Como a IA MDASH da Microsoft encontrou 16 vulnerabilidades no Windows em um único Patch Tuesday

Essas vulnerabilidades fizeram parte do pacote de correções do Patch Tuesday, que no total resolveu cerca de 120 falhas de segurança em produtos Microsoft naquele mês.

O que é o MDASH

O MDASH é descrito pela Microsoft como um sistema de segurança multi‑modelo e baseado em agentes projetado para automatizar etapas da descoberta de vulnerabilidades.

Em vez de depender de uma única ferramenta ou modelo de IA, a plataforma coordena mais de 100 agentes especializados que trabalham em conjunto analisando grandes bases de código.

O sistema foi desenvolvido pelo Autonomous Code Security Team da Microsoft em parceria com o grupo Windows Attack Research and Protection.

O objetivo é simples: encontrar falhas exploráveis em projetos gigantescos — como o próprio Windows — com mais velocidade e escala do que pesquisadores humanos sozinhos conseguiriam.

Como funciona o sistema multiagente

De acordo com descrições públicas do projeto, o MDASH utiliza um fluxo de análise dividido em várias etapas, nas quais diferentes agentes de IA examinam o mesmo código por perspectivas distintas.

O processo inclui:

Modelagem de ameaças
O sistema ingere o código‑fonte e constrói um modelo de superfície de ataque para identificar áreas potencialmente arriscadas.

Escaneamento em larga escala
Dezenas ou centenas de agentes especializados analisam o código simultaneamente e geram hipóteses de possíveis vulnerabilidades junto com evidências.

Debate e verificação entre agentes
Outro conjunto de agentes avalia essas hipóteses, questionando ou validando os resultados — uma espécie de "debate" automatizado sobre se a falha é real.

Deduplicação
Resultados semelhantes são agrupados para evitar relatórios repetidos.

Geração de prova de exploração
Por fim, o sistema tenta demonstrar que a vulnerabilidade realmente pode ser explorada, produzindo evidências técnicas.

Esse modelo lembra o fluxo de trabalho de equipes humanas de segurança — levantar hipóteses, verificar e provar — mas executado de forma automatizada e em alta velocidade.

Resultados iniciais e testes

Testes preliminares sugerem que o sistema tem desempenho competitivo em tarefas de descoberta de vulnerabilidades.

Relatos sobre a pesquisa indicam que o MDASH alcançou aproximadamente 88% de desempenho no benchmark CyberGym, superando outras ferramentas avaliadas nesse teste.

Em experimentos internos, a plataforma também conseguiu identificar todas as vulnerabilidades inseridas artificialmente em um driver de teste, sugerindo alta capacidade de detecção em cenários controlados.

Esses resultados não garantem desempenho idêntico em sistemas reais, mas indicam que a abordagem baseada em múltiplos agentes pode ser eficaz em bases de código muito grandes.

O que as descobertas reais mostram

Talvez o aspecto mais importante seja que o primeiro resultado público do MDASH não veio apenas de laboratório.

O sistema ajudou a descobrir falhas que realmente foram corrigidas em uma atualização oficial do Windows. Isso é significativo porque muitas ferramentas de segurança funcionam bem em testes acadêmicos, mas produzem poucos resultados práticos em software real.

O fato de o MDASH ter identificado problemas em camadas críticas de rede e autenticação sugere que ele já consegue examinar superfícies de ataque de alto risco dentro do sistema operacional.

A estratégia da Microsoft: “segurança na velocidade da IA”

A empresa descreve o MDASH como parte de uma estratégia mais ampla chamada “defense at AI speed” — ou defesa na velocidade da inteligência artificial.

A lógica é direta: se atacantes podem usar IA para encontrar falhas mais rapidamente, os defensores precisam usar tecnologias semelhantes para descobrir e corrigir esses problemas primeiro.

A Microsoft planeja disponibilizar o MDASH em preview privado para clientes corporativos, permitindo que organizações experimentem a descoberta de vulnerabilidades assistida por IA em seus próprios ambientes.

Se ferramentas como essa se tornarem comuns, elas podem transformar a forma como software é protegido, permitindo:

• análise de segurança em bases de código gigantescas
• descoberta mais rápida de falhas críticas
• colaboração entre pesquisadores humanos e sistemas de IA

Em outras palavras, o futuro da segurança de software pode incluir equipes onde humanos e agentes de IA trabalham lado a lado, examinando continuamente sistemas complexos em busca de vulnerabilidades antes que criminosos digitais as encontrem.