Microsoft เปิดตัว MAI-Cyber-1-Flash และ Project Perception: ระบบความปลอดภัย AI ที่อ้างว่าลดต้นทุนได้ครึ่งหนึ่ง

MAI-Cyber-1-Flash คืออะไร

MAI-Cyber-1-Flash เป็นโมเดลขนาด 5 พันล้านพารามิเตอร์ ซึ่งถือว่าค่อนข้างกะทัดรัดเมื่อเทียบกับโมเดล AI รุ่นใหญ่ในปัจจุบัน โมเดลนี้ต่อยอดจากสาย MAI-Code-1-Flash และสืบทอดแนวทางการให้เหตุผลจากตระกูล MAI-Thinking-1 ของ Microsoft ที่เปิดตัวในเดือนมิถุนายน 2026

Microsoft ปรับแต่งโมเดลให้เหมาะกับงานในกระบวนการจัดการช่องโหว่โดยเฉพาะ ตั้งแต่การค้นหา การยืนยันผล การจัดลำดับความสำคัญ ไปจนถึงการสร้างแพตช์ โดยทำงานอยู่ภายในระบบสแกนชื่อ MDASH

ผลทดสอบที่ Microsoft รายงาน

Microsoft ระบุว่า MAI-Cyber-1-Flash เมื่อทำงานร่วมกับ MDASH ทำคะแนนได้ 96% บน CyberGym ซึ่งเป็นเกณฑ์ทดสอบที่ Microsoft สร้างขึ้นเพื่อประเมินการตรวจพบ ยืนยัน และแก้ไขช่องโหว่ ตัวเลขดังกล่าวสูงกว่า Claude Mythos 5 ของ Anthropic 12 จุด ซึ่งทำคะแนนได้ประมาณ 84%

บริษัทระบุเพิ่มเติมว่า การใช้โมเดลภายในของตัวเองช่วยลดต้นทุนได้ประมาณ 50% เมื่อเทียบกับการพึ่งพาโมเดลระดับแนวหน้าจากภายนอกทั้งหมด เนื่องจาก MAI-Cyber-1-Flash รับผิดชอบงานในกระบวนการ MDASH ประมาณ 90% ส่วนงานที่ต้องใช้เหตุผลซับซ้อนจึงค่อยส่งต่อให้โมเดลที่มีค่าใช้จ่ายสูงกว่า เช่น GPT-5.4

อย่างไรก็ตาม ตัวเลขทั้งด้านประสิทธิภาพและต้นทุนยังเป็น คำกล่าวอ้างจาก Microsoft ไม่ใช่ผลตรวจสอบอิสระ Digital Applied รายงานว่ายังไม่มีบุคคลที่สามยืนยันคะแนน CyberGym 96% และรายการบนกระดานจัดอันดับ CyberGym มาจากการรายงานด้วยตนเองของห้องทดลองที่เข้าร่วม ขณะที่ The New York Times ระบุว่า Microsoft ยังไม่ได้เปิดโมเดลให้ผู้ทดสอบอิสระประเมินก่อนการเปิดตัว

ออกแบบโดยให้ความสำคัญกับความแม่นยำด้านความปลอดภัย

Microsoft เผยแพร่ Model Card ของ MAI-Cyber-1-Flash ซึ่งอธิบายการปรับเทียบด้านความปลอดภัย ข้อมูลที่ใช้ปรับแต่ง และขอบเขตการใช้งานภายใน MDASH

ในขั้นตอนการทำงาน เอเจนต์หลายโมเดลจะใช้กลไกอภิปรายโต้แย้งกันว่าผลการค้นพบนั้นสามารถนำไปใช้โจมตีได้จริงหรือไม่ จากนั้นจึงผ่านกระบวนการพิสูจน์เฉพาะทาง เพื่อลดผลแจ้งเตือนผิดพลาดก่อนส่งต่อให้วิศวกรมนุษย์ตรวจสอบ

