Microsoft implementează scanarea AI agentică cu numele de cod MDASH în Azure Government

Sistemul de scanare agentică multi‑model al Microsoft pentru identificarea vulnerabilităților de securitate în software, cu numele de cod MDASH, a fost implementat în Microsoft Azure Government, a anunțat pe 8 septembrie 2026, cu acces în previzualizare disponibil pentru anumite clienţi guvernamentali din SUA și parteneri autorizaţi.

O funcție Defender în Azure Government

Anunțul a fost redactat de Douglas Phillips, președinte și director tehnologic al Microsoft Specialized Clouds. În Azure Government, MDASH este disponibil ca o funcție a Microsoft Defender care funcționează cu modele disponibile în cadrul serviciului Microsoft Foundry autorizat FedRAMP High. Azure Government este un cloud separat, izolat, operat de persoane din SUA verificate, creat pentru a satisface obligațiile de conformitate ale clienților federali, de securitate națională și ai guvernelor de stat și locale, inclusiv autorizația FedRAMP High și acreditarea Departamentului de Război pentru sarcini de lucru controlate și critice pentru misiune. Microsoft a declarat că aranjamentul permite codului sursă al unei agenții, și tot ce sistemul învață despre acesta, să rămână în interiorul unei limite deja aprobate pentru gestionarea acestor date.

Microsoft a declarat că folosește numele de cod MDASH în propriul său software de luni de zile și că clienții din agențiile de securitate națională și civile explorează deja capabilitățile sale. Conform anunțului, agențiile își clasifică software‑ul în funcție de importanța misiunii și lucrează în mod constant pe listă, având ca obiectiv declarat o acoperire de 100 % a codului.

Cum funcționează scannerul agentic

Microsoft descrie MDASH ca pe un scanner de cod agentic care identifică și validează vulnerabilitățile exploatabile în codul sursă. În loc să verifice codul față de o bibliotecă de modele cunoscute, așa cum fac instrumentele tradiționale de scanare, sistemul citește și raționează asupra software‑ului în modul în care ar face un cercetător de securitate expert, urmărind modul în care informația circulă printr‑un program pentru a determina dacă o slăbiciune ar putea fi cu adevărat exploatată. Peste 100 de agenți AI specializaţi, care se bazează pe diverse modele, lucrează pe același set de cod, fiecare antrenat să recunoască o categorie diferită de slăbiciune. Descoperirile lor sunt transmise unui al doilea grup de agenţi al căror rol este să argumenteze, în favoarea și împotriva, dacă fiecare defect suspect este cu adevărat accesibil și periculos. Sistemul apoi combină și elimină duplicatele rezultatelor și, acolo unde este posibil, demonstrează defectul în loc să îl afirme doar, livrând ceea ce Microsoft caracterizează ca o listă rafinată și prioritizată de vulnerabilităţi.

Documentația produsului Microsoft documentația produsului prezintă un lanț de procesare în mai multe etape: o etapă de Pregătire care clasifică fișierele după risc utilizând analiza graficului de apeluri și metrici de complexitate a codului; o etapă de Scanare care rulează agenţi specifici rolului, cum ar fi auditori pentru injecții, siguranță a memoriei și ocolire a autentificării; o etapă de Validare care aplică analiza de contaminare și dezbatere multi‑model pentru a rafina încrederea și a elimina alarmele false; și o etapă de Deduplicare care consolidează constatările duplicate. O postare pe blogul de securitate din 12 mai 2026, care a detaliat public sistemul pentru prima dată, a descris o etapă suplimentară de Dovadă, care construiește și execută intrări declanșatoare acolo unde clasa de bug‑uri permite acest lucru.

Capabilitățile documentate includ evaluarea granulară a încrederii pentru fiecare constatare, remedieri de cod generate de AI prin comanda defender fix în Defender CLI, rezultate centralizate în Microsoft Security Exposure Management și conectori pentru GitHub și Azure DevOps. Documentația precizează că MDASH funcționează în mod generic pe diferite baze de cod și suportă toate limbajele de programare majore, având agenţi experţi special reglaţi cu expertiză deosebită în C, C++, Java și C#.

