기존 보안 AI와 다른 ‘멀티 에이전트’ 접근

대부분의 AI 보안 도구는 하나의 모델이 코드를 스캔하면서 의심스러운 패턴을 찾는 방식이다. MDASH는 여기서 한 단계 더 나아가 협력형 AI 에이전트 네트워크를 사용한다.

각 에이전트는 취약점 탐지 과정에서 서로 다른 역할을 맡는다.

• 대규모 코드베이스 스캔
• 잠재적 버그에 대한 가설 생성
• 공격 시나리오 및 익스플로잇 생성
• 실제 악용 가능성 검증

이 과정에서 에이전트들은 서로의 결과를 공유하고 논쟁하며 검증한다. 이러한 구조는 단순히 “의심되는 문제”를 찾는 것이 아니라 실제로 악용 가능한 취약점만 걸러내는 데 도움이 된다.

또한 MDASH는 여러 AI 모델을 하나의 시스템 안에서 조합해 사용하는 ‘멀티 모델’ 구조이기 때문에 특정 모델 하나에 의존하지 않는다는 특징이 있다.

윈도우 핵심 구성요소에서 발견된 취약점

보고에 따르면 MDASH는 네트워크 및 인증 관련 윈도우 구성요소에서 총 16개의 취약점을 발견했다.

특히 다음과 같은 핵심 시스템이 영향을 받은 것으로 알려졌다.

• Windows TCP/IP 네트워크 스택
• IKEEXT IPsec 서비스
• Netlogon 인증 서비스
• Windows DNS 클라이언트

이 중 **4개 취약점은 원격 코드 실행(RCE)**이 가능해 공격자가 시스템에서 악성 코드를 실행할 수 있는 위험이 있었다. 다만 패치가 이미 배포되면서 실제 대규모 악용은 막을 수 있었다.

CyberGym 벤치마크에서 상위 성능

MDASH는 AI 보안 능력을 평가하는 대형 벤치마크 CyberGym에서도 테스트됐다.

보고에 따르면 시스템은 1,500개 이상의 보안 과제에서 약 88.45% 성능을 기록하며 경쟁 모델보다 높은 점수를 기록했다.

다만 세부 평가 방법이나 전체 데이터셋이 공개된 것은 아니기 때문에, 현재까지의 분석은 마이크로소프트 발표와 관련 보도를 기반으로 한 결과라는 점도 함께 언급된다.

사이버 보안 연구 방식의 변화

MDASH가 주목받는 이유는 단순한 취약점 스캐너가 아니라 자동화된 보안 연구 시스템에 가까운 구조이기 때문이다.

이런 시스템은 다음과 같은 작업을 자동으로 수행할 수 있다.

• 대규모 코드베이스 분석
• 공격자 행동 시뮬레이션
• 익스플로잇(Proof‑of‑Concept) 생성
• 실제 취약점 검증

대형 플랫폼(예: Windows)처럼 코드 규모가 방대한 소프트웨어에서는 이런 자동화가 취약점 발견 속도를 크게 높일 가능성이 있다.

기업용 미리보기 제공 예정

마이크로소프트는 MDASH를 기업 고객 대상으로 프라이빗 프리뷰 형태로 제공할 계획이라고 밝혔다.

다만 향후 어떤 보안 제품과 통합될지, 혹은 별도의 서비스로 제공될지는 아직 구체적으로 공개되지 않았다.

AI 보안의 다음 단계: 협력형 에이전트

MDASH는 단일 초대형 모델보다 여러 전문 AI 에이전트가 협력하는 구조가 복잡한 문제 해결에 더 적합할 수 있다는 흐름을 보여준다.

취약점 연구는 코드 분석, 논리 추론, 공격 시뮬레이션, 검증 등 다양한 단계가 필요한 작업이다. 이런 작업은 서로 다른 역할을 맡은 AI가 협력할 때 더 효과적으로 수행될 수 있다.

마이크로소프트의 초기 결과는 앞으로 AI 에이전트 기반 보안 연구가 주요 소프트웨어 플랫폼의 취약점 발견 방식 자체를 바꿀 가능성을 보여주고 있다.

