του Microsoft Defender που λειτουργεί με μοντέλα που είναι διαθέσιμα εντός της υπηρεσίας Microsoft Foundry με έγκριση FedRAMP High. Το Azure Government είναι ένα ξεχωριστό, απομονωμένο σύννεφο που διαχειρίζεται εξουσιοδοτημένα άτομα των ΗΠΑ, σχεδιασμένο να καλύπτει τις υποχρεώσεις συμμόρφωσης των ομοσπονδιακών, εθνικής ασφάλειας και κρατικών/τοπικών κυβερνητικών πελατών, συμπεριλαμβανομένης της έγκρισης FedRAMP High και της πιστοποίησης του Department of War για ελεγχόμενες και κρίσιμες εργασίες. Η Microsoft δήλωσε ότι η ρύθμιση επιτρέπει στον κώδικα μιας υπηρεσίας, καθώς και σε όλα όσα το σύστημα μαθαίνει γι’ αυτόν, να παραμένουν εντός ενός ορίου που έχει ήδη εγκριθεί για τη διαχείριση αυτών των δεδομένων.

Η Microsoft ανέφερε ότι χρησιμοποιεί το κωδικό όνομα MDASH στο δικό της λογισμικό εδώ και μήνες και ότι πελάτες σε εθνική ασφάλεια και πολιτικούς οργανισμούς εξερευνούν ήδη τις δυνατότητές του. Σύμφωνα με την ανακοίνωση, οι υπηρεσίες κατατάσσουν το λογισμικό τους κατά σημασία αποστολής και προχωρούν σταθερά στη λίστα, με στόχο την πλήρη κάλυψη 100 % του κώδικα.

Πώς λειτουργεί ο Agentic Scanner

Η Microsoft περιγράφει το MDASH ως έναν agentic σαρωτή κώδικα που εντοπίζει και επικυρώνει εκμεταλλεύσιμες ευπάθειες στον πηγαίο κώδικα. Αντί να ελέγχει τον κώδικα έναντι βιβλιοθήκης γνωστών προτύπων, όπως κάνουν τα παραδοσιακά εργαλεία σάρωσης, το σύστημα διαβάζει και λογίζει το λογισμικό όπως θα έκανε ένας έμπειρος ερευνητής ασφαλείας, ακολουθώντας τη ροή των πληροφοριών μέσα σε ένα πρόγραμμα για να καθορίσει εάν μια αδυναμία μπορεί πραγματικά να εκμεταλλευτεί. Πάνω από 100 εξειδικευμένοι πράκτορες AI, που αντλούν από ποικίλα μοντέλα, εργάζονται πάνω στον ίδιο κώδικα, καθένας εκπαιδευμένος να αναγνωρίζει διαφορετική κατηγορία αδυναμίας. Τα ευρήματά τους περνούν σε μια δεύτερη ομάδα πρακτόρων της οποίας η αποστολή είναι να διατυπώσει επιχειρήματα υπέρ και κατά του αν κάθε υποτιθέμενη αδυναμία είναι πραγματικά προσβάσιμη και επικίνδυνη. Το σύστημα στη συνέχεια συγχωνεύει και αφαιρεί διπλότυπα αποτελέσματα και, όπου είναι δυνατόν, επιδεικνύει την αδυναμία αντί να την δηλώνει απλώς, παρέχοντας αυτό που η Microsoft χαρακτηρίζει ως μια βελτιωμένη και προτεραιοποιημένη λίστα ευπαθειών.

Η τεκμηρίωση προϊόντος της Microsoft περιγράφει μια πολυεπίπεδη διαδρομή: ένα στάδιο Προετοιμασίας που ταξινομεί τα αρχεία κατά κίνδυνο χρησιμοποιώντας ανάλυση γραφήματος κλήσεων και μετρικές πολυπλοκότητας κώδικα· ένα στάδιο Σάρωσης που εκτελεί πρακτόρους ειδικών ρόλων όπως ελεγκτές ένεσης, ασφαλείας μνήμης και παράκαμψης εξουσιοδότησης· ένα στάδιο Επικύρωσης που εφαρμόζει ανάλυση μόλυνσης και πολυμοντέλο διάλογο για τη βελτίωση της εμπιστοσύνης και την εξάλειψη ψευδών θετικών· και ένα στάδιο Απομάκρυνσης διπλότυπων που ενοποιεί τα επαναλαμβανόμενα ευρήματα. Μια αναάρτηση ασφαλείας 12 Μαΐου 2026 που περιέγραψε για πρώτη φορά δημόσια το σύστημα, ανέφερε ένα επιπλέον στάδιο Απόδειξης, το οποίο δημιουργεί και εκτελεί ερεθιστικές εισόδους όπου η κατηγορία σφάλματος το επιτρέπει.

Οι τεκμηριωμένες δυνατότητες περιλαμβάνουν λεπτομερή βαθμολόγηση εμπιστοσύνης για κάθε εύρημα, διορθώσεις κώδικα που παράγονται από AI μέσω της εντολής defender fix στο Defender CLI, κεντρικά αποτελέσματα στο Microsoft Security Exposure Management και συνδέσμους για GitHub και Azure DevOps. Η τεκμηρίωση δηλώνει ότι το MDASH λειτουργεί γενικά σε όλα τα αποθετήρια κώδικα και υποστηρίζει όλες τις κύριες γλώσσες προγραμματισμού, με ειδικά ρυθμισμένους ειδικούς πράκτορες που διαθέτουν ιδιαίτερα βαθιά εξειδίκευση στις C, C++, Java και C#.

