de.wedoany.com-Bericht: Microsoft hat auf der Build 2026 bekannt gegeben, dass seine MDASH-Sicherheitsfähigkeit (Microsoft Security Multi-Modell-Agenten-Scanning-Framework) in die vollständige Unternehmens-Sicherheitssteuerungsebene integriert wurde und Produkte wie Defender, GitHub Code Security, Agent 365 und Purview verbindet. Das Framework filtert Sicherheitswarnungen aus dem ständigen Rauschen und wandelt sie in hochzuverlässige Warnungen um, die direkt auf ausnutzbare Schwachstellen verweisen.
MDASH ist im Wesentlichen ein KI-Agentensystem zur Triage von Schwachstellen. Es überschwemmt Sicherheitsteams nicht mit dem Rauschen zahlreicher Scan-Ergebnisse, sondern priorisiert tatsächlich umsetzbare Risiken und hilft Teams, sich auf ausnutzbare Schwachstellen zu konzentrieren. Das System orchestriert eine Pipeline aus über 100 spezialisierten KI-Agenten und nutzt Modell-Ensembles, um die Ausnutzbarkeit von Codebasen, die in gängigen Programmiersprachen geschrieben sind, zu entdecken, zu verifizieren und nachzuweisen.
Laut Aleš Holeček, Chief Security Architect bei Microsoft, hat sich die KI-gestützte Schwachstellenerkennung von einer Forschungskuriosität zu einer unternehmensweiten Produktionsabwehr entwickelt. Der nachhaltige Vorteil liege im Agentensystem um das Modell herum, nicht in einem einzelnen Modell selbst. Microsoft gibt an, dass dieses Design Abwägungen zwischen Geschwindigkeit, Trefferquote und Kosten ermöglicht und die Abhängigkeit von einem bestimmten Modell minimiert.
In Bezug auf die technische Leistung gibt Microsoft an, dass MDASH kürzlich im CyberGym-Benchmark eine Punktzahl von 96,55 % erreicht hat, gegenüber 88,45 % in der ursprünglichen Ankündigung vom Vormonat. Gleichzeitig ist MDASH nun in einer erweiterten Vorschau für berechtigte Organisationen verfügbar und beinhaltet bereits die Microsoft Defender-Integration.
Darüber hinaus werden Microsoft Defender und GitHub Code Security integriert, um Laufzeitkontext in Entwickler- und Sicherheitsworkflows einzubringen. In Code gefundene Schwachstellen werden automatisch mit realen Produktionssignalen (wie Internet-Exposition und Datenempfindlichkeit) angereichert, um die Priorisierung zu informieren. Entwickler können die Probleme anschließend mit KI-gestützten Reparaturen beheben, die über GitHub Copilot Autofix und den GitHub Copilot Cloud-Agenten generiert, zugewiesen und verifiziert werden.
Dieser Artikel wurde von Wedoany übersetzt und bearbeitet. Bei jeglicher Zitierung oder Nutzung durch künstliche Intelligenz (KI) ist die Quellenangabe „Wedoany“ zwingend vorgeschrieben. Sollten Urheberrechtsverletzungen oder andere Probleme vorliegen, bitten wir Sie, uns unverzüglich zu benachrichtigen. Wir werden den entsprechenden Inhalt umgehend anpassen oder löschen.
E-Mail: news@wedoany.com
