☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
在网络安全威胁持续升级的当下，微软自主代码安全团队于 5 月 13 日正式发布了一款名为 MDASH 的多模型智能体扫描框架。该系统摒弃了传统依赖单一 AI 模型的思路，转而采用多智能体协同工作机制，显著增强了代码安全分析的精度与响应速度。
MDASH 架构集成了逾 100 个专精型 AI 智能体，涵盖多种前沿大模型及高效轻量级模型。这些智能体在漏洞检测全流程中承担不同职责，例如代码预处理、静态与动态扫描、结果交叉验证、冗余数据清洗、可复现证据构造以及修复方案有效性评估等。模块化分工确保各环节都能调用最适合的模型能力，从而应对高度复杂的软件安全挑战。
在业界公认的 CyberGym 公开评测基准中，MDASH 表现极为亮眼，全面领先 Anthropic 推出的 Mythos 和 OpenAI 最新版本 GPT-5.5。多轮实测结果显示，MDASH 成功识别出 16 个此前未被公开披露的安全缺陷，其中包含 4 个具备远程代码执行（RCE）能力的高危漏洞，凸显其深度挖掘未知风险的能力。
尤为突出的是，在一项针对人工注入 21 个已知漏洞的私有测试环境中，MDASH 达成 100% 的漏洞检出率，并且全程未产生任何误报。这一结果不仅验证了其卓越的识别能力，也反映出系统在降低噪声干扰、提升研判可信度方面的显著进步。
此外，回溯性评估进一步佐证了其稳定性与泛化能力：MDASH 对 clfs.sys 驱动程序过去五年内所有已知漏洞的召回率达 96%，对 tcpip.sys 更实现了 100% 的全覆盖。这表明该框架在真实历史场景中同样具备极强的适用性与鲁棒性。
目前，MDASH 已投入微软内部产品安全加固流程，并向部分受控客户开放早期预览权限。随着后续迭代优化与生态整合加速，该系统有望成为下一代智能安全检测基础设施的核心组件，为全球用户构筑更坚实可靠的数字防线。
划重点：
? MDASH 基于多智能体协同范式，融合超 100 个定制化 AI 模型，全面提升漏洞检测效能。
? 在 CyberGym 基准测试中，MDASH 发现 16 个全新漏洞，性能超越 GPT-5.5 与 Mythos。
✅ 私有测试环境下实现 100% 漏洞命中率且零误报，精准性与可靠性双双达到行业新高。
