人工智能浪潮奔涌向前，微软再次以其深厚的工程底蕴，在代码安全领域投下了一枚重磅冲击波。5月13日，微软自主代码安全团队正式揭晓了其多模型智能体扫描框架——MDASH。这套全新的安全系统，不仅在架构理念上领先一步，更在实际的漏洞狩猎能力上，展现出了令人瞩目的实力，尤其是在与GPT-5.5和Anthropic的Mythos等知名模型的同台竞技中，表现堪称亮眼。
MDASH的核心优势，源于其“团队作战”的设计哲学。它并未将宝押在单一模型上，而是构建了一个超过100个AI智能体协同工作的生态系统。这些智能体分工明确，各有所长，从代码预处理、模式分析，到深度漏洞扫描与结果交叉验证，形成了一条高效、精准的自动化流水线。这意味着，系统可以将最复杂的逻辑推理任务交给性能最强的“大脑”，而在需要快速处理海量代码的环节，则调用响应迅捷的轻量级模型，实现了资源与效率的最优配比。
实战是检验能力的唯一标准。在最新的CyberGym公开基准测试中，MDASH交出了一份近乎完美的答卷：它不仅成功揪出了16个此前未知的漏洞，其中还包括4个高危的远程代码执行漏洞；更在内部私有测试中，面对21个故意埋设的“地雷”，实现了100%的识别率，并且整个过程零误报。这种精准度，对于动辄面临海量告警的安全团队而言，无疑具有革命性的意义。
除了发现新漏洞，MDASH在“考古”方面也功力深厚。在对历史漏洞的回顾性测试中，其对clfs.sys驱动过去五年漏洞的回收率达到了96%，而对tcpip.sys的漏洞回收率更是达到了惊人的100%。这种高效的历史漏洞复盘能力，极大地增强了微软对自身产品安全基线的信心，为系统性加固提供了清晰的地图。
目前，MDASH已开始服务于微软内部的工程团队，协助进行产品安全加固，同时也向部分受限客户开放了内部预览。这一系列动作清晰地表明，微软正致力于将前沿的AI研究转化为实实在在的工程防御力。在软件供应链安全日益严峻的今天，像MDASH这样能够将高准确率与高自动化结合的智能工具，很可能将成为未来安全攻防战中不可或缺的“标配”。
核心要点回顾：
- 架构创新： MDASH并非单一模型，而是一个集成超百个AI智能体的协作框架，实现了任务的最优分配。
- 性能卓越： 在基准测试中成功识别未知漏洞，并在针对性测试中达成100%识别率与零误报的优异表现。
- 实用性强： 已投入微软内部安全加固工作，并开启客户预览，标志着其从研究到工程落地的重要一步。
- 历史验证： 对历史漏洞的高回收率（如tcpip.sys达100%），证明了其在漏洞模式学习上的深度与广度。
