Microsoft wdraża skanowanie AI o charakterze agentowym o nazwie kodowej MDASH w Azure Government

System wielomodelowego, agentowego skanowania Microsoftu służący do wykrywania luk bezpieczeństwa w oprogramowaniu, o nazwie kodowej MDASH, został wdrożony w Microsoft Azure Government, co firma ogłosiła 8 września 2026 r., udostępniając podgląd wybranym klientom rządu USA oraz autoryzowanym partnerom.

Funkcja Defender w Azure Government

Ogłoszenie zostało przygotowane przez Douglasa Phillipsa, prezesa i dyrektora ds. technologii w Microsoft Specialized Clouds. W Azure Government, MDASH jest dostępny jako funkcja Microsoft Defender, współpracująca z modelami udostępnionymi w ramach usługi Microsoft Foundry zatwierdzonej przez FedRAMP High. Azure Government to odrębna, odizolowana chmura zarządzana przez zweryfikowane osoby z USA, zaprojektowana tak, aby spełniać wymogi zgodności klientów federalnych, bezpieczeństwa narodowego oraz władz stanowych i lokalnych, w tym autoryzację FedRAMP High oraz akredytację Departamentu Wojny dla kontrolowanych i krytycznych pod względem misji obciążeń. Microsoft podkreślił, że to rozwiązanie pozwala, aby kod źródłowy agencji oraz wszystkie informacje, które system o nim uzyska, pozostawały w obrębie granicy już zatwierdzonej do przetwarzania tych danych.

Microsoft poinformował, że używa nazwy kodowej MDASH w własnym oprogramowaniu od kilku miesięcy i że klienci z agencji bezpieczeństwa narodowego oraz cywilnych już badają jej możliwości. Zgodnie z ogłoszeniem, agencje klasyfikują swoje oprogramowanie według znaczenia misji i systematycznie przechodzą listę, dążąc do 100 % pokrycia kodu.

Jak działa skaner agentowy

Microsoft opisuje MDASH jako agentowy skaner kodu, który wykrywa i weryfikuje podatne na wykorzystanie luki w kodzie źródłowym. Zamiast sprawdzać kod w oparciu o bibliotekę znanych wzorców, jak tradycyjne narzędzia skanujące, system analizuje i rozumuje oprogramowanie w sposób, w jaki zrobiłby to ekspert ds. bezpieczeństwa, śledząc przepływ informacji w programie, aby określić, czy słabość może być rzeczywiście wykorzystana. Ponad 100 wyspecjalizowanych agentów AI, korzystających z różnych modeli, pracuje nad tym samym kodem, każdy przeszkolony do rozpoznawania innej kategorii słabości. Ich wyniki przekazywane są drugiej grupie agentów, której zadaniem jest argumentowanie, za i przeciw, czy każda podejrzana luka jest rzeczywiście osiągalna i niebezpieczna. Następnie mechanizm scala i odtwarza wyniki, a tam, gdzie to możliwe, demonstruje lukę zamiast jedynie ją stwierdzać, dostarczając to, co Microsoft określa jako dopracowaną i priorytetyzowaną listę podatności.

Dokumentacja produktu Microsoftu product documentation opisuje wieloetapowy potok: etap Przygotowanie, który ocenia pliki pod kątem ryzyka przy użyciu analizy grafu wywołań i metryk złożoności kodu; etap Skanowanie, uruchamiający agentów specyficznych dla ról, takich jak audytorzy wstrzyknięć, bezpieczeństwa pamięci i obejścia uwierzytelniania; etap Walidacja, stosujący analizę zanieczyszczeń i debatę wielomodelową w celu zwiększenia pewności i eliminacji fałszywych alarmów; oraz etap Usuwanie duplikatów, konsolidujący powtarzające się wyniki. Post na blogu bezpieczeństwa z 12 maja 2026 r., który po raz pierwszy publicznie szczegółowo opisał system, wprowadzał dodatkowy etap Dowód, w którym konstruowane i wykonywane są wyzwalające wejścia, gdy klasa błędu na to pozwala.

Udokumentowane możliwości obejmują szczegółowe ocenianie pewności każdego wykrycia, generowane przez AI poprawki kodu za pomocą polecenia defender fix w interfejsie wiersza poleceń Defender CLI, scentralizowane wyniki w Microsoft Security Exposure Management oraz łączniki do GitHub i Azure DevOps. Dokumentacja stwierdza, że MDASH działa ogólnie na wszystkich bazach kodu i obsługuje wszystkie główne języki programowania, przy czym specjalnie dostrojone agenty ekspertów posiadają szczególnie głęboką wiedzę w C, C++, Java i C#.

