重磅发布：微软推出多模型智能体扫描框架MDASH

5月13日，安全圈传来一个重磅消息：微软自家的代码安全团队，正式亮出了一套名为MDASH的多模型智能体扫描框架。

这可不是一次普通的版本更新，而是一次架构层面的革新。

性能超越业界标杆

更引人注目的是它的实战成绩。在权威的CyberGym公开基准测试中，这套系统的性能表现，已经全面超越了Anthropic的Mythos模型，甚至将OpenAI的GPT-5.5也甩在了身后。

核心设计：从“单打独斗”到“团队协作”

那么，MDASH究竟有何不同？关键在于其设计思路的彻底转变。

它摒弃了依赖单一AI模型进行“单打独斗”的传统路径，转而采用了一套精密的多智能体协作策略。

微软在这个框架里，集成了超过100个专用的AI智能体。它们各自基于不同的前沿大模型或轻量化模型构建，堪称一支分工明确的“特工小队”。

精密分工，高效运作

在实际运作中，这支“特工小队”被有条不紊地分配到各个环节：

• 有的负责代码准备与预处理
• 有的专攻漏洞模式的扫描与识别
• 还有的则承担结果验证、数据去重、证据生成乃至补丁验证等后续工作

整个系统逻辑清晰：

• 由性能最强的核心模型负责最关键的推理决策
• 响应速度最快的精简模型则被用来高效处理海量代码的交叉验证与辩论任务

这实现了资源与效率的最优配比。

实战检验：挖掘未知高危漏洞

理论很美好，实战又如何？在针对Windows网络和身份验证组件的内部扫描中，MDASH交出了一份令人印象深刻的答卷：

它成功挖掘出了16个此前未被发现的漏洞，其中更是包含了4个高危的远程代码执行漏洞。

极限测试：100%识别率与零误报

这还不够。为了测试其极限能力，团队进行了更严苛的私有测试驱动程序验证。

在这个测试中，人为植入了21个已知漏洞，MDASH的表现堪称完美——实现了100%的识别率，并且整个过程保持了零误报的记录。

历史漏洞召回率表现卓越

回顾性测试的数据进一步佐证了其可靠性：

• 对于clfs.sys驱动近五年的历史漏洞，MDASH的召回率达到了96%
• 对tcpip.sys驱动的历史漏洞，召回率更是达到了惊人的100%

从实验室走向实际应用

目前，MDASH已经开始在微软内部协助工程团队进行产品安全加固，并且已经面向部分受限客户开启了内部预览测试。

这标志着，一种基于多智能体协作的新一代自动化安全审计模式，正从实验室走向实际应用。

《夸克》非常好用的免费AI浏览器

下载APP查看