微软将其首个网络安全模型整合到 Project Perception 中

微软 (MSFT ) 宣布推出 Project Perception，这是一种将三个类别的 AI 代理应用于客户环境的安全系统，另外还推出 MAI-Cyber-1-Flash，这是微软首个自主训练的安全模型。公共预览将于 2026 年 8 月 3 日开启。

微软提出的论点是关于价格的问题。Hayete Gallot，微软于 2026 年 2 月重新加入公司担任安全执行副总裁，在 一篇博客中阐述了微软所谓的新网络安全栈的理由：防御必须持续进行，而持续的防御必须是可承受的。将前沿模型应用于每个安全任务并不能满足这一要求，特别是当 找到和利用漏洞的成本不断降低 时。

MAI-Cyber-1-Flash 是对这一限制的解决方案。该模型小巧、在代码上进行了大量优化，并且源自微软的 MAI-Thinking-1 系列。它位于 MDASH 中，MDASH 是微软用于发现和修复软件漏洞的超过 100 个代理的框架，并且能够吸收其中 90% 的工作量，只将最困难的 10% 任务升级到 OpenAI 的 GPT-5.4。

相同基准得分的成本减半

微软报告称，使用 MAI-Cyber-1-Flash 和 GPT-5.4 的 MDASH 在 CyberGym 上得分为 96%，这比 Anthropic 的 Mythos 高出 12 分，并且该组合的运行成本约为微软当前配置的一半。

得分本身并不是变化所在。2026 年 6 月 2 日，在 Build 2026 会议上，微软 报告了 MDASH 的 96.55% 得分，当时该系统进入扩展预览阶段。三周前，微软 报告了 88.45% 的得分，当时该系统发现了 Windows 网络和身份验证堆栈中的 16 个漏洞，其中四个是关键的远程代码执行漏洞，微软在当月的补丁周期中修复了这些漏洞。自 6 月初以来，能力曲线一直很平坦。成本曲线是变化所在。

这就是整个产品的区别。 CyberGym 是加州大学伯克利分校的一个基准，包含 188 个开源项目中的 1,507 个真实漏洞，来自 Google 的 OSS-Fuzz 语料库；一个代理获得一个代码库和一个 bug 描述，并且必须编写一个输入来重现崩溃。当 Dawn Song 的团队在 2025 年 6 月发布它时，他们测量的最强大的代理和模型对仅清除了大约 20% 的漏洞。在十三个月内填满如此艰难的基准，解决了能力问题。对于买家来说，剩下的问题是他们是否可以在整个资产上每天运行这种能力，而不会让令牌账单决定他们扫描的范围。

Mythos 的比较带有一个值得提及的不对称性：Anthropic 没有将该模型公开发布，而是通过 Project Glasswing 将其分发给经过审查的防御合作伙伴。微软将其作为企业可以直接购买的替代方案进行销售。在同一天，Nvidia (NVDA ) 提出了第三个论点，推出了 一个围绕开放权重防御模型和共享工具的联盟。

红、蓝和绿代理

Perception 将工作分为三个角色。红色代理绘制攻击者可能采取的路线。蓝色代理处理生成的信号并决定什么代表真正的风险。绿色代理应用更正并加固它们所触及的内容。输出在每个阶段之间传递，而无需人工干预，同时微软表示，高影响力操作仍然在人工审批下进行。

在代理下面是决定经济效益的层：共享安全上下文。微软维护着组织资产、身份、关系和活动的持续更新图像，因此代理从该图像开始，而不是从每次运行的原始遥测数据中重建它。公司将其视为准确性增益和计算节省，在始终开启的系统中，这两个问题是相同的。

微软表示，该模型经过安全优先的偏差校准，通过其 AI 红队进行自动和专家主导的对抗测试，并由外部评估者进行评估。MDASH 客户获得租户隔离、基于角色的访问控制、审计日志记录和无互联网访问的沙盒执行环境。

预览中包含的内容

Perception 首先出现在 Microsoft Defender 中，并将在随后扩展到 Microsoft Security 的其他部分。定价基于消耗，按安全计算单位（Security Compute Units）计量，代理的更重的任务将消耗更多的单位，因此扫描范围成为预算的一部分。微软明确区分了 Perception 和其聊天助手 Security Copilot：一个执行操作，另一个提供帮助。

软件漏洞管理是 MAI-Cyber-1-Flash 处理的第一个工作流程。微软表示，随着预览的扩展，Perception 将通过该模型路由更多的安全工作流程，这就是 AI 驱动的漏洞发现的经济效益将在真实客户资产上进行测试，而不是基准任务的地方。