Zgłoszone wyniki i wcześniejszy rozwój

Microsoft podał, że MDASH uzyskał wynik 96,55 w publicznym benchmarku CyberGym dotyczącym rzeczywistych podatności oraz osiągnął podobne wyniki w kodzie własnym weryfikowanym względem historycznych przypadków podatności firmy.

Post z 12 maja poinformował, że system wykrył wszystkie 21 celowo wprowadzone luki, nie generując żadnych fałszywych alarmów w StorageDrive, prywatnym sterowniku przykładowym używanym przez Microsoft podczas rozmów kwalifikacyjnych z badaczami bezpieczeństwa ofensywnego. Zgłosił 96 % odtworzenia w odniesieniu do 28 potwierdzonych przypadków Microsoft Security Response Center w komponencie Windows clfs.sys oraz 100 % w siedmiu przypadkach w tcpip.sys, każdy obejmujący pięć lat, a także wynik 88,45 % w korpusie CyberGym, zawierającym 1 507 rzeczywistych zadań odtwarzania podatności, co Microsoft określił jako najwyższy wynik w publikowanej tabeli liderów benchmarku w tamtym czasie. Ten sam post stwierdził, że system pomógł badaczom znaleźć 16 nowych podatności w warstwie sieciowej i uwierzytelniania Windows w ramach Patch Tuesday z 12 maja 2026 r., w tym cztery krytyczne luki umożliwiające zdalne wykonanie kodu w komponentach takich jak stos TCP/IP jądra Windows oraz usługa IKEv2. W tym momencie system znajdował się w ograniczonym prywatnym podglądzie dostępny dla niewielkiej grupy klientów.

MDASH został opracowany przez zespół Autonomous Code Security firmy Microsoft, którego członkowie to inżynierowie z Team Atlanta, zespołu, który wygrał DARPA AI Cyber Challenge dzięki autonomicznemu systemowi cyber‑rozumowania, wykrywającemu i naprawiającemu rzeczywiste błędy w projektach open‑source.

13 sierpnia 2026 r. Microsoft wprowadził MAI‑Cyber‑1‑Flash w ramach MDASH, kompaktowy model bezpieczeństwa wywodzący się z linii MAI‑Thinking‑1 firmy, w poście autorstwa Mustafy Suleymana i Hayete Gallot. Microsoft podkreślił, że model został zaprojektowany do obsługi do 90 % zadań skanowania, pozostawiając GPT‑5.4 na 10 % wyjątkowo trudnych zadań, a połączenie to zapewnia 50 % oszczędności kosztów w porównaniu z najlepszą kombinacją modeli oferowaną wcześniej w MDASH. Firma zgłosiła wynik 96 % w testach CyberGym typu any‑crash dla połączonego systemu, z doprecyzowaniem, że docelowy wynik any‑of wynosi 90,4 %, a końcowy wynik zgłoszenia 86,3 %. Microsoft poinformował, że model został oceniony przez wewnętrzny AI Red Team, przetestowany w automatycznych i prowadzonych przez ekspertów ćwiczeniach adwersarialnych oraz niezależnie zweryfikowany przez podmiot trzeci.

Projekt wielomodelowy i ramy zagrożeń

Microsoft stwierdził, że projekt systemu jest kluczowym wyróżnikiem: system, który kieruje i koordynuje dowolne modele najlepiej pasujące do konkretnego zadania, umożliwiając przyjmowanie nowszych modeli w miarę ich pojawiania się bez konieczności przebudowy, tak aby wszystkie inwestycje agencji w dalszej części systemu były zachowane. Ogłoszenie rządowe podkreśliło, że najnowszy element rodziny modeli MAI ma zmniejszyć koszt pojedynczego skanowania o około połowę.

Ogłoszenie umieściło wydanie w kontekście aktorów zagrożeń inwestujących w możliwości AI, argumentując, że jedyną trwałą przewagą obrońców jest czas, czyli luka pomiędzy momentem wykrycia i naprawy słabości a momentem, gdy ktoś inny ją znajdzie. Organizacje poszukujące dostępu są kierowane do kontaktu z zespołem kont Microsoft w sprawie MDASH w Azure Government.