MDASH: เครื่องยนต์เบื้องหลังระบบค้นหาช่องโหว่

MDASH ย่อมาจาก Multi-Model Agentic Scanning Harness เป็นระบบที่ประสานงานโมเดลภาษาขนาดใหญ่หลายตัว รวมถึงโมเดลของ Microsoft, GPT-5.4 ของ OpenAI และโมเดลอื่น ๆ ให้ทำงานร่วมกันตั้งแต่การสแกน การตรวจสอบ ไปจนถึงการแก้ไขช่องโหว่

หัวใจสำคัญคือระบบเลือกโมเดลตามลักษณะงาน งานทั่วไปจะมอบให้ MAI-Cyber-1-Flash ซึ่งมีต้นทุนต่ำกว่า ส่วนงานที่ต้องใช้การวิเคราะห์เชิงลึกจะยกระดับไปยังโมเดลขนาดใหญ่กว่า วิธีนี้ทำให้ Microsoft ไม่จำเป็นต้องใช้โมเดลราคาแพงกับทุกขั้นตอน

ผลงานจากช่องโหว่จริง

ก่อนการประกาศอย่างเป็นทางการ MDASH ถูกนำไปใช้ในกระบวนการจริงของ Microsoft แล้ว โดยมีผลงานสำคัญดังนี้

• รอบ Patch Tuesday เดือนพฤษภาคม 2026: MDASH ค้นพบช่องโหว่ที่ไม่เคยเปิดเผยมาก่อน 16 รายการ ในโครงสร้างเครือข่ายและระบบยืนยันตัวตนของ Windows โดย 4 รายการเป็นช่องโหว่ระดับวิกฤตที่เปิดทางให้รันโค้ดจากระยะไกล (RCE) ในส่วนประกอบสำคัญ เช่น Windows kernel TCP/IP stack และบริการ IKEv2
• หนึ่งในช่องโหว่ดังกล่าวคือ CVE-2026-33824 ซึ่งมีคะแนน CVSS 9.8 เป็นช่องโหว่ double-free ในไฟล์ ikeext.dll ผู้โจมตีที่ไม่จำเป็นต้องยืนยันตัวตนอาจส่งแพ็กเก็ตที่สร้างขึ้นเป็นพิเศษไปยังเครื่อง Windows ที่เปิดใช้ IKEv2 และนำไปสู่การรันโค้ดจากระยะไกลได้
• การค้นพบในเดือนมิถุนายน 2026: MDASH ตรวจพบช่องโหว่เพิ่มเติมในส่วนอื่นนอกเหนือจากระบบเครือข่าย เช่น Hyper-V, Active Directory และ Windows kernel มีรายงานว่า Microsoft แก้ไขช่องโหว่ 622 รายการภายในหนึ่งเดือนโดยได้รับความช่วยเหลือจาก MDASH

กระบวนการเหล่านี้ใช้ระบบอภิปรายระหว่างโมเดลหลายตัว โดยให้เอเจนต์ AI ตรวจสอบร่วมกันว่าช่องโหว่แต่ละรายการสามารถถูกใช้โจมตีได้จริง ก่อนส่งผลให้ทีมวิศวกรมนุษย์ดำเนินการต่อ

Project Perception: ให้เอเจนต์ Red, Blue และ Green ทำงานเป็นทีม

Project Perception คือแพลตฟอร์มเชิงพาณิชย์ที่สร้างต่อยอดจาก MDASH และ MAI-Cyber-1-Flash Microsoft เรียกแนวทางนี้ว่า “ไซเบอร์สแต็กยุคใหม่” ซึ่งรวมสัญญาณจากระบบ บริบทด้านความปลอดภัย โมเดลเฉพาะทาง และเอเจนต์เข้าด้วยกัน เพื่อสร้างระบบป้องกันที่เรียนรู้อย่างต่อเนื่อง แนวคิดหลักคือการ “ใช้ AI ป้องกันภัยที่ขับเคลื่อนด้วย AI”

