微软MDASH安全系统实测：21个漏洞全中零误报，超越GPT-5.5

5月13日，安全领域迎来重要进展：微软代码安全团队正式发布了名为MDASH的多模型智能体扫描框架。此次发布并非简单的版本迭代，而是一次架构层面的重大革新。

性能表现超越业界标杆

该框架在权威的CyberGym公开基准测试中表现突出，其综合性能已全面超越Anthropic的Mythos模型，并领先于OpenAI的GPT-5.5。

核心设计：从单打独斗到协同作战

MDASH的突破性在于其根本设计思路的转变。它放弃了依赖单一AI模型的传统方式，转而采用精密的多智能体协作策略。框架内集成了超过100个专用AI智能体，这些智能体基于不同的前沿大模型或轻量化模型构建，形成了一支分工明确的专业团队。

系统化的工作流程

在实际运作中，各智能体被系统化地分配至不同环节：部分负责代码准备与预处理，部分专攻漏洞模式的扫描与识别，其余则承担结果验证、数据去重、证据生成及补丁验证等后续任务。系统逻辑清晰，由性能最强的核心模型负责关键推理决策，而响应速度最快的精简模型则高效处理海量代码的交叉验证与辩论任务，实现了资源与效率的优化平衡。

内部扫描成果显著

在针对Windows网络和身份验证组件的内部扫描测试中，MDASH取得了显著成果：成功发现了16个此前未知的漏洞，其中包括4个高危的远程代码执行漏洞。

极限测试表现完美

为进一步测试其极限能力，团队进行了更为严苛的私有测试驱动程序验证。在该测试中，系统面对人为植入的21个已知漏洞，实现了100%的识别率，并保持了零误报的完美记录。

历史漏洞召回率优异

回顾性测试数据进一步证明了其可靠性。对于clfs.sys驱动近五年的历史漏洞，MDASH的召回率达到96%；而对tcpip.sys驱动的历史漏洞，召回率更是达到了100%。

应用现状与未来展望

目前，MDASH已开始在微软内部协助工程团队进行产品安全加固，并面向部分受限客户开启了内部预览测试。这标志着基于多智能体协作的新一代自动化安全审计模式，正从研究阶段走向实际应用。