Microsoft distribuisce la scansione AI agentica con nome in codice MDASH su Azure Government

Il sistema di scansione agentica multimodello di Microsoft per individuare vulnerabilità di sicurezza nel software, nome in codice MDASH, è stato distribuito su Microsoft Azure Government, l’azienda annunciato l’8 settembre 2026, con accesso in anteprima disponibile per alcuni clienti governativi statunitensi e partner autorizzati.

Una funzionalità di Defender all’interno di Azure Government

L’annuncio è stato redatto da Douglas Phillips, Presidente e Chief Technology Officer di Microsoft Specialized Clouds. In Azure Government, MDASH è disponibile come funzionalità di Microsoft Defender che opera con i modelli disponibili all’interno del servizio Microsoft Foundry autorizzato FedRAMP High. Azure Government è un cloud separato e isolato gestito da persone statunitensi controllate, progettato per soddisfare gli obblighi di conformità dei clienti federali, di sicurezza nazionale e dei governi statali e locali, includendo l’autorizzazione FedRAMP High e l’accreditamento del Department of War per carichi di lavoro controllati e mission-critical. Microsoft ha dichiarato che l’accordo consente al codice sorgente di un’agenzia, e a tutto ciò che il sistema apprende su di esso, di rimanere all’interno di un perimetro già approvato per la gestione di tali dati.

Microsoft ha dichiarato di utilizzare il nome in codice MDASH sul proprio software da mesi, e che i clienti dei settori della sicurezza nazionale e delle agenzie civili stanno già esplorando le sue capacità. Secondo l’annuncio, le agenzie stanno classificando il loro software in base all’importanza della missione e procedendo costantemente nella lista, con l’obiettivo dichiarato di una copertura del codice al 100%.

Come funziona lo scanner agentico

Microsoft descrive MDASH come uno scanner di codice agentico che individua e convalida vulnerabilità sfruttabili nel codice sorgente. Invece di confrontare il codice con una libreria di pattern noti, come fanno gli strumenti di scansione tradizionali, il sistema legge e ragiona sul software come farebbe un esperto ricercatore di sicurezza, seguendo il flusso delle informazioni attraverso un programma per determinare se una debolezza possa effettivamente essere sfruttata. Oltre 100 agenti AI specializzati, basati su una varietà di modelli, lavorano sullo stesso codice, ciascuno addestrato a riconoscere una diversa categoria di vulnerabilità. I loro risultati vengono passati a un secondo gruppo di agenti il cui compito è argomentare, a favore e contro, se ogni possibile difetto sia realmente raggiungibile e pericoloso. Il sistema quindi unisce e deduplica i risultati e, dove possibile, dimostra la vulnerabilità anziché limitarsi ad affermarla, fornendo quella che Microsoft definisce una lista di vulnerabilità raffinata e priorizzata.

La documentazione del prodotto descrive una pipeline a più fasi: una fase di Preparazione che classifica i file per rischio usando l’analisi del grafo delle chiamate e metriche di complessità del codice; una fase di Scansione che esegue agenti specifici per ruolo, come auditor di iniezione, sicurezza della memoria e bypass dell’autenticazione; una fase di Validazione che applica l’analisi di contaminazione e il dibattito multimodello per affinare la fiducia ed eliminare i falsi positivi; e una fase di Dedup che consolida i risultati duplicati. Un post del blog sulla sicurezza del 12 maggio 2026 che per la prima volta ha dettagliato pubblicamente il sistema descriveva una fase aggiuntiva di Prova, che costruisce ed esegue input trigger quando la classe di bug lo consente.

Le funzionalità documentate includono una valutazione granulare della fiducia per ogni risultato, correzioni di codice generate dall’AI tramite il comando defender fix nella Defender CLI, risultati centralizzati in Microsoft Security Exposure Management e connettori per GitHub e Azure DevOps. La documentazione afferma che MDASH opera in modo generico su tutti i codebase e supporta tutti i principali linguaggi di programmazione, con agenti esperti appositamente ottimizzati che possiedono una competenza particolarmente approfondita in C, C++, Java e C#.

