Microsoft AI zaprezentował MAI-Cyber-1-Flash - nowy model sztucznej inteligencji zintegrowany z platformą MDASH. Rozwiązanie to wyznacza wyższy standard w wykrywaniu i naprawianiu luk w kodzie, oferując wyższą wydajność niż modele Mythos, GPT i Gemini przy kosztach niższych o 50 proc. System automatyzuje do 90 proc. zadań z zakresu cyberbezpieczeństwa, a dzięki analizie bilionów sygnałów dziennie ciągle udoskonala swoje możliwości. To przełomowe narzędzie dla zespołów chroniących krytyczne oprogramowanie.
MAI-Cyber-1-Flash. Przełom w walce z cyberzagrożeniami
Postęp w dziedzinie sztucznej inteligencji doprowadził do powstania nowej generacji zagrożeń cyfrowych. Napastnicy dysponują coraz potężniejszymi narzędziami do przeszukiwania ogromnych zasobów kodu w poszukiwaniu choćby pojedynczej słabości. W świecie, gdzie koszt znalezienia luki w kodzie drastycznie spada, tradycyjny model ochrony oparty na okazjonalnym skanowaniu i stopniowym łataniu staje się bezużyteczny. Budowa wyspecjalizowanych modeli obronnych jest kluczowa do wzmocnienia oprogramowania, na którym opiera się współczesny świat.
Mustafa Suleyman oraz Hayete Gallot z Microsoft AI ogłosili wprowadzenie MAI-Cyber-1-Flash do MDASH - autorskiego środowiska wykorzystującego wiele agentów AI do identyfikacji i usuwania podatności w oprogramowaniu. Zintegrowany system oferuje najwyższą światową wydajność przy o 50 proc. niższych kosztach w porównaniu do wiodących modeli na rynku.
MAI-Cyber-1-Flash zaprojektowano specjalnie do wykrywania trudnych podatności w złożonych strukturach kodu. Został on zintegrowany z platformą MDASH, dopracowany przez czołowych ekspertów ds. bezpieczeństwa oraz przetestowany na największych zasobach infrastrukturalnych. W benchmarku CyberGym, uznawanym za wzorzec oceny analizy dużych baz kodu, rozwiązanie to osiągnęło wyniki przewyższające modele Claude Mythos od Anthropic, Gemini od Google i GPT od OpenAI.
Identyfikacja i łatanie luk w czasie rzeczywistym
W codziennej walce z cyberzagrożeniami głównym ograniczeniem dla obrońców staje się koszt tokenów. MAI-Cyber-1-Flash stworzono z myślą o wydajnej obsłudze do 90 proc. wszystkich zadań. Dzięki temu najbardziej kosztowne i złożone modele we flocie, takie jak GPT-5.4, są wykorzystywane w MDASH jedynie do pozostałych 10 proc. wyjątkowo trudnych operacji.
Połączony system MDASH i MAI-Cyber-1-Flash osiąga wynik 96 proc. w benchmarku CyberGym, co stanowi przewagę o 12 pkt. proc. nad modelem Mythos. Takie podejście generuje 50 proc. oszczędności kosztów w porównaniu do dotychczasowej najsilniejszej konfiguracji w MDASH (składającej się z GPT 5.4, 5.4 mini oraz 5.3 codex).
Szybkie przechodzenie od identyfikacji do naprawy luk w czasie rzeczywistym jest obecnie kluczowe. Aby wesprzeć specjalistów, udostępniono również system agentowy Perception. Dostarcza on zespoły agentów przeznaczone do ciągłego monitorowania, łatania i zamykania nowych wektorów ataku. W przyszłości Perception zacznie wykorzystywać MAI-Cyber-1-Flash także do innych zadań związanych z bezpieczeństwem.
Architektura rozwiązania. Model, dane i środowisko
Zaprezentowany przez Microsoft schemat ochrony opiera się na optymalizacji trzech elementów:
- Model: MAI-Cyber-1-Flash to kompaktowy model nastawiony na analizę kodu, wywodzący się z flagowej linii MAI-Thinking-1. Został zbudowany od podstaw na bazie najwyższej jakości danych.
- Dane: Microsoft wykorzystuje biliony sygnałów dziennie pochodzących z obszarów tożsamości, punktów końcowych, chmury i sieci, a także bogatą historię realnych ataków i wdrożonych poprawek.
- Środowisko: platforma MDASH wykorzystuje ponad 100 agentów bazujących na różnych modelach. Ich zadaniem jest wyszukiwanie, weryfikacja i naprawa luk. System ten stanowi element operacyjny w Security Operating Center i zasila Project Perception - nowy agentyczny system ochrony Microsoftu.
Bezpieczeństwo i kontrola klasy enterprise
Jako pierwszy dedykowany model dla cyberbezpieczeństwa od Microsoft, MAI-Cyber-1-Flash powstał z zachowaniem rygorystycznych standardów giganta. Został poddany kalibracji pod kątem ochrony, oceniony przez Microsoft AI Red Team, przetestowany w symulacjach ataków oraz zwalidowany przez niezależną firmę zewnętrzną.
W ramach platformy MDASH klienci otrzymują dostęp do mechanizmów kontroli klasy enterprise. Należą do nich kontrola dostępu oparta na rolach, izolacja dzierżawców, szyfrowanie, audytowalność oraz piaskownice wykonawcze odcięte od dostępu do Internetu.
Dowiedz się więcej z naszych artykułów:
