MDASH：微软用100个AI代理组成的安全系统，已经找到16个Windows漏洞

多代理AI：不同于传统扫描工具

多数AI安全工具通常依赖一个模型扫描代码并寻找可疑模式，而MDASH采用了完全不同的思路——多代理协作架构。

在这个系统中，每个AI代理承担不同的角色，例如：

• 扫描和解析大型代码库
• 生成潜在漏洞的假设
• 构建可能的攻击利用场景
• 验证漏洞是否真的可以被利用

这些代理之间会共享结果、互相质疑结论，从而减少误报，并最终确认哪些漏洞是真实可利用的安全问题。

这种所谓的**“agentic（代理式）架构”**允许系统在不同阶段使用不同AI模型，而不是把所有任务交给一个模型完成。

MDASH发现的Windows漏洞

根据微软和多家媒体报道，MDASH协助安全研究人员发现了16个新的Windows漏洞，主要影响网络与身份验证相关组件。

其中4个漏洞被评为关键级远程代码执行漏洞，如果未及时修复，攻击者可能在远程执行恶意代码。

涉及的Windows组件包括：

• Windows TCP/IP 网络协议栈
• IKEEXT（IPsec密钥交换服务）
• Netlogon 身份验证服务
• Windows DNS 客户端

这些漏洞都已经在2026年5月Patch Tuesday更新中修复，因此在被大规模利用之前就已被堵住。

CyberGym基准测试表现

MDASH还在名为 CyberGym 的网络安全AI评测平台上进行了测试。该基准主要用于评估AI系统在漏洞发现和安全分析任务中的能力。

公开报道显示，MDASH在1500多项安全任务中取得约88.45%的成绩，领先于Anthropic的Mythos Preview，并在同一排行榜上超过其他AI系统。

不过，目前完整的测试方法和详细数据尚未完全公开，因此外部研究人员仍难以完全独立复现这些结果。

为什么这件事值得关注

MDASH代表了一种新的漏洞研究模式。

传统的软件安全研究主要依赖：

• 人类安全研究员
• 静态代码分析工具
• 模糊测试（fuzzing）等技术

而像MDASH这样的多代理AI系统尝试自动化整个流程：

• 在大规模代码库中寻找潜在漏洞
• 模拟攻击者行为
• 自动生成漏洞利用方式（PoC）
• 验证漏洞是否真实可利用

如果这种系统持续进步，它可能大幅提高大型软件平台（如Windows）发现和修复漏洞的速度。

企业版计划

报道称，微软计划向企业客户开放MDASH的私有预览版本，作为新的AI安全研究工具。

目前微软尚未公布最终的商业化方式，也没有明确说明它未来是否会整合进现有的Microsoft Security产品体系。

一个更大的趋势：AI代理协作

MDASH也反映了AI领域的一个明显趋势——多代理系统（multi‑agent systems）。

与单一大模型相比，多代理架构让不同AI各自专注于特定任务，通过协作完成复杂工作。在网络安全领域，这种方式尤其有优势，因为漏洞研究本身就需要推理、测试、验证和攻击模拟等多个步骤。

微软的初步成果表明，未来在大型软件平台的安全研究中，AI代理协作系统很可能成为核心工具之一。