Microsofts nye KI-sikkerhet skal finne og tette sårbarheter før angriperne gjør det

En liten modell med en spesialisert jobb

MAI-Cyber-1-Flash har 5 milliarder parametere, noe som gjør den relativt liten sammenlignet med mange av dagens største KI-modeller . Den er utviklet fra MAI-Code-1-Flash, som igjen springer ut fra Microsofts bredere resonneringsserie MAI-Thinking-1, annonsert i juni 2026 .

Modellen er finjustert for sikkerhetsarbeid som å oppdage, validere og prioritere sårbarheter – samt lage forslag til oppdateringer. Den er laget for å brukes inne i Microsofts system MDASH, forkortelse for Multi-Model Agentic Scanning Harness .

Microsofts resultatpåstander må etterprøves

Microsoft sier at MAI-Cyber-1-Flash, kjørt i MDASH, oppnår 96 prosent på CyberGym. Det er en Microsoft-utviklet test som måler hvor godt systemet oppdager, bekrefter og utbedrer sårbarheter. Ifølge Microsoft er resultatet 12 prosentpoeng høyere enn Anthropic-modellen Claude Mythos 5, som skal ha fått rundt 84 prosent .

Selskapet hevder også at oppsettet gir omtrent 50 prosent lavere kostnader enn en løsning som i hovedsak bruker store tredjepartsmodeller. Forklaringen er at MAI-Cyber-1-Flash håndterer rundt 90 prosent av oppgavene i MDASH, mens dyrere modeller som OpenAIs GPT-5.4 bare hentes inn til de vanskeligste tilfellene .

Det er imidlertid viktig å skille mellom Microsofts egne tall og uavhengig dokumentasjon. Digital Applied skriver at verken CyberGym-resultatet på 96 prosent eller kostnadsbesparelsen er bekreftet av en uavhengig tredjepart. Oppføringene på CyberGym-listen rapporteres dessuten av laboratoriene selv . The New York Times skriver at Microsoft ikke delte modellen med uavhengige testere før lanseringen .

Microsoft har publisert et såkalt Model Card som beskriver sikkerhetskalibrering, treningsdata og hvordan modellen skal brukes i MDASH . Systemet skal også bruke en debattmekanisme der flere modeller vurderer hverandres funn, i tillegg til en egen beviskjede som skal luke bort falske positiver før en sak sendes videre til en menneskelig sikkerhetsingeniør .

MDASH er motoren bak systemet

MDASH er ikke bare én modell, men et system som koordinerer flere store språkmodeller i arbeidet med å skanne, kontrollere og utbedre programvare. Her inngår blant annet Microsofts egen modell og OpenAIs GPT-5.4 .

En modellruter fordeler oppgavene etter vanskelighetsgrad. Rutinearbeid sendes til den mindre og rimeligere MAI-Cyber-1-Flash, mens mer krevende resonnering eskaleres til større modeller .

Har allerede funnet Windows-sårbarheter

Microsoft sier at MDASH ble prøvd ut i praksis før den formelle lanseringen:

• Under Patch Tuesday i mai 2026 skal systemet ha funnet 16 tidligere ukjente sårbarheter i Windows' nettverks- og autentiseringskomponenter. Fire ble klassifisert som kritiske feil med mulighet for fjernkjøring av kode, blant annet i Windows-kjernens TCP/IP-stakk og IKEv2-tjenesten .
• En av feilene var CVE-2026-33824, med en CVSS-score på 9,8. Feilen i ikeext.dll kunne ifølge beskrivelsen gjøre det mulig for en uautentisert angriper å sende spesiallagde pakker til en Windows-maskin med IKEv2 aktivert .
• I juni skal MDASH også ha funnet sårbarheter i Hyper-V, Active Directory og Windows-kjernen . Ifølge rapporteringen bidro systemet til at Microsoft rettet 622 feil på én måned .

Funnene ble kontrollert gjennom en flermodell-debatt der KI-agenter vurderte om sårbarhetene faktisk kunne utnyttes, før de ble sendt videre til Microsofts egne utviklere .

Project Perception: rødt, blått og grønt lag

Project Perception er den kommersielle plattformen som bygges på toppen av MDASH og MAI-Cyber-1-Flash. Microsoft beskriver løsningen som en ny «cyber stack» som kombinerer sikkerhetssignaler, kontekst, spesialiserte modeller og agenter i et forsvarssystem som lærer kontinuerlig .

Arbeidet organiseres i tre typer KI-agenter :

• Rødt lag: Opptrer som en angriper og leter etter mulige angrepsveier.
• Blått lag: Oppdager trusler, undersøker signaler og vurderer risikoen.
• Grønt lag: Foreslår og gjennomfører utbedringer og oppdateringer.

Systemet kan også sende hver oppgave til modellen som passer best. Det kan innebære Microsofts MAI-Cyber-1-Flash, OpenAIs GPT-5.4 eller modeller fra Anthropic, avhengig av hva som er mest effektivt i det aktuelle trinnet .

Først sårbarheter – deretter bredere sikkerhetsarbeid

Project Perception starter med håndtering av programvaresårbarheter, men Microsoft beskriver en videre plan som omfatter kontinuerlig overvåking, trusselundersøkelser og automatisert utbedring .

Plattformen går i offentlig forhåndsvisning 3. august 2026 for Microsoft-bedrifter som allerede tester MDASH-agentplattformen . Den blir først tilgjengelig i Microsoft Defender, med planer om senere utrulling til hele Microsoft Security-porteføljen . Microsoft understreker samtidig at mennesker fortsatt skal ha kontroll over kritiske beslutninger .

En ny runde i KI-kappløpet om cybersikkerhet

Lanseringen skjer mens Anthropic, Google, OpenAI og Microsoft konkurrerer om å utvikle KI som kan finne sårbarheter raskere enn både tradisjonelle verktøy og menneskelige team . Microsofts budskap er at KI-baserte angrep krever KI-basert beskyttelse – og at vanlige sikkerhetsverktøy ikke lenger kan holde samme tempo .

Den viktigste konkurransefordelen kan likevel bli kostnaden. I stedet for å bruke de største og dyreste modellene på alle oppgaver, kombinerer Microsoft en liten spesialistmodell med større modeller når det trengs. Dersom Microsofts påstand om rundt 50 prosent lavere kostnader holder, kan det gjøre kontinuerlig sårbarhetsskanning mer tilgjengelig for større virksomheter .

Men før tallene kan bli et solid salgsargument, må de tåle mer uavhengig kontroll. Microsoft har allerede en praktisk merittliste å vise til med de 16 Windows-sårbarhetene MDASH skal ha funnet i én oppdateringsrunde. Nå blir spørsmålet om Project Perception kan gjenta dette i kundenes virkelige miljøer – uten at automatiseringen introduserer nye feil eller gjør sikkerhetsarbeidet vanskeligere å kontrollere.