Microsoft ottaa käyttöön koodinimi MDASH -agenttipohjaisen AI‑skannauksen Azure Government -ympäristössä

Microsoftin monimallinen agenttipohjainen skannausjärjestelmä, jonka koodinimi on MDASH, on otettu käyttöön Microsoft Azure Government -ympäristössä, yhtiö julkaisi 8. syyskuuta 2026, ja esikatselukäyttö on saatavilla valikoituille Yhdysvaltain hallituksen asiakkaille ja valtuutetuille kumppaneille.

Defender‑ominaisuus Azure Government -ympäristössä

Ilmoituksen on kirjoittanut Douglas Phillips, Microsoft Specialized Clouds -yksikön presidentti ja teknologiajohtaja. Azure Governmentissa MDASH on saatavilla Microsoft Defenderin ominaisuutena, joka toimii FedRAMP High‑valtuutetun Microsoft Foundry -palvelun mallien kanssa. Azure Government on erillinen, eristetty pilvi, jota hallinnoivat tarkastetut Yhdysvaltain kansalaiset, ja se on rakennettu täyttämään liittovaltion, kansallisen turvallisuuden sekä osavaltiollisten ja paikallisten hallintojen vaatimukset, mukaan lukien FedRAMP High‑valtuutus ja Department of War -hyväksyntä hallittaville ja kriittisille työkuormille. Microsoft sanoi, että järjestely mahdollistaa viraston lähdekoodin ja kaikki siihen liittyvät järjestelmän oppimat tiedot pysymään jo hyväksytyssä tietorajassa.

Microsoft kertoi käyttäneensä koodinimiä MDASH omassa ohjelmistossaan kuukausia, ja että kansallisen turvallisuuden sekä siviilisiirtymien asiakkaat ovat jo tutkimassa sen kykyjä. Ilmoituksen mukaan virastot luokittelevat ohjelmistonsa tehtävän tärkeyden mukaan ja edistyvät järjestelmällisesti listan läpi, tavoitteena 100 % koodin kattavuus.

Miten agenttipohjainen skanneri toimii

Microsoft kuvaa MDASHia agenttipohjaisena koodiskannerina, joka löytää ja vahvistaa hyödynnettäviä haavoittuvuuksia lähdekoodissa. Perinteisten skannaustyökalujen tarkistaessa koodia tunnettujen mallipohjaisten mallien perusteella, tämä järjestelmä lukee ja päättelyttää ohjelmistosta kuten asiantunteva turvallisuustutkija, seuraten tiedon kulkua ohjelmassa selvittääkseen, voisiko heikkous todella tulla hyödynnetyksi. Yli 100 erikoistunutta AI‑agenttia, jotka hyödyntävät erilaisia malleja, työskentelevät samassa koodikokonaisuudessa, jokainen koulutettu tunnistamaan eri haavoittuvuusluokka. Niiden havainnot siirtyvät toiselle agenttiryhmälle, jonka tehtävänä on väittää puolesta ja vastaan, onko jokainen epäilty virhe todella saavutettavissa ja vaarallinen. Lopuksi järjestelmä yhdistää ja poistaa duplikaatit, ja mahdollisuuksien mukaan demonstratoi haavoittuvuuden sen sijaan, että vain väittäisi sen olemassaolosta, tarjoten Microsoftin kuvaileman tarkennetun ja priorisoidun haavoittuvuuksien listan.

Microsoftin tuotedokumentaatio esittelee monivaiheisen putken: Prepare‑vaihe, jossa tiedostot priorisoidaan riskin perusteella kutsugraafin analyysin ja koodin monimutkaisuusmittareiden avulla; Scan‑vaihe, jossa ajetaan roolikohtaisia agentteja, kuten injektio-, muistin‑turvallisuus‑ ja auth‑bypass‑tarkastajia; Validate‑vaihe, jossa sovelletaan saastumis‑analyysiä ja monimallista väittelyä luottamuksen tarkentamiseksi ja väärien positiivisten poistamiseksi; sekä Dedup‑vaihe, jossa yhdistetään duplikaattihavainnot. 12. toukokuu 2026, Security Blog -julkaisu, joka oli ensimmäinen julkinen yksityiskohtainen esittely järjestelmästä, kuvasi myös lisävaiheen Prove, jossa rakennetaan ja ajetaan laukaisusyötteitä, mikäli virheluokka sen sallii.

Dokumentoituja ominaisuuksia ovat tarkka luottamuspisteytys jokaiselle havainnolle, AI‑luodut koodikorjaukset Defender‑komennon kautta Defender‑CLI:ssä, keskitetyt tulokset Microsoft Security Exposure Management -palvelussa sekä liittimet GitHubiin ja Azure DevOpsiin. Dokumentaatiossa todetaan, että MDASH toimii yleisesti eri koodikantojen läpi ja tukee kaikkia merkittäviä ohjelmointikieliä, erityisesti C, C++, Java ja C# -kieliin erikoistuneiden asiantuntija‑agenttien avulla.

