← Back to Trending

答案已發布2 個月前Last edited 上個月18 個來源

MDASH：微軟用 100 個 AI 代理協作找出真實 Windows 漏洞

微軟 MDASH 系統協調超過 100 個 AI 代理自動尋找軟體漏洞，已協助發現 16 個 Windows 弱點，其中包含 4 個重大遠端程式碼執行漏洞。[3][6] 該系統在 CyberGym 資安基準測試中取得約 88.45% 成績，超越 Anthropic 的 Mythos Preview，並在部分報導中被指也高於 GPT‑5.5。[8][9] MDASH 採用多代理架構：不同 AI 代理負責掃描程式碼、提出漏洞假設、模擬攻擊與驗證可利用性，以降低誤報並確認真實漏洞。[2][3]

使用 Studio Global AI 搜尋並查證事實瀏覽更多熱門頁面

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 提示詞
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

微軟近日公開了一套名為 MDASH（Multi‑Model Agentic Scanning Harness） 的 AI 資安研究系統。這個平台透過協調 超過 100 個專門 AI 代理（agents），自動分析程式碼、模擬攻擊並驗證漏洞，而不是只依賴單一大型模型進行掃描。

初步成果已顯示出實際影響：微軟表示 MDASH 協助內部安全團隊發現 16 個此前未知的 Windows 漏洞，其中包括 4 個重大遠端程式碼執行（Remote Code Execution，RCE）漏洞。這些漏洞已在 2026 年 5 月 Patch Tuesday 更新中完成修補。

不同於傳統掃描工具：多代理 AI 架構

傳統 AI 安全工具通常由單一模型掃描程式碼並標記可疑模式。但 MDASH 的設計更像一個「AI 安全研究團隊」。

在這個系統中，每個 AI 代理都有不同職責，例如：

掃描大型程式碼庫
對潛在漏洞提出假設
建立可能的攻擊利用情境
驗證漏洞是否真的可被利用

這些代理會互相分享結果，甚至對彼此的發現提出質疑，以過濾誤報並確認真正可利用的漏洞，而不是僅僅提供推測性的警示。

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 搜尋並查證事實

大家也會問

「MDASH：微軟用 100 個 AI 代理協作找出真實 Windows 漏洞」的簡短答案是什麼？

微軟 MDASH 系統協調超過 100 個 AI 代理自動尋找軟體漏洞，已協助發現 16 個 Windows 弱點，其中包含 4 個重大遠端程式碼執行漏洞。[3][6]

最值得優先驗證的重點是什麼？

微軟 MDASH 系統協調超過 100 個 AI 代理自動尋找軟體漏洞，已協助發現 16 個 Windows 弱點，其中包含 4 個重大遠端程式碼執行漏洞。[3][6] 該系統在 CyberGym 資安基準測試中取得約 88.45% 成績，超越 Anthropic 的 Mythos Preview，並在部分報導中被指也高於 GPT‑5.5。[8][9]

接下來在實務上該怎麼做？

MDASH 採用多代理架構：不同 AI 代理負責掃描程式碼、提出漏洞假設、模擬攻擊與驗證可利用性，以降低誤報並確認真實漏洞。[2][3]

來源