Microsoft, Kod Adı MDASH Etkin AI Tarama Sistemini Azure Government’a Dağıtıyor

Microsoft’un çok modellerli, ajan tabanlı tarama sistemi olan, yazılımlardaki güvenlik açıklarını bulmak için tasarlanmış kod adı MDASH, Microsoft Azure Government’a dağıtıldı; şirket bunu 8 Eylül 2026’da duyurdu ve ön izleme erişimi seçkin ABD hükümet müşterileri ve yetkili ortaklar için sunuluyor.

Azure Government İçinde Bir Defender Özelliği

Duyuruyu, Microsoft Specialized Clouds Başkanı ve Baş Teknoloji Sorumlusu Douglas Phillips kaleme aldı. Azure Government’ta MDASH, FedRAMP High onaylı Microsoft Foundry hizmeti kapsamında mevcut modellerle çalışan Microsoft Defender’ın bir özelliği olarak sunulmaktadır. Azure Government, taranmış ABD vatandaşları tarafından işletilen, ayrı ve izole bir buluttur; federal, ulusal güvenlik ve eyalet ile yerel hükümet müşterilerinin uyum yükümlülüklerini karşılamak üzere tasarlanmıştır; FedRAMP High yetkilendirmesi ve kontrol edilen ve görev kritik iş yükleri için Savaş Bakanlığı akreditasyonu dahil. Microsoft, bu düzenlemenin bir ajansın kaynak kodunun ve sistemin bu kod hakkında edindiği tüm bilgilerin, bu verilerin işlenmesi için zaten onaylanmış bir sınır içinde kalmasını sağladığını belirtti.

Microsoft, kod adı MDASH’i kendi yazılımlarında aylardır kullandığını ve ulusal güvenlik ile sivil ajanslardaki müşterilerin zaten bu yeteneklerini keşfettiklerini söyledi. Duyuruya göre, ajanslar yazılımlarını görev önemiyle sıralıyor ve listede sistemli bir şekilde ilerliyor; hedef olarak %100 kod kapsama oranı belirlenmiş.

Ajan Tabanlı Tarayıcı Nasıl Çalışır

Microsoft, MDASH’i kaynak koddaki kullanılabilir güvenlik açıklarını bulup doğrulayan bir ajan tabanlı kod tarayıcısı olarak tanımlıyor. Geleneksel tarama araçlarının yaptığı gibi bilinen desen kitaplıklarına karşı kodu kontrol etmek yerine, sistem bir uzman güvenlik araştırmacısının yapacağı gibi yazılımı okur ve akıl yürütür; bir zayıflığın gerçekten istismar edilebilir olup olmadığını belirlemek için bilginin program içinde nasıl hareket ettiğini izler. 100’den fazla özel AI ajanı, çeşitli modellerden yararlanarak aynı kod tabanında çalışır; her biri farklı bir zayıflık kategorisini tanımak üzere eğitilmiştir. Bulguları, her şüpheli hatanın gerçekten ulaşılabilir ve tehlikeli olup olmadığını savunan ve karşı çıkan ikinci bir ajan grubuna aktarılır. Ardından sistem sonuçları birleştirir ve çoğaltmaları kaldırır; mümkün olduğunda hatayı yalnızca iddia etmek yerine gösterir ve Microsoft’un tanımladığı gibi, iyileştirilmiş ve önceliklendirilmiş bir güvenlik açığı listesi sunar.

Microsoft’un ürün belgeleri çok aşamalı bir işlem hattını açıklamaktadır: Hazırlık aşaması, dosyaları risklerine göre çağrı grafiği analizi ve kod karmaşıklığı metrikleriyle sıralar; Tarama aşaması, enjeksiyon, bellek güvenliği ve kimlik doğrulama atlatma denetçileri gibi rol‑özel ajanları çalıştırır; Doğrulama aşaması, kirlenme analizini ve çok‑model tartışmasını uygulayarak güveni artırır ve yanlış pozitifleri ortadan kaldırır; Tekrarlama önleme aşaması ise yinelenen bulguları birleştirir. 12 Mayıs 2026 tarihli Güvenlik Blogu gönderisi, sistemi ilk kez kamuoyuna detaylandıran gönderi, ek bir Kanıt aşaması tanımlamış; bu aşama, hata sınıfının izin verdiği tetikleyici girdileri oluşturur ve yürütür.

