Microsoft, 코드명 MDASH 에이전틱 AI 스캔을 Azure Government에 배포

Microsoft의 다중 모델 에이전틱 스캔 시스템인 코드명 MDASH가 Microsoft Azure Government에 배포되었으며, 2026년 9월 8일 회사가 발표했고, 미 정부 고객 및 인증 파트너를 대상으로 사전 보기 액세스를 제공하고 있습니다.

Azure Government 내 Defender 기능

이 발표는 Microsoft Specialized Clouds의 사장 겸 최고 기술 책임자(Douglas Phillips)가 작성했습니다. Azure Government에서 MDASH는 Microsoft Defender의 기능으로 제공되며, FedRAMP High 인증을 받은 Microsoft Foundry 서비스 내 모델과 함께 작동합니다. Azure Government는 선별된 미국인 직원이 운영하는 별도 격리된 클라우드로, 연방, 국가 안보, 주 및 지방 정부 고객의 규정 준수 요구 사항을 충족하도록 설계되었으며, FedRAMP High 인증 및 전쟁부(Department of War) 인증을 받아 통제된 미션 크리티컬 워크로드를 지원합니다. Microsoft는 이 구조를 통해 기관의 소스 코드와 시스템이 학습한 모든 정보를 이미 승인된 데이터 처리 경계 내에 유지할 수 있다고 밝혔습니다.

Microsoft는 수개월 동안 자체 소프트웨어에 코드명 MDASH를 사용해 왔으며, 국가 안보 및 민간 기관의 고객들이 이미 그 기능을 탐색하고 있다고 전했습니다. 발표에 따르면, 기관들은 소프트웨어를 임무 중요도에 따라 순위를 매기고 차례대로 검토하고 있으며, 목표는 100% 코드 커버리지를 달성하는 것입니다.

에이전틱 스캐너 작동 방식

Microsoft는 MDASH를 에이전틱 코드 스캐너로 설명합니다. 이 스캐너는 알려진 패턴 라이브러리를 검사하는 전통적인 도구와 달리, 전문가 보안 연구원이 소프트웨어를 분석하는 방식대로 코드를 읽고 논리적으로 추론합니다. 프로그램 내 정보 흐름을 따라가며 취약점이 실제로 악용될 수 있는지를 판단합니다. 100개 이상의 특화된 AI 에이전트가 다양한 모델을 활용해 동일한 코드 베이스를 분석하며, 각각은 서로 다른 취약점 카테고리를 인식하도록 훈련되었습니다. 이들의 결과는 두 번째 에이전트 그룹에 전달되는데, 이 그룹은 각 의심되는 결함이 실제로 도달 가능하고 위험한지 여부를 찬반 논증합니다. 이후 하네스가 결과를 병합·중복 제거하고, 가능한 경우 결함을 실제로 시연하여 단순히 존재를 주장하는 것이 아니라 정제되고 우선순위가 매겨진 취약점 목록을 제공합니다.

Microsoft의 제품 문서는 다단계 파이프라인: Prepare 단계는 호출 그래프 분석 및 코드 복잡도 메트릭을 사용해 파일을 위험도별로 순위 매기고; Scan 단계는 주입, 메모리 안전성, 인증 우회 감사와 같은 역할별 에이전트를 실행하며; Validate 단계는 오염 분석과 다중 모델 토론을 적용해 신뢰도를 정제하고 오탐을 제거하고; Dedup 단계는 중복된 발견을 통합합니다. 또한 2026년 5월 12일 보안 블로그 게시물에서는 시스템에 추가적인 Prove 단계가 포함되어 있다고 설명했으며, 이 단계는 버그 유형이 허용하는 경우 트리거 입력을 구성하고 실행합니다.

문서에 명시된 기능으로는 각 발견에 대한 세밀한 신뢰도 점수, Defender CLI의 defender fix 명령을 통한 AI 생성 코드 수정, Microsoft Security Exposure Management에 중앙 집중식 결과 저장, GitHub 및 Azure DevOps와의 연결 등이 있습니다. 또한 MDASH는 코드베이스 전반에 걸쳐 일반적으로 작동하며 모든 주요 프로그래밍 언어를 지원하고, C, C++, Java, C#에 특히 깊은 전문성을 가진 특수 튜닝된 에이전트를 포함합니다.

