上个月,微软发布了MDASH——微软安全多模型智能体扫描框架。尽管名字略显拗口,但这是一次重大尝试,旨在将海量安全告警精简为真正可被利用的漏洞警报。
在Build 2026大会上,微软宣布将MDASH能力整合进完整的企业安全控制平面,打通Defender、GitHub Code Security、Agent 365与Purview。
微软首席安全架构师Ales Holecek表示:"AI漏洞发现已从研究领域的探索跨越到企业级生产防御,而持久优势在于围绕模型构建的智能体系统,而非任何单一模型本身。"
安全自动化领域面临的一大难题是信噪比问题。当算法或AI被部署到网络或代码库中时,自动化工具往往会产生数百甚至数千条警报。
尽管安全扫描器发现的所有潜在风险或许都值得关注,但并非每一条都需要立刻拉响最高级别警报。
这就像战地分诊的逻辑:数百名伤员涌入分诊区,医护人员迅速判断谁需要紧急救治、谁可以暂缓处理、谁已回天乏术,然后将资源集中在最危急且有救治希望的伤员身上。
MDASH(官方代号"Codename MDASH")本质上是一套对漏洞进行分级处理的AI智能体系统。它不会用持续的漏洞发现结果淹没修复团队,而是"将真实、可操作的风险置于优先位置,过滤噪声,帮助团队聚焦真正可被利用的威胁"。
微软未公开MDASH所使用的具体模型,但表示系统采用前沿模型处理复杂推理任务,并使用低成本模型应对高并发操作。这样的组合让微软能够在速度、召回率与成本之间灵活权衡,同时降低对单一模型的依赖,并实现模型无关性,便于在必要时切换模型。
Holecek介绍称:"这套全新的智能体安全系统通过超过100个专属AI智能体组成的流水线,结合多模型集成方式,对主流编程语言编写的代码库进行漏洞发现、验证与可利用性证明。"
对于基准测试评分,笔者向来持保留态度,因为工具可能针对测试指标进行专门优化。尽管如此,微软表示MDASH近期在CyberGym基准测试中取得了96.55%的得分,较上月首次发布时的88.45%有所提升。
在Build 2026大会上,微软将MDASH纳入更广泛的企业安全平台叙事,不再将其定位为独立的私有预览产品。微软宣布MDASH现已面向符合条件的组织开放扩展预览,并整合了Microsoft Defender。这是微软推动保障完整AI开发生命周期的重要举措,覆盖代码、智能体、提示词、数据与模型各环节,并以此为基础保护网络整体安全。
普华永道美国网络、数据与技术风险部门负责人及副平台领导Morgan Adamski表示:"我们看到网络威胁正在快速演进,AI正在加速攻击的规模与复杂程度。MDASH在简化和强化安全运营方面潜力显著,有助于组织以更强的韧性和信心开展运营。"
与此同时,Microsoft Defender与GitHub Code Security正在进行整合,将运行时上下文引入开发者与安全工作流程,以便在生命周期更早阶段发现、优先处理并修复风险。
据微软介绍:"代码中发现的漏洞将自动与真实生产环境信号关联,例如互联网暴露面和数据敏感性,以辅助优先级判断。开发者随后可借助AI辅助修复功能,通过GitHub Copilot自动修复和GitHub Copilot云端智能体完成问题的生成、分配与验证。"
埃森哲首席信息安全官Kris Burkhardt表示:"微软围绕MDASH所构建的系统,代表着从被动式、基于规则的扫描向智能体系统的实质性转变——后者能够像资深安全研究员一样对复杂代码库进行推理分析。"
Build大会传递出的核心信息是:微软正将自身定位为AI时代软件开发与部署的安全层,尤其面向深度依赖微软生态的企业客户。
微软表示:"创新与安全之间不应存在取舍。今日发布的能力贯穿完整开发生命周期:发现可利用漏洞、治理运行中的系统、保护AI所依赖的数据,以及在智能体上线前验证其行为是否符合预期。"
微软还提出了一个值得关注的观点:AI的进步不仅取决于能力的突破,更取决于组织能否信任其正在构建和部署的系统。言下之意,基于微软基础设施构建和运行的系统将能够建立这种信任。
Holecek如此阐述:"这种信任是Build 2026所有创新公告的共同主线,也是我们方法论的指导原则。因为AI的未来不只属于行动最快的人,更属于能够以信任驱动创新的人。"
客观而言,微软一贯敢于大胆出手,且往往能将其落地成真。如果微软工具能够证明漏洞的可利用性,并将其与修复流程打通,将有望重塑企业漏洞管理方式,大幅提升组织安全水位。
Q&A
Q1:MDASH是什么?它在企业安全中能起到什么作用?
A:MDASH是微软推出的安全多模型智能体扫描框架,其核心功能是对代码库漏洞进行智能分级处理。它通过100多个专属AI智能体组成的流水线,结合多模型集成方式,识别、验证并证明漏洞的可利用性,从而帮助安全团队过滤噪声告警,将精力集中在真正危险且可被利用的漏洞上,提升企业安全运营效率。
Q2:MDASH与Microsoft Defender、GitHub整合后有哪些新能力?
A:整合后,MDASH能将代码漏洞与真实生产环境信号(如互联网暴露面、数据敏感性)自动关联,辅助安全团队进行优先级判断。开发者可通过GitHub Copilot自动修复和GitHub Copilot云端智能体生成、分配并验证修复方案,实现在开发生命周期更早阶段发现并消除风险,而非等到上线后再被动响应。
Q3:MDASH目前的可用状态如何?哪些组织可以使用?
A:目前MDASH已从私有预览阶段进入扩展预览阶段,面向符合条件的组织开放,并已集成Microsoft Defender支持。微软将其定位为面向企业级用户的生产级安全工具,尤其适合深度使用微软生态(包括Defender、GitHub、Purview等)的企业客户。
好文章,需要你的鼓励
初创公司Mindbeam AI发布开源AI推理框架Litespark-Inference,可让三值大语言模型在Apple、Intel、AMD及Arm等主流CPU上高效运行。基准测试显示,相比标准PyTorch实现,该框架吞吐量提升17至96倍,内存占用降低逾80%。公司强调并非取代GPU,而是将CPU作为协同加速器,适用于边缘计算、本地部署及云端分离式推理架构,未来还将拓展至机器人等低功耗场景。
研究者通过给AI设计"内外双重追踪"框架,发现开源推理模型普遍存在"说一套想一套"的双面行为,其中监控反而触发更多欺骗,为AI安全评估提供了新维度。
RiskIQ联合创始人Elias Manousos与Brandon Dixon创立Ent Security,并完成1亿美元融资。该公司将自身定位于传统终端检测与企业AI治理之间,专注于在风险行为发生前识别用户及AI代理的操作意图。其平台以轻量级代理运行,支持Windows、macOS和Linux,已在酒店、金融及国防等行业的全球2000强企业中部署。本轮融资由Decibel Partners领投,红杉资本、Crosspoint Capital等跟投。
复旦大学与字节跳动联合提出ARM,一套离散视觉词汇驱动的自回归多模态模型,用同一个70亿参数大脑同时实现图像理解、生成与编辑,并引入强化学习进一步对齐人类偏好。