Microsoft MDASH: 100 AI एजेंट मिलकर कैसे खोज रहे हैं असली Windows सुरक्षा खामियाँ

Multi‑Agent AI: सुरक्षा के लिए अलग रणनीति

अधिकांश AI‑आधारित सुरक्षा टूल्स एक ही मॉडल से कोड को स्कैन कराते हैं और संदिग्ध पैटर्न खोजने की कोशिश करते हैं। लेकिन MDASH की रणनीति अलग है। यह एक multi‑agent architecture का उपयोग करता है, जिसमें कई AI एजेंट मिलकर समस्या हल करते हैं।

हर एजेंट का अलग‑अलग काम होता है, जैसे:

• बड़े कोडबेस को स्कैन करना
• संभावित बग्स के बारे में परिकल्पना बनाना
• संभावित exploit परिदृश्य तैयार करना
• यह जांचना कि कमजोरी वास्तव में exploitable है या नहीं

ये एजेंट अपने निष्कर्ष साझा करते हैं और एक‑दूसरे के परिणामों को चुनौती भी देते हैं। इससे false positives कम होते हैं और केवल वास्तविक, सत्यापित vulnerabilities सामने आती हैं।

इस तरह की agentic architecture का फायदा यह है कि सिस्टम एक ही मॉडल पर निर्भर नहीं रहता। अलग‑अलग चरणों के लिए अलग AI मॉडल इस्तेमाल किए जा सकते हैं।

Windows में मिली असली सुरक्षा कमजोरियाँ

Microsoft और विभिन्न रिपोर्टों के अनुसार, MDASH ने Windows के नेटवर्किंग और ऑथेंटिकेशन से जुड़े हिस्सों में 16 vulnerabilities खोजने में मदद की।

इनमें से चार critical remote‑code‑execution बग थे। अगर इन्हें समय पर ठीक नहीं किया जाता, तो हमलावर दूर से ही सिस्टम पर हानिकारक कोड चला सकते थे।

प्रभावित Windows घटकों में शामिल थे:

• TCP/IP नेटवर्किंग स्टैक
• IKEEXT IPsec सेवा
• Netlogon
• Windows DNS क्लाइंट

इन सभी समस्याओं को May 2026 Patch Tuesday अपडेट के साथ ठीक कर दिया गया, जिससे संभावित हमलों का जोखिम कम हो गया।

CyberGym बेंचमार्क में प्रदर्शन

MDASH को CyberGym नाम के एक बड़े साइबरसिक्योरिटी बेंचमार्क पर भी परखा गया। यह बेंचमार्क AI सिस्टम्स की सुरक्षा‑संबंधी क्षमताओं को मापने के लिए बनाया गया है।

रिपोर्टों के अनुसार, MDASH ने 1,500 से अधिक टास्क में लगभग 88.45% स्कोर हासिल किया। इस परीक्षण में यह Anthropic के Mythos Preview जैसे प्रतिद्वंद्वी मॉडलों से आगे रहा।

हालाँकि, बेंचमार्क की पूरी पद्धति और विस्तृत डेटा अभी सार्वजनिक रूप से व्यापक रूप से उपलब्ध नहीं है। इसलिए स्वतंत्र सत्यापन अभी सीमित है और अधिकांश जानकारी Microsoft की घोषणाओं तथा रिपोर्टिंग पर आधारित है।

साइबरसिक्योरिटी के लिए इसका महत्व

MDASH इस बात का संकेत देता है कि भविष्य में सॉफ्टवेयर सुरक्षा शोध कैसे बदल सकता है।

पारंपरिक तौर पर vulnerabilities खोजने का काम सुरक्षा शोधकर्ता या static analysis टूल करते हैं। लेकिन MDASH जैसे सिस्टम कोशिश करते हैं कि AI खुद:

• विशाल कोडबेस का विश्लेषण करे
• संभावित हमलावर के व्यवहार का अनुकरण करे
• proof‑of‑concept exploit बनाए
• और असली vulnerability की पुष्टि करे

अगर इस तरह की तकनीक आगे बेहतर होती है, तो बड़े प्लेटफॉर्म जैसे Windows में सुरक्षा खामियों को काफी तेजी से खोजा और ठीक किया जा सकेगा।

एंटरप्राइज उपयोग के लिए उपलब्धता

रिपोर्टों के मुताबिक Microsoft MDASH को enterprise ग्राहकों के लिए private preview में उपलब्ध कराने की योजना बना रहा है।

हालाँकि अभी यह स्पष्ट नहीं है कि भविष्य में इसे किस तरह के उत्पाद के रूप में पेश किया जाएगा या यह Microsoft के किन सुरक्षा प्लेटफॉर्म्स के साथ गहराई से जुड़ सकता है।

बड़ा ट्रेंड: सुरक्षा शोध में AI एजेंट्स

MDASH एक बड़े तकनीकी ट्रेंड को दर्शाता है—जहाँ जटिल समस्याओं को हल करने के लिए एक ही AI मॉडल के बजाय कई एजेंट्स मिलकर काम करते हैं।

साइबरसिक्योरिटी जैसे क्षेत्रों में यह तरीका खास तौर पर उपयोगी हो सकता है, क्योंकि vulnerability खोजने के लिए विश्लेषण, परीक्षण, तर्क और सत्यापन जैसे कई अलग‑अलग चरणों की जरूरत होती है।

Microsoft के शुरुआती परिणाम यह संकेत देते हैं कि आने वाले समय में AI‑आधारित multi‑agent सिस्टम्स सॉफ्टवेयर सुरक्षा का अहम हिस्सा बन सकते हैं।