Microsofts neue KI-Sicherheitsplattform: „Project Perception“ und das Modell MAI-Cyber-1-Flash im Einsatz

MAI-Cyber-1-Flash: Ein handliches Modell für die Schwachstellensuche

MAI-Cyber-1-Flash ist ein Modell mit 5 Milliarden Parametern und damit nach heutigen KI-Maßstäben relativ klein . Es wurde von der MAI-Code-1-Flash-Reihe abgeleitet – die selbst wiederum ein Abkömmling der umfassenderen MAI-Thinking-1-Denkmodelle ist, die Microsoft im Juni 2026 vorgestellt hatte . Das Modell wurde speziell für Cybersicherheits-Workflows verfeinert, darunter das Auffinden, Validieren, Bewerten und Schließen von Sicherheitslücken – und das alles innerhalb von Microsofts internem Scan-System MDASH .

Leistungsansprüche (mit einem wichtigen Hinweis)

Microsoft gibt an, dass MAI-Cyber-1-Flash innerhalb von MDASH 96 % im CyberGym-Benchmark erreicht – einem eigens entwickelten Benchmark zur Prüfung der Schwachstellenerkennung, -validierung und -behebung. Das sind 12 Prozentpunkte mehr als Anthropics Claude Mythos 5 (das rund 84 % erreichte) . Der Konfiguration bescheinigt Microsoft zudem Kosteneinsparungen von rund 50 % gegenüber der alleinigen Nutzung externer Spitzenmodelle, da das eigene Modell etwa 90 % der MDASH-Workflows übernimmt und nur die kniffligsten Fälle an teure Modelle wie OpenAIs GPT-5.4 weiterreicht .

Hinweis zur unabhängigen Überprüfung: Diese Leistungs- und Kostenzahlen stammen von Microsoft selbst. Wie Digital Applied berichtet, hat keine unabhängige Stelle die 96 % im CyberGym-Benchmark überprüft; die Einträge in der CyberGym-Bestenliste werden von den teilnehmenden Laboren selbst gemeldet . Die New York Times merkte zudem an, dass Microsoft das Modell vor der Veröffentlichung keinen unabhängigen Testern zur Evaluierung zur Verfügung gestellt hat .

Sicherheitskalibrierung

Microsoft hat ein Model Card für MAI-Cyber-1-Flash veröffentlicht, das die Sicherheitskalibrierung, die Feintuning-Daten und den Verwendungszweck innerhalb der MDASH-Infrastruktur dokumentiert . Das System nutzt einen Debatte-Mechanismus zwischen mehreren Modellen sowie eine eigene Beweispipeline, um Fehlalarme auszusortieren, bevor ein Befund einen menschlichen Ingenieur erreicht .

MDASH: Die Maschine, die sich im Produktiveinsatz bereits bewährt hat

MDASH (Multi-Model Agentic Scanning Harness) ist das zugrundeliegende System, in dem MAI-Cyber-1-Flash arbeitet. Es orchestriert mehrere Large Language Models – darunter Microsofts eigenes Modell, OpenAIs GPT-5.4 und andere – in einem koordinierten Scan-, Validierungs- und Behebungs-Workflow . Die Modell-Routing-Logik weist Routineaufgaben dem günstigeren MAI-Cyber-1-Flash zu und reicht nur die schwierigsten Denkaufgaben an größere Modelle weiter .

Reale Schwachstellenfunde

MDASH hat seinen Wert im Produktiveinsatz bereits vor der offiziellen Ankündigung unter Beweis gestellt:

• Mai 2026 Patch Tuesday: MDASH entdeckte eigenständig 16 bisher unbekannte Schwachstellen im Windows-Netzwerk- und Authentifizierungs-Stack. Vier davon waren kritische Remote-Code-Ausführungs-Lücken (RCE) in Kernkomponenten wie dem Windows-Kernel-TCP/IP-Stack und dem IKEv2-Dienst . Eine der kritischen RCEs war CVE-2026-33824 (CVSS-Score 9,8), eine Double-Free-Sicherheitslücke in ikeext.dll, die es einem nicht authentifizierten Angreifer ermöglichen könnte, speziell präparierte Pakete an einen Windows-Rechner mit aktiviertem IKEv2 zu senden . Microsofts Mai-2026-Patch-Batch schloss insgesamt 118 CVEs, davon 30 als kritisch eingestuft .
• Juni 2026: MDASH fand darüber hinaus weitere Schwachstellen im Hyper-V, Active Directory und Windows-Kernel . Insidern zufolge half MDASH dabei, in einem Monat 622 Sicherheitslücken zu schließen .

