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:
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。
此外,MDASH 採用 多模型架構,可以在同一系統中協調不同 AI 模型與工具,而非讓單一模型負責所有分析步驟。
根據微軟與多家媒體報導,MDASH 協助發現的 16 個 Windows 漏洞主要影響網路與驗證相關元件。
其中包括 4 個重大遠端程式碼執行漏洞,若未修補,攻擊者可能透過網路遠端執行惡意程式碼。
報導指出受影響的 Windows 元件包括:
這些問題已在 2026 年 5 月的 Patch Tuesday 更新中修復,代表漏洞在被廣泛利用之前就已被封堵。
MDASH 也在名為 CyberGym 的 AI 資安測試平台上進行評估。該基準測試包含大量模擬資安任務,用來評估 AI 在漏洞發現與攻擊推理方面的能力。
報導指出,MDASH 在 超過 1,500 個任務中取得約 88.45% 的整體成績,排名領先 Anthropic 的 Mythos Preview,部分資料亦顯示其分數高於 GPT‑5.5。
不過,目前公開的測試方法與完整評估數據仍然有限,因此外部研究人員尚難以完全獨立驗證這些結果。
MDASH 展示了一種新的漏洞研究模式:由 AI 代理團隊自動完成漏洞研究流程。
相較於傳統依賴人工研究員或靜態掃描工具的方式,這類系統可以:
如果這類技術持續成熟,未來大型軟體平台(例如 Windows)可能能更快發現並修補安全漏洞。
根據報導,微軟計畫將 MDASH 以企業版私密預覽(private preview)形式提供給部分客戶,作為安全研究與漏洞分析工具的一部分。
目前微軟尚未公布完整產品化細節,例如是否會整合進 Microsoft Security 產品線或 Azure 安全服務。
MDASH 也反映出 AI 技術的一個重要趨勢:多代理系統(multi‑agent systems)。
這類系統不是依靠一個全能模型,而是讓多個專門代理合作完成複雜任務。對資安研究而言,漏洞發現往往需要探索、推理、測試與驗證等多個步驟,正適合由不同 AI 代理協作完成。
微軟的早期成果顯示,未來在大型軟體平台的漏洞研究中,AI 代理系統可能會成為核心工具之一。