Raportoidut tulokset ja aikaisempi kehitys

Microsoft kertoi, että MDASH sai 96,55 pistettä julkisessa CyberGym‑vertailussa todellisista haavoittuvuuksista, ja että se on tuottanut samankaltaisia tuloksia ensimmäisen osapuolen koodissa, joka on validoitu yhtiön historiallisiin haavoittumistapauksiin nähden.

12. toukokuu‑julkaisun mukaan testirunko löysi kaikki 21 tahallisesti asetettua haavoittuvuutta ilman yhtään väärää positiivista StorageDrive‑näytteen, jonka Microsoft käyttää hyökkäävien turvallisuustutkijoiden haastattelussa. Se raportoi 96 % palautuskyvyn 28 vahvistetusta Microsoft Security Response Center -tapauksesta clfs.sys‑Windows‑komponentissa ja 100 % seitsemästä tcpip.sys‑tapauksesta, jotka kattavat viisi vuotta, sekä 88,45 % pistemäärän CyberGym‑korpuksen 1 507 todellista haavoittuvuustapausta sisältävässä testissä – Microsoftin mukaan se oli tuolloin korkein pistemäärä julkaistussa tulostaulussa. Sama julkaisu kertoi, että järjestelmä auttoi tutkijoita löytämään 16 uutta haavoittuvuutta Windows‑verkkopino- ja autentikointikerrystä 12. toukokuu 2026 Patch Tuesday -päivänä, mukaan lukien neljä kriittistä etäkäyttöön johtavaa koodin suoritushäiriötä komponenteissa kuten Windows‑ytimen TCP/IP‑pino ja IKEv2‑palvelu. Tuolloin järjestelmä oli rajoitetussa yksityisessä esikatselussa pienen asiakaskunnan kanssa.

MDASH rakennettiin Microsoftin Autonomous Code Security -tiimin toimesta, jonka jäseninä ovat Team Atlanta -tiimin insinöörit – tiimi, joka voitti DARPA AI Cyber Challenge -kilpailun autonomisella kybersyynteijärjestelmällä, joka löysi ja korjasi todellisia bugeja avoimen lähdekoodin projekteissa.

13. elokuuta 2026 Microsoft esitteli MAI‑Cyber‑1‑Flash‑mallin MDASH‑järjestelmässä, kompakti turvallisuusmalli, joka on johdettu yhtiön MAI‑Thinking‑1‑linjasta, Mustafa Suleymanin ja Hayete Gallotin kirjoittamassa julkaisussa. Microsoft sanoi, että malli on suunniteltu hoitamaan jopa 90 % skannaustehtävistä, jättäen GPT‑5.4:n 10 %:iin poikkeuksellisen vaikeita tehtäviä, ja että yhdistelmä tuottaa 50 % kustannussäästön verrattuna Microsoftin aiemmin MDASH:ssa tarjottuun parhaan mallin yhdistelmään. Yhtiö raportoi 96 % CyberGym‑any‑crash‑pistemäärän yhdistetylle järjestelmälle, tarkennuksena 90,4 % tavoitteellinen any‑of‑pistemäärä ja 86,3 % lopullinen lähetyspistemäärä. Microsoft kertoi, että malli arvioitiin sen AI Red Teamin toimesta, testattiin automatisoiduilla ja asiantuntijoiden johtamilla vastustusharjoituksilla, ja että se tarkastettiin riippumattomasti kolmannen osapuolen toimesta.

Monimallinen suunnittelu ja uhkakehys

Microsoft totesi, että testirungon suunnittelu on keskeinen erotustekijä: järjestelmä, joka ohjaa ja koordinoi parhaiten tiettyyn tehtävään soveltuvat mallit, mahdollistaa uusien mallien käyttöönoton ilman uudelleenkoodausta, jolloin kaikki viraston järjestelmään sijoittamat resurssit kulkevat eteenpäin. Hallituksen ilmoitus sanoi, että uusin lisäys MAI‑malliperheeseen odotetaan leikkaavan yksittäisen skannauksen kustannukset noin puoleen.

Ilmoitus asetti julkaisun kontekstiin uhkatoimijoiden AI‑kykyihin investoimisen, väittäen, että ainoa kestävä etu puolustajille on aika – se aikaero, jonka heikkous löytyy ja korjataan ennen kuin joku muu löytää sen. Organisaatiot, jotka haluavat pääsyn, ohjataan ottamaan yhteyttä Microsoft‑tilitiimiinsä MDASH‑ratkaisusta Azure Government -ympäristössä.