Die Schwachstellen wurden mittels eines Multi-Modell-Debatte-Systems gefunden, bei dem KI-Agenten miteinander diskutieren, ob ein Fund tatsächlich ausnutzbar ist, bevor er an menschliche Ingenieure weitergeleitet wird .

Project Perception: Agentische Sicherheit mit Roten, Blauen und Grünen Teams

Project Perception ist die kommerzielle Plattform, die auf MDASH und MAI-Cyber-1-Flash aufbaut. Microsoft positioniert sie als „neuen Cyber-Stack“, der Signale, Sicherheitskontext, spezialisierte Modelle und Agenten zu einem kontinuierlich lernenden Verteidigungssystem vereint, das darauf ausgelegt ist, „KI zu nutzen, um sich gegen KI zu verteidigen“ .

Agentisches Koordinationsmodell

Project Perception setzt Teams von KI-Agenten ein, die wie folgt organisiert sind :

• Rotes Team: Simuliert Angreiferverhalten, um Schwachstellen aufzuspüren
• Blaues Team: Erkennt Bedrohungen und untersucht Signale
• Grünes Team: Behebt Sicherheitslücken und führt Patches durch

Das System verteilt Aufgaben effizienzbasiert auf verschiedene Modelle – es kann Microsofts MAI-Cyber-1-Flash, OpenAIs GPT-5.4 oder Anthropic-Modelle einsetzen, je nachdem, welches für den jeweiligen Workflow-Schritt am besten geeignet ist .

Umfang und Verfügbarkeit

Obwohl zunächst auf die Verwaltung von Softwareschwachstellen fokussiert, beschrieb Microsoft Project Perception als Plattform, die auf breitere Sicherheits-Workflows ausgeweitet werden soll – kontinuierliche Überwachung, Bedrohungsanalyse und automatisierte Behebung – und so ein „kontinuierlich lernendes Verteidigungssystem“ bildet .

Project Perception geht am 3. August 2026 in die öffentliche Vorschau für Microsoft-Geschäftskunden, die bereits den MDASH-Agenten-Harness testen . Es wird zunächst in Microsoft Defender verfügbar sein, mit Plänen für eine Einführung in allen Microsoft-Sicherheitsprodukten .

Der weitere Kontext: Das KI-Wettrüsten in der Cybersicherheit

Die Ankündigung vom Montag kommt inmitten eines sich verschärfenden KI-Wettrüstens in der Cybersicherheit. Anthropic hatte zuvor mit seinem Claude-Mythos-Sicherheitsmodell die Messlatte hoch gelegt, und auch Google und OpenAI investieren massiv in die KI-gestützte Schwachstellensuche . Microsoft betonte in seiner Ankündigung die Notwendigkeit, KI-gestützten Angreifern mit KI-gestützter Verteidigung zu begegnen, da herkömmliche Sicherheitswerkzeuge nicht mehr Schritt halten könnten .

Die Modell-Routing-Architektur – ein kleines, günstiges Spezialmodell im Verbund mit teuren Frontier-Modellen – ist ein entscheidender Wettbewerbsvorteil in puncto Kosten. Unternehmen, die bei KI-Sicherheitstools unter Budgetdruck stehen, sehen in den versprochenen 50 % Kosteneinsparung ein starkes Verkaufsargument .

Mit Project Perception, das am 3. August in die öffentliche Vorschau geht, und MDASH, das sich bereits im Produktiveinsatz mit 16 echten CVEs in einem einzigen Patch-Zyklus bewährt hat, setzt Microsoft darauf, dass die nachgewiesene Trefferquote bei der Schwachstellensuche bei Unternehmenskäufen mehr zählt als reine Benchmark-Ergebnisse . Die Frage bleibt, ob unabhängige Überprüfungen Microsofts Behauptungen bestätigen werden – und wie schnell Unternehmen bereit sind, einem KI-System zu vertrauen, das ihre eigene Infrastruktur kontinuierlich durchleuchtet.