Belgelere göre, her bulgu için ayrıntılı güven puanlaması, Defender CLI’daki defender fix komutu aracılığıyla AI tarafından üretilen kod düzeltmeleri, Microsoft Security Exposure Management’ta merkezi sonuçlar ve GitHub ile Azure DevOps için bağlayıcılar gibi yetenekler mevcuttur. Dokümantasyon, MDASH’in kod tabanları genelinde çalıştığını ve tüm başlıca programlama dillerini desteklediğini; özellikle C, C++, Java ve C# konusunda derin uzmanlığa sahip özel olarak ayarlanmış ajanlar içerdiğini belirtmektedir.

Raporlanan Sonuçlar ve Önceki Geliştirme

Microsoft, MDASH’in gerçek dünya güvenlik açıkları üzerindeki kamu CyberGym kıyaslamasında 96,55 puan aldığını ve şirketin tarihsel güvenlik açığı vakalarına karşı doğrulanan birinci taraf kodunda benzer sonuçlar elde ettiğini belirtti.

12 Mayıs tarihli gönderi, sistemin özel bir örnek sürücü olan StorageDrive’da kasıtlı olarak yerleştirilmiş 21 güvenlik açığını hiçbir yanlış pozitif olmadan bulduğunu raporladı. Windows bileşeni clfs.sys’te 28 onaylanmış Microsoft Security Response Center vakasına karşı %96 geri çağırma ve tcpip.sys’te beş yıllık süredeki yedi vaka için %100 geri çağırma sağladığını; ayrıca CyberGym’in 1.507 gerçek dünya güvenlik açığı yeniden üretme görevinden oluşan veri kümesinde %88,45 puan alarak o dönemde yayınlanan liderlik tablosunda en yüksek puanı elde ettiğini bildirdi. Aynı gönderi, sistemin 12 Mayıs 2026 Patch Tuesday güncellemesi için Windows ağ ve kimlik doğrulama yığını üzerinde 16 yeni güvenlik açığı bulduğunu; bu açıkların arasında Windows kernel TCP/IP yığını ve IKEv2 hizmeti gibi bileşenlerde dört Kritik uzaktan kod yürütme hatası da bulunduğunu açıkladı. O dönemde sistem, sınırlı bir özel ön izleme aşamasında ve az sayıda müşteri ile kullanılmaktaydı.

MDASH, Microsoft’un Otonom Kod Güvenliği ekibi tarafından geliştirildi; bu ekibin üyeleri arasında, açık kaynak projelerde gerçek hataları bulup yamalayan otonom siber akıl yürütme sistemiyle DARPA AI Cyber Challenge’ı kazanan Team Atlanta mühendisleri de bulunmaktadır.

13 Ağustos 2026’da Microsoft, MAI-Cyber-1-Flash’i MDASH içinde tanıttı; bu, şirketin MAI-Thinking-1 serisinden türetilen kompakt bir güvenlik modelidir ve Mustafa Suleyman ile Hayete Gallot tarafından kaleme alınan bir gönderide duyurulmuştur. Microsoft, modelin tarama görevlerinin %90’ını karşılayacak şekilde tasarlandığını, kalan %10 zorlu görevler için GPT-5.4’ün ayrıldığını ve bu kombinasyonun MDASH’te daha önce sunulan en iyi model kombinasyonuna göre %50 maliyet tasarrufu sağladığını belirtti. Şirket, birleşik sistem için %96 CyberGym herhangi‑çökme puanı elde edildiğini, hedef %90,4 herhangi‑bir‑puan ve %86,3 son‑gönderim puanı olduğunu açıklamış; modelin AI Red Team tarafından değerlendirildiği, otomatik ve uzman‑liderli adversarial alıştırmalarla test edildiği ve üçüncü bir tarafça bağımsız olarak incelendiği de bildirildi.

Çok‑Model Tasarımı ve Tehdit Çerçevesi

Microsoft, sistem tasarımının temel ayırt edici özelliğinin: belirli bir görev için en uygun modelleri yönlendiren ve koordine eden bir sistem olması; yeni modeller geldikçe yeniden inşa etmeye gerek kalmadan benimsenebilmesi ve ajansın sistemin altındaki tüm yatırımlarının ileriye taşınabilmesi olduğunu söyledi. Hükümet duyurusu, MAI model ailesine eklenen en yeni unsurun bireysel tarama maliyetini yaklaşık yarıya düşürmesinin beklendiğini belirtti.

Duyuru, sürümü AI yeteneklerine yatırım yapan tehdit aktörleri bağlamında çerçeveledi; savunucular için tek kalıcı avantajın zaman olduğunu, yani bir zayıflığın bulunup yamalanması ile başka birinin onu bulması arasındaki boşluk olduğunu savundu. Erişim talep eden kuruluşlar, Azure Government’daki MDASH hakkında bilgi almak için Microsoft hesap ekipleriyle iletişime geçmeleri yönlendirilmiştir.