Microsoft despliega el escaneo de IA agente con nombre en código MDASH en Azure Government

El sistema de escaneo agente de múltiples modelos de Microsoft para encontrar vulnerabilidades de seguridad en software, con nombre en código MDASH, se ha desplegado en Microsoft Azure Government, la compañía anunció el 8 de septiembre de 2026, con acceso de vista previa disponible para ciertos clientes del gobierno de EE. UU. y socios autorizados.

Una característica de Defender dentro de Azure Government

El anuncio fue redactado por Douglas Phillips, presidente y director de tecnología de Microsoft Specialized Clouds. En Azure Government, MDASH está disponible como una característica de Microsoft Defender que funciona con los modelos disponibles dentro del servicio Microsoft Foundry autorizado por FedRAMP High. Azure Government es una nube separada y aislada operada por personas estadounidenses examinadas, creada para cumplir con las obligaciones de cumplimiento de clientes federales, de seguridad nacional y de gobiernos estatales y locales, incluida la autorización FedRAMP High y la acreditación del Departamento de Guerra para cargas de trabajo controladas y críticas para la misión. Microsoft dijo que el acuerdo permite que el código fuente de una agencia, y todo lo que el sistema aprende sobre él, permanezca dentro de un perímetro ya aprobado para el manejo de esos datos.

Microsoft dijo que ha estado usando el nombre en código MDASH en su propio software durante meses, y que clientes de agencias de seguridad nacional y civiles ya están explorando sus capacidades. Según el anuncio, las agencias están clasificando su software por importancia de misión y trabajando de manera constante en la lista, con el objetivo declarado de lograr una cobertura del 100 % del código.

Cómo funciona el escáner agente

Microsoft describe MDASH como un escáner de código agente que encuentra y valida vulnerabilidades explotables en el código fuente. En lugar de comprobar el código contra una biblioteca de patrones conocidos, como hacen las herramientas de escaneo tradicionales, el sistema lee y razona sobre el software de la misma manera que lo haría un investigador de seguridad experto, siguiendo cómo la información se desplaza a través de un programa para determinar si una debilidad podría ser realmente explotada. Más de 100 agentes de IA especializados, basados en una variedad de modelos, trabajan sobre el mismo conjunto de código, cada uno entrenado para reconocer una categoría diferente de debilidad. Sus hallazgos se transmiten a un segundo grupo de agentes cuya tarea es argumentar, a favor y en contra, si cada posible falla es realmente alcanzable y peligrosamente real. Luego, el armazón combina y desduplic​a los resultados y, cuando es posible, demuestra la falla en lugar de simplemente afirmarla, entregando lo que Microsoft califica como una lista refinada y priorizada de vulnerabilidades.

La documentación del producto de Microsoft describe una canalización de varias etapas: una fase de Preparación que clasifica los archivos por riesgo mediante análisis de grafos de llamadas y métricas de complejidad del código; una fase de Escaneo que ejecuta agentes específicos de rol, como auditores de inyección, seguridad de memoria y bypass de autenticación; una fase de Validación que aplica análisis de contaminación y debate multi‑modelo para refinar la confianza y eliminar falsos positivos; y una fase de Desduplicación que consolida hallazgos duplicados. Una publicación del blog de seguridad del 12 de mayo de 2026 que detalló públicamente el sistema describió una fase adicional de Prueba, que construye y ejecuta entradas desencadenantes donde la clase de error lo permite.

Las capacidades documentadas incluyen puntuaciones de confianza granulares para cada hallazgo, correcciones de código generadas por IA mediante el comando defender fix en la CLI de Defender, resultados centralizados en Microsoft Security Exposure Management y conectores para GitHub y Azure DevOps. La documentación indica que MDASH opera de forma genérica en bases de código y admite todos los lenguajes de programación principales, con agentes expertos especialmente afinados que poseen una experiencia particularmente profunda en C, C++, Java y C#.

Resultados reportados y desarrollo previo

Microsoft dijo que MDASH obtuvo una puntuación de 96,55 en el benchmark público CyberGym de vulnerabilidades del mundo real y ha producido resultados similares en código propio validado contra los casos históricos de vulnerabilidades de la compañía.

La publicación del 12 de mayo informó que el armazón encontró las 21 vulnerabilidades plantadas deliberadamente sin falsos positivos en StorageDrive, un controlador de muestra privado que Microsoft utiliza al entrevistar a investigadores de seguridad ofensiva. Reportó un 96 % de recuperación contra 28 casos confirmados del Microsoft Security Response Center en el componente clfs.sys de Windows y un 100 % en siete casos en tcpip.sys, cada uno abarcando cinco años, y una puntuación del 88,45 % en el corpus de CyberGym de 1 507 tareas reales de reproducción de vulnerabilidades, que Microsoft dijo ser la puntuación más alta en la tabla de clasificación publicada del benchmark en ese momento. La misma publicación indicó que el sistema ayudó a los investigadores a encontrar 16 vulnerabilidades nuevas en la pila de red y autenticación de Windows para el Patch Tuesday del 12 de mayo de 2026, incluyendo cuatro fallas críticas de ejecución remota de código en componentes como la pila TCP/IP del kernel de Windows y el servicio IKEv2. En ese momento, el sistema estaba en una vista previa privada limitada con un pequeño conjunto de clientes.

MDASH fue creado por el equipo Autonomous Code Security de Microsoft, cuyos miembros incluyen ingenieros de Team Atlanta, el equipo que ganó el DARPA AI Cyber Challenge con un sistema autónomo de razonamiento cibernético que encontró y parcheó errores reales en proyectos de código abierto.

El 13 de agosto de 2026, Microsoft presentó MAI-Cyber-1-Flash dentro de MDASH, un modelo de seguridad compacto derivado de la línea MAI-Thinking-1 de la compañía, en una publicación redactada por Mustafa Suleyman y Hayete Gallot. Microsoft dijo que el modelo está diseñado para manejar hasta el 90 % de las tareas de escaneo, reservando GPT-5.4 para el 10 % de tareas excepcionalmente difíciles, y que la combinación ofrece un ahorro de costos del 50 % en comparación con la mejor combinación de modelos que Microsoft ofrecía previamente en MDASH. La empresa informó una puntuación del 96 % en CyberGym any‑crash para el sistema combinado, con una aclaración que indica una puntuación objetivo any‑of del 90,4 % y una puntuación final de envío del 86,3 %. Microsoft dijo que el modelo fue evaluado por su AI Red Team, probado mediante ejercicios adversariales automatizados y dirigidos por expertos, y evaluado de forma independiente por un tercero.

Diseño multmodelo y encuadre de amenazas

Microsoft dijo que el diseño del armazón es el factor diferenciador clave: un sistema que dirige y coordina los modelos más adecuados para una tarea específica, permitiéndole adoptar modelos más nuevos a medida que aparecen sin necesidad de reconstruir, de modo que todo lo que una agencia haya invertido aguas abajo del sistema se mantenga. El anuncio gubernamental indicó que la incorporación más reciente a la familia de modelos MAI se espera que reduzca el costo de un escaneo individual aproximadamente a la mitad.

El anuncio enmarcó el lanzamiento en torno a los actores de amenazas que invierten en capacidades de IA, argumentando que la única ventaja duradera disponible para los defensores es el tiempo, es decir, la brecha entre el momento en que se puede encontrar y parchear una debilidad y antes de que otro la descubra. Las organizaciones que buscan acceso son dirigidas a contactar a su equipo de cuentas de Microsoft sobre MDASH en Azure Government.