Risultati segnalati e sviluppo precedente

Microsoft ha dichiarato che MDASH ha ottenuto un punteggio di 96,55 nel benchmark pubblico CyberGym di vulnerabilità reali e ha prodotto risultati simili sul codice proprietario convalidato rispetto ai casi storici di vulnerabilità dell’azienda.

Il post del 12 maggio ha riportato che il sistema ha individuato tutte le 21 vulnerabilità inserite deliberatamente senza falsi positivi su StorageDrive, un driver di esempio privato che Microsoft utilizza durante le interviste a ricercatori di sicurezza offensiva. Ha segnalato un richiamo del 96% su 28 casi confermati dal Microsoft Security Response Center nel componente Windows clfs.sys e il 100% su sette casi in tcpip.sys, ciascuno coprendo cinque anni, e un punteggio dell’88,45% sul corpus di CyberGym composto da 1.507 compiti di riproduzione di vulnerabilità reali, che Microsoft ha dichiarato essere il punteggio più alto nella classifica pubblicata del benchmark al momento. Lo stesso post ha affermato che il sistema ha aiutato i ricercatori a scoprire 16 nuove vulnerabilità nello stack di rete e autenticazione di Windows per il Patch Tuesday del 12 maggio 2026, includendo quattro vulnerabilità critiche di esecuzione di codice remoto in componenti come lo stack TCP/IP del kernel Windows e il servizio IKEv2. A quel punto il sistema era in una preview privata limitata con un piccolo gruppo di clienti.

MDASH è stato sviluppato dal team Autonomous Code Security di Microsoft, i cui membri includono ingegneri del Team Atlanta, il team che ha vinto il DARPA AI Cyber Challenge con un sistema di cyber‑reasoning autonomo che ha individuato e corretto bug reali in progetti open‑source.

Il 13 agosto 2026, Microsoft ha introdotto MAI-Cyber-1-Flash all’interno di MDASH, un modello di sicurezza compatto derivato dalla linea MAI-Thinking-1 dell’azienda, in un post scritto da Mustafa Suleyman e Hayete Gallot. Microsoft ha dichiarato che il modello è progettato per gestire fino al 90% delle attività di scansione, riservando GPT-5.4 per il 10% delle attività eccezionalmente difficili, e che la combinazione offre un risparmio del 50% sui costi rispetto alla migliore combinazione di modelli precedentemente offerta in MDASH. L’azienda ha riportato un punteggio CyberGym any‑crash del 96% per il sistema combinato, con una precisazione che indica un punteggio target any‑of del 90,4% e un punteggio finale di sottomissione dell’86,3%. Microsoft ha affermato che il modello è stato valutato dal suo AI Red Team, testato tramite esercizi avversari automatizzati e guidati da esperti, e valutato indipendentemente da una terza parte.

Progettazione multimodello e inquadramento delle minacce

Microsoft ha affermato che il design del sistema è il principale elemento distintivo: un sistema che indirizza e coordina i modelli più adatti a un compito specifico, consentendo di adottare nuovi modelli man mano che arrivano senza ricostruire, così che tutto ciò in cui un’agenzia ha investito a valle del sistema venga mantenuto. L’annuncio governativo ha indicato che la più recente aggiunta alla famiglia di modelli MAI dovrebbe ridurre di circa la metà il costo di una singola scansione.

L’annuncio ha inquadrato il rilascio attorno a soggetti minacciosi che investono in capacità AI, sostenendo che l’unico vantaggio durevole a disposizione dei difensori è il tempo, ovvero il divario tra il momento in cui una vulnerabilità può essere trovata e corretta e il momento in cui qualcun altro la scopre. Le organizzazioni che desiderano accedere sono invitate a contattare il proprio team Microsoft account per MDASH in Azure Government.