Microsoft implanta a varredura de IA agente codinome MDASH no Azure Government

O sistema de varredura agente de múltiplos modelos da Microsoft para encontrar falhas de segurança em software, codinome MDASH, foi implantado no Microsoft Azure Government, a empresa anunciou em 8 de setembro de 2026, com acesso de pré‑visualização disponível para clientes selecionados do governo dos EUA e parceiros autorizados.

Um recurso do Defender dentro do Azure Government

O anúncio foi escrito por Douglas Phillips, Presidente e Diretor de Tecnologia da Microsoft Specialized Clouds. No Azure Government, o MDASH está disponível como um recurso do Microsoft Defender que funciona com modelos disponíveis dentro do serviço Microsoft Foundry autorizado pelo FedRAMP High. O Azure Government é uma nuvem separada e isolada operada por pessoas dos EUA avaliadas, criada para atender às obrigações de conformidade de clientes federais, de segurança nacional e de governos estaduais e locais, incluindo a autorização FedRAMP High e a acreditação do Department of War para cargas de trabalho controladas e críticas à missão. A Microsoft afirmou que o arranjo permite que o código‑fonte de uma agência, e tudo o que o sistema aprende sobre ele, permaneçam dentro de um perímetro já aprovado para o tratamento desses dados.

A Microsoft afirmou que vem usando o codinome MDASH em seu próprio software há meses, e que clientes de agências de segurança nacional e civis já estão explorando suas capacidades. De acordo com o anúncio, as agências estão classificando seu software por importância de missão e avançando de forma constante na lista, com a meta declarada de 100 % de cobertura de código.

Como o scanner agente funciona

A Microsoft descreve o MDASH como um scanner de código agente que encontra e valida vulnerabilidades exploráveis no código‑fonte. Em vez de verificar o código contra uma biblioteca de padrões conhecidos, como fazem as ferramentas de varredura tradicionais, o sistema lê e raciocina sobre o software da mesma forma que um pesquisador de segurança experiente faria, seguindo como a informação se propaga pelo programa para determinar se uma fraqueza poderia realmente ser explorada. Mais de 100 agentes de IA especializados, baseados em diversos modelos, trabalham sobre o mesmo conjunto de código, cada um treinado para reconhecer uma categoria diferente de fraqueza. Seus achados são encaminhados a um segundo grupo de agentes cuja tarefa é argumentar o caso, a favor e contra, se cada suposta falha é realmente acessível e realmente perigosa. O mecanismo então mescla e elimina duplicatas dos resultados e, quando possível, demonstra a falha ao invés de apenas afirmá‑la, entregando o que a Microsoft caracteriza como uma lista refinada e priorizada de vulnerabilidades.

A documentação do produto descreve um pipeline de múltiplas etapas: uma fase de Preparação que classifica arquivos por risco usando análise de grafo de chamadas e métricas de complexidade de código; uma fase de Varredura que executa agentes específicos de função, como auditores de injeção, segurança de memória e bypass de autenticação; uma fase de Validação que aplica análise de contaminação e debate multi‑modelo para refinar a confiança e eliminar falsos positivos; e uma fase de Desduplicação que consolida achados duplicados. Um post do Security Blog de 12 de maio de 2026, que detalhou publicamente o sistema pela primeira vez, descreveu uma fase adicional de Prova, que constrói e executa entradas desencadeadoras onde a classe de bug permite.

As capacidades documentadas incluem pontuação granular de confiança para cada achado, correções de código geradas por IA através do comando defender fix no Defender CLI, resultados centralizados no Microsoft Security Exposure Management e conectores para GitHub e Azure DevOps. A documentação afirma que o MDASH opera de forma genérica em bases de código e suporta todas as principais linguagens de programação, com agentes especialistas especialmente ajustados que possuem expertise particularmente profunda em C, C++, Java e C#.

Resultados relatados e desenvolvimento anterior

A Microsoft informou que o MDASH obteve 96,55 no benchmark público CyberGym de vulnerabilidades do mundo real e produziu resultados semelhantes em código próprio validado contra os casos históricos de vulnerabilidades da empresa.

O post de 12 de maio informou que o mecanismo encontrou todas as 21 vulnerabilidades plantadas deliberadamente sem falsos positivos no StorageDrive, um driver de amostra privado que a Microsoft usa ao entrevistar pesquisadores de segurança ofensiva. Ele registrou 96 % de recall em 28 casos confirmados pelo Microsoft Security Response Center no componente Windows clfs.sys e 100 % em sete casos no tcpip.sys, cada um abrangendo cinco anos, e uma pontuação de 88,45 % no corpus do CyberGym de 1.507 tarefas de reprodução de vulnerabilidades do mundo real, que a Microsoft disse ser a maior pontuação no ranking publicado do benchmark na época. O mesmo post afirmou que o sistema ajudou pesquisadores a encontrar 16 novas vulnerabilidades na pilha de rede e autenticação do Windows para o Patch Tuesday de 12 de maio de 2026, incluindo quatro falhas críticas de execução remota de código em componentes como a pilha TCP/IP do kernel do Windows e o serviço IKEv2. Naquele momento, o sistema estava em uma pré‑visualização privada limitada com um pequeno conjunto de clientes.

O MDASH foi desenvolvido pela equipe Autonomous Code Security da Microsoft, cujos membros incluem engenheiros da Team Atlanta, a equipe que venceu o DARPA AI Cyber Challenge com um sistema autônomo de raciocínio cibernético que encontrou e corrigiu bugs reais em projetos de código aberto.

Em 13 de agosto de 2026, a Microsoft introduziu o MAI-Cyber-1-Flash dentro do MDASH, um modelo de segurança compacto derivado da linhagem MAI-Thinking-1 da empresa, em um post escrito por Mustafa Suleyman e Hayete Gallot. A Microsoft afirmou que o modelo foi projetado para lidar com até 90 % das tarefas de varredura, reservando o GPT-5.4 para os 10 % das tarefas excepcionalmente difíceis, e que a combinação oferece uma economia de custos de 50 % em comparação com a melhor combinação de modelos anteriormente oferecida no MDASH. A empresa relatou uma pontuação de 96 % no critério any‑crash do CyberGym para o sistema combinado, com uma ressalva indicando uma pontuação alvo any‑of de 90,4 % e uma pontuação final‑submission de 86,3 %. A Microsoft disse que o modelo foi avaliado por sua AI Red Team, testado por meio de exercícios adversariais automatizados e conduzidos por especialistas, e avaliado independentemente por uma terceira parte.

Design multimodelo e enquadramento de ameaças

A Microsoft afirmou que o design do mecanismo é o principal diferencial: um sistema que direciona e coordena os modelos mais adequados para uma tarefa específica, permitindo adotar novos modelos à medida que chegam sem necessidade de reconstrução, de modo que tudo o que uma agência investiu downstream do sistema seja mantido. O anúncio governamental disse que a mais recente adição à família de modelos MAI deve reduzir o custo de uma varredura individual em cerca de metade.

O anúncio enquadrou o lançamento em torno de atores de ameaça que investem em capacidades de IA, argumentando que a única vantagem durável disponível aos defensores é o tempo, ou seja, a lacuna entre o momento em que uma fraqueza pode ser encontrada e corrigida e antes que outra pessoa a descubra. As organizações que buscam acesso são direcionadas a entrar em contato com sua equipe de contas da Microsoft sobre o MDASH no Azure Government.