答案已發布3 週前Last edited 2 週前17 來源

Microsoft MDASH：100 個 AI Agent 協作搵出 16 個 Windows 安全漏洞

Microsoft 的 MDASH 安全系統由超過 100 個 AI agents 協作運作，已協助發現 16 個 Windows 新漏洞，其中包括 4 個嚴重遠端程式碼執行漏洞。[3][6] 系統採用多模型、多代理架構，AI 之間會互相驗證與辯論漏洞結果，以減少誤報並確認真正可被利用的安全問題。[2][3] MDASH 在 CyberGym 網絡安全基準測試取得約 88% 成績，報導指其表現高於 Anthropic 的 Mythos Preview 等模型。[5][8]

使用 Studio Global AI 搜尋並查核事實瀏覽更多熱門頁面

2.0M0

Concept illustration of Microsoft’s MDASH multi‑agent AI system analyzing code to find software vulnerabilities — Microsoft just revealed MDASH, a new AI-powered security system that beat Anthropic’s Mythos Preview and OpenAI’s GPT-5.5 on the CyberGym beMicrosoft’s MDASH coordinates more than 100 AI agents to discover and validate vulnerabilities across complex software systems.
AI 提示
Create a landscape editorial hero image for this Studio Global article: Microsoft just revealed MDASH, a new AI-powered security system that beat Anthropic’s Mythos Preview and OpenAI’s GPT-5.5 on the CyberGym be. Article summary: Microsoft’s MDASH is a newly revealed multi-model, agentic security system that coordinates more than 100 specialized AI agents to find and validate vulnerabilities in complex software environments, and Microsoft says it. Topic tags: general, general web, user generated. Reference image context from search candidates: Reference image 1: visual subject "Microsoft debuts MDASH, an AI cyber system that beats Claude Mythos on security tests "Microsoft debuts MDASH, an AI cyber system that beats Claude Mythos on security tests"). Micr" source context "Microsoft debuts MDASH, an AI cyber system that beats Claude ..." Reference image 2: visual subject "# Microsoft’s m
openai.com

Microsoft 最近公布一個全新的 AI 安全研究系統 MDASH（Multi‑Model Agentic Scanning Harness），目標係用 AI 自動發現軟件漏洞。與傳統工具唔同，MDASH 並唔係靠一個大型模型，而係 協調超過 100 個專門 AI agents 一齊工作，從不同角度分析程式碼並驗證漏洞。

微軟表示，呢套系統已經協助安全團隊 發現 16 個之前未知嘅 Windows 漏洞，其中 4 個屬於嚴重遠端程式碼執行（Remote Code Execution, RCE）漏洞，並已經喺 2026 年 5 月 Patch Tuesday 更新入面修補。

多代理 AI：同傳統掃描工具有咩唔同

一般 AI 安全工具多數係用一個模型掃描程式碼，根據模式去判斷可能有問題嘅地方。但 MDASH 採用完全唔同嘅設計：多代理協作架構（multi‑agent system）。

喺呢個架構入面，每個 AI agent 都負責唔同任務，例如：

掃描大型程式碼庫
推測可能存在嘅漏洞
建立攻擊場景（exploit scenario）
驗證漏洞係咪真係可利用

更特別嘅係，AI agents 之間會互相分享結果，甚至「質疑」對方嘅發現。呢種設計可以 減少誤報（false positives），只保留真正可被利用嘅漏洞。

Studio Global AI

Search, cite, and publish your own answer

Use this topic as a starting point for a fresh source-backed answer, then compare citations before you share it.

使用 Studio Global AI 搜尋並查核事實

人們還問