Microsoft 的 MDASH AI 系統在網路安全基準測試中名列前茅

🔑 增強重點摘要

• •MDASH，全稱為「多模型代理掃描工具」（multi-model agentic scanning harness），由微軟的自主程式碼安全團隊與 Windows 攻擊研究與防護 (WARP) 小組共同開發。
• •MDASH 最近在 Windows 中發現了 16 個先前未知的漏洞，其中包括四個關鍵的遠端程式碼執行漏洞，這些漏洞已在 2026 年 5 月的 Patch Tuesday 更新中修補。
• •該系統被設計為模型不可知（model-agnostic）架構，這使得微軟能夠在不重建整個協調管道的情況下，更換底層的 AI 模型。
• •MDASH 目前正處於企業客戶的有限私人預覽階段，預計將於 2026 年 6 月進行更廣泛的推廣。
• •除了 CyberGym 基準測試外，MDASH 在內部測試中也表現出色，在包含 21 個故意植入漏洞的私人測試驅動程式中，以零誤報率發現了所有漏洞，並在針對五年來已確認的 Microsoft 安全回應中心 (MSRC) 案例的回溯測試中，在 clfs.sys 中實現了 96% 的召回率，在 tcpip.sys 中實現了 100% 的召回率.

🛠️ 技術深入

• •MDASH 採用結構化管道運行，包含多個不同階段：準備（Prepare）、掃描（Scan）、驗證（Validate）、去重（Deduplicate）和證明建構（Proof Construction）。
• •準備階段： 攝取目標原始碼，建立語言感知索引，並透過分析過去的提交來繪製攻擊面和威脅模型。
• •掃描階段： 專門的「審計員」代理在候選程式碼路徑上運行，發出帶有假設和證據的候選發現。
• •驗證階段： 另一組「辯論者」代理驗證發現，並將語義上等效的發現分組。模型之間的分歧本身被用作提高發現可信度的訊號。
• •證明建構階段： 最後階段建構概念驗證攻擊，以確認錯誤的存在和可利用性。
• •該系統利用「前沿模型」（用於推理的最新模型）和「蒸餾模型」（用於高容量驗證的更小、更高效模型）的組合。
• •超過 100 個專門的 AI 代理是根據對過去的常見漏洞和暴露 (CVE) 及其修補程式的深入研究而建構的。
• •MDASH 的架構被設計為模型不可知，允許微軟在不重建整個協調管道的情況下更換底層 AI 模型。

🔮 前景展望AI analysis grounded in cited sources

⏳ 時間線