보고된 결과 및 이전 개발

Microsoft는 MDASH가 실제 취약점에 대한 공개 CyberGym 벤치마크에서 96.55점을 기록했으며, 회사의 과거 취약점 사례에 대해 검증된 자체 코드에서도 유사한 결과를 얻었다고 밝혔습니다.

5월 12일 게시물에 따르면, 이 하네스는 Microsoft가 공격 보안 연구원 인터뷰 시 사용하는 비공개 샘플 드라이버인 StorageDrive에 고의로 삽입한 21개의 취약점 모두를 발견했으며, 오탐은 전혀 없었습니다. 또한 Windows 구성 요소인 clfs.sys에서 확인된 28건의 Microsoft Security Response Center 사례에 대해 96% 재현률을, 5년 동안의 7건 tcpip.sys 사례에 대해 100% 재현률을 기록했으며, CyberGym의 1,507개 실제 취약점 재현 과제에 대해 88.45% 점수를 받아 당시 공개 리더보드에서 최고 점수를 기록했습니다. 같은 게시물은 2026년 5월 12일 Patch Tuesday에 적용된 Windows 네트워킹 및 인증 스택에서 16개의 새로운 취약점을 발견했으며, 그 중 네 개는 Windows 커널 TCP/IP 스택 및 IKEv2 서비스와 같은 구성 요소에서 발생한 Critical 원격 코드 실행 결함이라고 전했습니다. 당시 시스템은 소수 고객을 대상으로 제한된 비공개 프리뷰 단계에 있었습니다.

MDASH는 Microsoft의 Autonomous Code Security 팀이 구축했으며, 이 팀에는 오픈소스 프로젝트에서 실제 버그를 찾아 패치한 자율 사이버 추론 시스템으로 DARPA AI Cyber Challenge를 수상한 Team Atlanta의 엔지니어들이 포함되어 있습니다.

2026년 8월 13일, Microsoft는 MAI-Cyber-1-Flash를 MDASH 내부에 도입했으며, 이는 회사의 MAI-Thinking-1 라인에서 파생된 소형 보안 모델입니다. 이 모델은 Mustafa Suleyman과 Hayete Gallot이 작성한 게시물에서 소개되었으며, 전체 스캔 작업의 90%를 처리하고 나머지 10%의 매우 어려운 작업은 GPT-5.4가 담당하도록 설계되었습니다. 이를 통해 이전에 제공되던 MDASH 최고의 모델 조합 대비 50% 비용 절감 효과를 제공한다고 밝혔습니다. 또한 결합된 시스템은 CyberGym any-crash 점수 96%를 기록했으며, 목표 any-of 점수 90.4%와 최종 제출 점수 86.3%를 달성했다고 명시했습니다. Microsoft는 이 모델이 AI 레드팀에 의해 평가되었으며, 자동 및 전문가 주도 적대적 연습을 통해 테스트되고, 제3자에 의해 독립적으로 평가되었다고 전했습니다.

다중 모델 설계 및 위협 프레이밍

Microsoft는 하네스 설계가 핵심 차별화 요소라고 강조했습니다. 즉, 특정 작업에 가장 적합한 모델을 선택·조정하고 조정하는 시스템으로, 새로운 모델이 등장해도 재구축 없이 바로 적용할 수 있어 기관이 시스템 하부에 투자한 모든 것이 지속적으로 활용됩니다. 정부 발표에 따르면, 최신 MAI 모델군 추가는 개별 스캔 비용을 대략 절반으로 줄일 것으로 예상됩니다.

이번 발표는 AI 역량에 투자하는 위협 행위자를 중심으로 전개되었으며, 방어자에게 지속 가능한 유일한 이점은 시간이라고 주장했습니다. 즉, 취약점을 발견·패치하는 시점과 다른 누군가가 이를 발견하기 전까지의 차이를 의미합니다. 접근을 원하는 조직은 Azure Government의 MDASH에 대해 Microsoft 계정 팀에 문의하도록 안내되었습니다.