การวิเคราะห์ของระบบ AI มุ่งไปที่ส่วนสำคัญของ Windows ที่เกี่ยวข้องกับเครือข่ายและการยืนยันตัวตน ซึ่งเป็นพื้นที่ที่แฮกเกอร์มักพยายามโจมตี
จากช่องโหว่ 16 รายการที่ MDASH มีส่วนช่วยค้นพบ มี 4 รายการที่เป็น Remote Code Execution (RCE) ซึ่งถือว่าอันตรายที่สุด เนื่องจากผู้โจมตีสามารถรันโค้ดบนเครื่องเป้าหมายได้โดยตรง
ช่องโหว่เหล่านี้เกี่ยวข้องกับคอมโพเนนต์หลักของ Windows เช่น
หากถูกใช้โจมตีได้สำเร็จ ผู้ไม่หวังดีอาจสามารถเข้าควบคุมเครื่องหรือเครือข่ายองค์กรได้ทั้งหมด
ช่องโหว่ทั้งหมดถูกแก้ไขใน Patch Tuesday เดือนพฤษภาคม 2026 ซึ่งมีการแพตช์ช่องโหว่รวมประมาณ 120 รายการ ในรอบเดียว
MDASH เป็นระบบตรวจหาช่องโหว่ที่ใช้แนวคิด agentic AI หรือ AI หลายเอเจนต์ทำงานร่วมกัน แทนที่จะใช้โมเดลเดียวหรือเครื่องมือสแกนแบบเดิม
แพลตฟอร์มนี้ประสานการทำงานของ เอเจนต์ AI เฉพาะทางมากกว่า 100 ตัว เพื่อวิเคราะห์โค้ดขนาดใหญ่ เช่น โค้ดของ Windows ที่มีความซับซ้อนสูง
ระบบถูกพัฒนาโดยทีม Autonomous Code Security ของ Microsoft ร่วมกับทีม Windows Attack Research and Protection ซึ่งทำหน้าที่ศึกษาวิธีโจมตีระบบ Windows เพื่อป้องกันล่วงหน้า
เป้าหมายหลักคือการช่วยนักวิจัยค้นหาช่องโหว่ในซอฟต์แวร์ขนาดใหญ่ได้เร็วกว่าการทำงานด้วยมนุษย์เพียงอย่างเดียว
จากคำอธิบายของ Microsoft ระบบ MDASH ใช้กระบวนการหลายขั้นตอน โดยให้เอเจนต์ AI หลายตัวตรวจสอบโค้ดจากมุมมองที่ต่างกัน
กระบวนการหลักประกอบด้วย
1. การเตรียมข้อมูลและสร้างโมเดลภัยคุกคาม
ระบบนำซอร์สโค้ดเข้าไปวิเคราะห์เพื่อสร้างแผนที่ attack surface และจุดที่มีความเสี่ยงในระบบ
2. การสแกนโดยเอเจนต์จำนวนมาก
เอเจนต์ AI จำนวนมากทำงานพร้อมกันเพื่อตรวจสอบโค้ดและตั้งสมมติฐานเกี่ยวกับช่องโหว่ พร้อมหลักฐานสนับสนุน
3. การโต้แย้งและตรวจสอบผล
เอเจนต์อีกชุดหนึ่งจะตรวจสอบหรือโต้แย้งข้อสรุปเหล่านั้น เพื่อดูว่าช่องโหว่นั้นเป็นของจริงหรือไม่
4. การลบผลซ้ำ
ระบบรวมรายงานที่มีความหมายใกล้เคียงกันเพื่อลดผลลัพธ์ซ้ำซ้อน
5. การพิสูจน์ช่องโหว่
สุดท้ายระบบจะพยายามสร้างสถานการณ์โจมตีหรือหลักฐานที่แสดงว่าช่องโหว่นั้นสามารถถูกใช้โจมตีได้จริง