기존 보안 AI와 다른 ‘멀티 에이전트’ 접근

대부분의 AI 보안 도구는 하나의 모델이 코드를 스캔하면서 의심스러운 패턴을 찾는 방식이다. MDASH는 여기서 한 단계 더 나아가 협력형 AI 에이전트 네트워크를 사용한다.

각 에이전트는 취약점 탐지 과정에서 서로 다른 역할을 맡는다.

• 대규모 코드베이스 스캔
• 잠재적 버그에 대한 가설 생성
• 공격 시나리오 및 익스플로잇 생성
• 실제 악용 가능성 검증

이 과정에서 에이전트들은 서로의 결과를 공유하고 논쟁하며 검증한다. 이러한 구조는 단순히 “의심되는 문제”를 찾는 것이 아니라 실제로 악용 가능한 취약점만 걸러내는 데 도움이 된다.

또한 MDASH는 여러 AI 모델을 하나의 시스템 안에서 조합해 사용하는 ‘멀티 모델’ 구조이기 때문에 특정 모델 하나에 의존하지 않는다는 특징이 있다.

윈도우 핵심 구성요소에서 발견된 취약점

보고에 따르면 MDASH는 네트워크 및 인증 관련 윈도우 구성요소에서 총 16개의 취약점을 발견했다.

특히 다음과 같은 핵심 시스템이 영향을 받은 것으로 알려졌다.

• Windows TCP/IP 네트워크 스택
• IKEEXT IPsec 서비스
• Netlogon 인증 서비스
• Windows DNS 클라이언트

이 중 **4개 취약점은 원격 코드 실행(RCE)**이 가능해 공격자가 시스템에서 악성 코드를 실행할 수 있는 위험이 있었다. 다만 패치가 이미 배포되면서 실제 대규모 악용은 막을 수 있었다.

CyberGym 벤치마크에서 상위 성능

MDASH는 AI 보안 능력을 평가하는 대형 벤치마크 CyberGym에서도 테스트됐다.

보고에 따르면 시스템은 1,500개 이상의 보안 과제에서 약 88.45% 성능을 기록하며 경쟁 모델보다 높은 점수를 기록했다.

다만 세부 평가 방법이나 전체 데이터셋이 공개된 것은 아니기 때문에, 현재까지의 분석은 마이크로소프트 발표와 관련 보도를 기반으로 한 결과라는 점도 함께 언급된다.

사이버 보안 연구 방식의 변화

MDASH가 주목받는 이유는 단순한 취약점 스캐너가 아니라 자동화된 보안 연구 시스템에 가까운 구조이기 때문이다.

이런 시스템은 다음과 같은 작업을 자동으로 수행할 수 있다.

• 대규모 코드베이스 분석
• 공격자 행동 시뮬레이션
• 익스플로잇(Proof‑of‑Concept) 생성
• 실제 취약점 검증

대형 플랫폼(예: Windows)처럼 코드 규모가 방대한 소프트웨어에서는 이런 자동화가 취약점 발견 속도를 크게 높일 가능성이 있다.

기업용 미리보기 제공 예정

마이크로소프트는 MDASH를 기업 고객 대상으로 프라이빗 프리뷰 형태로 제공할 계획이라고 밝혔다.

다만 향후 어떤 보안 제품과 통합될지, 혹은 별도의 서비스로 제공될지는 아직 구체적으로 공개되지 않았다.

AI 보안의 다음 단계: 협력형 에이전트

MDASH는 단일 초대형 모델보다 여러 전문 AI 에이전트가 협력하는 구조가 복잡한 문제 해결에 더 적합할 수 있다는 흐름을 보여준다.

취약점 연구는 코드 분석, 논리 추론, 공격 시뮬레이션, 검증 등 다양한 단계가 필요한 작업이다. 이런 작업은 서로 다른 역할을 맡은 AI가 협력할 때 더 효과적으로 수행될 수 있다.

마이크로소프트의 초기 결과는 앞으로 AI 에이전트 기반 보안 연구가 주요 소프트웨어 플랫폼의 취약점 발견 방식 자체를 바꿀 가능성을 보여주고 있다.