ภายใน Project Perception เอเจนต์ถูกแบ่งเป็น 3 กลุ่มหลัก

• Red team: จำลองพฤติกรรมของผู้โจมตี เพื่อค้นหาและทดสอบจุดอ่อนก่อนที่แฮกเกอร์จะพบ
• Blue team: ตรวจจับภัยคุกคาม วิเคราะห์สัญญาณ และสืบสวนว่าความเสี่ยงใดมีความสำคัญจริง
• Green team: ดำเนินการแก้ไข ปิดช่องโหว่ และช่วยจัดการแพตช์ในสภาพแวดล้อมขององค์กร

ระบบยังสามารถเลือกส่งงานให้โมเดลจาก Microsoft, OpenAI หรือ Anthropic ตามความเหมาะสมและประสิทธิภาพของแต่ละขั้นตอน เช่น ใช้โมเดลขนาดเล็กกับงานประจำ และเรียกใช้ GPT-5.4 หรือโมเดลอื่นเมื่อเจอกรณีที่ซับซ้อนกว่า

จากการสแกนโค้ดสู่การป้องกันแบบต่อเนื่อง

ระยะแรก Project Perception จะเน้นการจัดการช่องโหว่ซอฟต์แวร์ แต่ Microsoft ระบุว่าระบบมีแผนขยายไปสู่งานความปลอดภัยที่กว้างขึ้น เช่น การเฝ้าระวังอย่างต่อเนื่อง การสืบสวนภัยคุกคาม และการแก้ไขอัตโนมัติ เพื่อสร้างระบบป้องกันที่เรียนรู้และทำงานต่อเนื่อง

Project Perception จะเปิด Public Preview ในวันที่ 3 สิงหาคม 2026 สำหรับลูกค้าองค์กรของ Microsoft ที่กำลังทดสอบ MDASH agent harness อยู่แล้ว โดยระยะแรกจะให้บริการภายใน Microsoft Defender ก่อนทยอยขยายไปยังผลิตภัณฑ์ Microsoft Security อื่น ๆ

การแข่งขันครั้งใหม่ในตลาด AI ความปลอดภัยไซเบอร์

การเปิดตัวครั้งนี้เกิดขึ้นท่ามกลางการแข่งขันที่เข้มข้นขึ้นในตลาด AI สำหรับความปลอดภัยไซเบอร์ Anthropic เคยสร้างกระแสด้วยโมเดลความปลอดภัย Claude Mythos ขณะที่ Google และ OpenAI ก็ลงทุนในระบบค้นหาช่องโหว่ด้วย AI เช่นกัน

Microsoft พยายามวางตำแหน่ง Project Perception ให้เป็นคำตอบต่อภัยคุกคามที่ใช้ AI โดยให้เหตุผลว่าเครื่องมือรักษาความปลอดภัยแบบเดิมอาจตามความเร็วของการโจมตีอัตโนมัติไม่ทัน

จุดขายที่เห็นได้ชัดคือสถาปัตยกรรมแบบ เลือกใช้หลายโมเดล การนำโมเดลเฉพาะทางขนาดเล็กและต้นทุนต่ำมาทำงานร่วมกับโมเดลระดับแนวหน้าที่มีราคาแพง อาจช่วยให้องค์กรตรวจสอบโค้ดได้ถี่ขึ้นโดยไม่ต้องแบกรับค่าใช้จ่ายเท่าเดิม Microsoft จึงชูตัวเลขลดต้นทุนประมาณ 50% เป็นหนึ่งในข้อได้เปรียบหลัก

แต่คำถามสำคัญยังอยู่ที่การตรวจสอบจากภายนอก คะแนน CyberGym และตัวเลขต้นทุนยังมาจาก Microsoft ขณะเดียวกันประวัติการค้นพบช่องโหว่จริง 16 รายการในรอบอัปเดตเดียวอาจเป็นหลักฐานที่องค์กรให้ความสำคัญมากกว่าคะแนนเบนช์มาร์กเพียงอย่างเดียว เมื่อ Project Perception เริ่มเปิดให้ทดสอบในวันที่ 3 สิงหาคม สิ่งที่ต้องจับตาคือองค์กรจะไว้วางใจให้ AI ตรวจสอบโครงสร้างพื้นฐานของตนเองอย่างต่อเนื่อง และลงมือแก้ไขช่องโหว่ได้มากเพียงใด