Αναφερόμενα Αποτελέσματα και Προηγούμενη Ανάπτυξη

Η Microsoft δήλωσε ότι το MDASH σημείωσε 96,55 στο δημόσιο benchmark CyberGym πραγματικών ευπαθειών και παρήγαγε παρόμοια αποτελέσματα σε κώδικα πρώτου μέρους που επικυρώθηκε έναντι των ιστορικών περιπτώσεων ευπαθειών της εταιρείας.

Η ανάρτηση του 12 Μαΐου ανέφερε ότι το σύστημα εντόπισε όλες τις 21 σκόπιμα τοποθετημένες ευπάθειες χωρίς ψευδείς θετικές στο StorageDrive, ένα ιδιωτικό δείγμα οδηγού που η Microsoft χρησιμοποιεί κατά τις συνεντεύξεις με ερευνητές επιθετικής ασφάλειας. Καταγράφηκε 96 % ανάκληση έναντι 28 επιβεβαιωμένων περιπτώσεων του Microsoft Security Response Center στο στοιχείο clfs.sys των Windows και 100 % σε επτά περιπτώσεις του tcpip.sys, καλύπτοντας πέντε χρόνια, καθώς και βαθμολογία 88,45 % στο σύνολο CyberGym των 1 507 εργασιών αναπαραγωγής πραγματικών ευπαθειών, που η Microsoft δήλωσε ότι ήταν η υψηλότερη βαθμολογία στην επίσημη κατάταξη εκείνη τη στιγμή. Η ίδια ανάρτηση ανέφερε ότι το σύστημα βοήθησε ερευνητές να εντοπίσουν 16 νέες ευπάθειες στο δίκτυο και το στρώμα πιστοποίησης των Windows για το Patch Tuesday 12 Μαΐου 2026, συμπεριλαμβανομένων τεσσάρων κρίσιμων σφαλμάτων απομακρυσμένης εκτέλεσης κώδικα σε στοιχεία όπως το TCP/IP stack του πυρήνα των Windows και η υπηρεσία IKEv2. Τότε το σύστημα βρισκόταν σε περιορισμένη ιδιωτική προεπισκόπηση με μικρό αριθμό πελατών.

Το MDASH δημιουργήθηκε από την ομάδα Autonomous Code Security της Microsoft, των οποίων τα μέλη περιλαμβάνουν μηχανικούς από την ομάδα Team Atlanta, την ομάδα που κέρδισε το DARPA AI Cyber Challenge με ένα αυτόνομο σύστημα κυβερνο-λογικής που εντόπισε και διόρθωσε πραγματικά σφάλματα σε έργα ανοιχτού κώδικα.

Στις 13 Αυγούστου 2026, η Microsoft παρουσίασε το MAI‑Cyber‑1‑Flash μέσα στο MDASH, ένα συμπαγές μοντέλο ασφαλείας που προέρχεται από τη σειρά MAI‑Thinking‑1 της εταιρείας, σε ανάρτηση που συντάχθηκε από τους Mustafa Suleyman και Hayete Gallot. Η Microsoft δήλωσε ότι το μοντέλο σχεδιάστηκε για να χειρίζεται έως και το 90 % των εργασιών σάρωσης, κρατώντας το GPT‑5.4 για το 10 % των εξαιρετικά δύσκολων εργασιών, και ότι ο συνδυασμός προσφέρει εξοικονόμηση κόστους 50 % σε σύγκριση με τον καλύτερο συνδυασμό μοντέλων που προσέφερε προηγουμένως η Microsoft στο MDASH. Η εταιρεία ανέφερε βαθμολογία 96 % CyberGym any‑crash για το συνδυασμένο σύστημα, με διευκρίνιση ότι το στόχο any‑of ήταν 90,4 % και η τελική βαθμολογία υποβολής 86,3 %. Η Microsoft δήλωσε ότι το μοντέλο αξιολογήθηκε από την AI Red Team της, δοκιμάστηκε μέσω αυτοματοποιημένων και ειδικών αντιπάλων ασκήσεων, και αξιολογήθηκε ανεξάρτητα από τρίτο μέρος.

Σχεδίαση Πολυμοντέλου και Πλαισίωση Απειλών

Η Microsoft τόνισε ότι ο σχεδιασμός του συστήματος είναι το κύριο διαφοροποιητικό χαρακτηριστικό: ένα σύστημα που κατευθύνει και συντονίζει όποια μοντέλα είναι τα καλύτερα για μια συγκεκριμένη εργασία, επιτρέποντάς του να υιοθετεί νεότερα μοντέλα καθώς εμφανίζονται χωρίς ανάγκη επανακατασκευής, ώστε όλα όσα μια υπηρεσία έχει επενδύσει μετά το σύστημα να μεταφέρονται. Η κυβερνητική ανακοίνωση ανέφερε ότι η πιο πρόσφατη προσθήκη στην οικογένεια μοντέλων MAI αναμένεται να μειώσει το κόστος μιας μεμονωμένης σάρωσης περίπου στο μισό.

Η ανακοίνωση τοποθέτησε την κυκλοφορία στο πλαίσιο των δράσεων απειλών που επενδύουν σε δυνατότητες AI, υποστηρίζοντας ότι το μόνο διαρκές πλεονέκτημα που διαθέτουν οι αμυντές είναι ο χρόνος, δηλαδή το κενό μεταξύ του πότε μπορεί να βρεθεί και να διορθωθεί μια αδυναμία και του πότε κάποιος άλλος τη βρει. Οι οργανισμοί που επιθυμούν πρόσβαση κατευθύνονται να επικοινωνήσουν με την ομάδα λογαριασμού Microsoft για το MDASH στο Azure Government.