Rezultate raportate și dezvoltări anterioare

Microsoft a declarat că MDASH a obținut un scor de 96,55 în cadrul benchmark‑ului public CyberGym pentru vulnerabilități din lumea reală și a produs rezultate similare pe cod propriu validat în raport cu cazurile istorice de vulnerabilităţi ale companiei.

Postarea din 12 mai a raportat că sistemul a găsit toate cele 21 de vulnerabilităţi plasate deliberat, fără niciun fals pozitiv, pe StorageDrive, un driver de probă privat pe care Microsoft îl folosește în interviurile cu cercetătorii de securitate ofensivă. A raportat o rată de recuperare de 96 % pentru 28 de cazuri confirmate de Microsoft Security Response Center în componenta Windows clfs.sys și 100 % pentru șapte cazuri în tcpip.sys, fiecare acoperind cinci ani, și un scor de 88,45 % pe corpusul CyberGym de 1 507 sarcini de reproducere a vulnerabilităţilor din viaţa reală, pe care Microsoft l‑a declarat cel mai mare scor din clasamentul publicat al benchmark‑ului la acea vreme. Aceeaşi postare a precizat că sistemul a ajutat cercetătorii să descopere 16 noi vulnerabilităţi în stiva de reţea și autentificare Windows pentru Patch Tuesday din 12 mai 2026, inclusiv patru defecte critice de execuție de cod la distanță în componente precum stiva TCP/IP a nucleului Windows și serviciul IKEv2. În acel moment sistemul se afla într‑o previzualizare privată limitată, cu un număr mic de clienţi.

MDASH a fost dezvoltat de echipa Autonomous Code Security a Microsoft, ale cărei membri includ ingineri din Team Atlanta, echipa care a câştigat DARPA AI Cyber Challenge cu un sistem autonom de raţionament cibernetic care a găsit și reparat erori reale în proiecte open‑source.

Pe 13 august 2026, Microsoft a introdus MAI‑Cyber‑1‑Flash în MDASH, un model de securitate compact derivat din linia MAI‑Thinking‑1 a companiei, într‑o postare redactată de Mustafa Suleyman și Hayete Gallot. Microsoft a declarat că modelul este conceput să gestioneze până la 90 % din sarcinile de scanare, rezervând GPT‑5.4 pentru cei 10 % de sarcini excepţional de dificile, iar combinaţia oferă o reducere de cost de 50 % comparativ cu cea mai bună combinație de modele oferită anterior în MDASH. Compania a raportat un scor CyberGym de 96 % pentru orice blocare a sistemului combinat, cu o clarificare care menționează un scor țintă de 90,4 % pentru orice‑of și un scor final‑de‑trimitere de 86,3 %. Microsoft a afirmat că modelul a fost evaluat de echipa sa AI Red Team, testat prin exerciții automate și conduse de experţi adversari, și evaluat independent de o terță parte.

Design multi‑model și încadrări ale amenințărilor

Microsoft a declarat că designul sistemului este factorul diferenţiator cheie: un sistem care direcționează și coordonează modelele cele mai potrivite pentru o sarcină specifică, permițând adoptarea de modele noi pe măsură ce apar, fără a fi nevoie de reconstrucție, astfel încât tot ce a investit o agenție în fluxul de lucru al sistemului să fie păstrat. Anunțul guvernamental a precizat că cea mai recentă adiție la familia de modele MAI ar trebui să reducă costul unei scanări individuale aproximativ la jumătate.

Anunțul a încadra lansarea în contextul actorilor de amenințare care investesc în capabilități AI, argumentând că singurul avantaj durabil disponibil apărătorilor este timpul, adică diferența dintre momentul în care o slăbiciune poate fi găsită și reparată și momentul în care altcineva o descoperă. Organizaţiile care doresc acces sunt îndrumate să contacteze echipa lor de cont Microsoft pentru MDASH în Azure Government.