แนวคิดนี้เลียนแบบการทำงานของทีมวิจัยความปลอดภัยจริง ที่ต้องตั้งสมมติฐาน ตรวจสอบ และพิสูจน์ผล แต่ MDASH ทำทุกขั้นตอนด้วยระบบอัตโนมัติและความเร็วระดับเครื่องจักร
รายงานเกี่ยวกับระบบนี้ระบุว่า MDASH ทำผลงานได้ดีในการทดสอบหลายชุด
ตัวอย่างหนึ่งคือ CyberGym benchmark สำหรับการค้นหาช่องโหว่ ซึ่งระบบทำคะแนนได้ประมาณ 88% และสูงกว่าเครื่องมืออื่นในชุดทดสอบเดียวกัน
ในการทดสอบภายใน Microsoft ยังพบว่า MDASH สามารถตรวจพบ ช่องโหว่ที่ถูกฝังไว้ทั้งหมดในไดรเวอร์ตัวอย่าง แสดงให้เห็นว่าระบบมีความสามารถในการตรวจจับที่สูงในสภาพแวดล้อมควบคุม
อย่างไรก็ตาม ผลการทดสอบเหล่านี้ไม่ได้รับประกันความแม่นยำ 100% ในโลกจริง แต่บ่งชี้ว่า AI หลายเอเจนต์สามารถช่วยค้นหาช่องโหว่ในโค้ดขนาดใหญ่ได้อย่างมีประสิทธิภาพ
ประเด็นที่สำคัญที่สุดคือ MDASH ไม่ได้แสดงผลแค่ในงานวิจัย แต่สามารถค้นพบช่องโหว่ที่ถูก นำไปแก้ไขจริงใน Windows เวอร์ชันใช้งานจริง ผ่าน Patch Tuesday
นี่เป็นจุดสำคัญ เพราะเครื่องมือความปลอดภัยจำนวนมากดูมีศักยภาพในห้องทดลอง แต่ไม่สามารถสร้างผลลัพธ์ที่ใช้งานได้จริงในซอฟต์แวร์ขนาดใหญ่
การที่ MDASH พบช่องโหว่ในส่วนสำคัญอย่างเครือข่ายและระบบยืนยันตัวตนของ Windows แสดงให้เห็นว่าระบบสามารถตรวจสอบ attack surface ที่มีความเสี่ยงสูงได้แล้ว
Microsoft อธิบายว่า MDASH เป็นส่วนหนึ่งของยุทธศาสตร์ด้านความปลอดภัยที่เรียกว่า “defense at AI speed”
แนวคิดคือ หากผู้โจมตีสามารถใช้ AI เพื่อค้นหาช่องโหว่ได้เร็วขึ้น ฝั่งผู้ป้องกันก็ต้องใช้ AI เพื่อค้นหาและแก้ไขช่องโหว่ให้เร็วกว่าเช่นกัน
บริษัทมีแผนเปิด MDASH ให้ลูกค้าองค์กรทดลองใช้งานในรูปแบบ private preview เพื่อให้สามารถทดลองใช้ AI ช่วยค้นหาช่องโหว่ในระบบของตนเองได้
หากแนวทางนี้ประสบความสำเร็จ ระบบลักษณะนี้อาจเปลี่ยนวิธีทำงานด้านความปลอดภัยซอฟต์แวร์ เช่น
กล่าวอีกแบบหนึ่งคือ ในอนาคต เอเจนต์ AI อาจกลายเป็นสมาชิกถาวรของทีมความปลอดภัยซอฟต์แวร์ ทำหน้าที่สแกนระบบอย่างต่อเนื่องเพื่อหาจุดอ่อนก่อนที่ผู้โจมตีจะใช้ประโยชน์จากมัน
ผลลัพธ์จาก Patch Tuesday เดือนพฤษภาคม 2026 จึงอาจเป็นสัญญาณเริ่มต้นของยุคใหม่ ที่การค้นพบช่องโหว่ไม่ได้มาจากมนุษย์เพียงอย่างเดียวอีกต่อไป แต่เป็นการทำงานร่วมกันระหว่างมนุษย์และ AI