MDASH ist als „strukturierte Pipeline" konzipiert, die eine Codebasis einliest und über mehrere Schritte hinweg überprüfte und nachgewiesene Funde liefert. Zunächst analysiert das System den Quellcode, um ein Bedrohungsmodell und die Angriffsfläche zu erstellen. Anschließend durchlaufen spezialisierte „Auditor"-Agenten verdächtige Codepfade und markieren mögliche Probleme.

In einem zweiten Durchgang prüfen „Debater"-Agenten diese Funde, semantisch gleichwertige Ergebnisse werden gruppiert, und am Ende wird die Existenz der Schwachstellen nachgewiesen. Angetrieben wird das System von einer konfigurierbaren Auswahl an Modellen: hochmoderne Modelle für das eigentliche Schlussfolgern, destillierte Modelle für die Validierung bei großen Mengen sowie ein weiteres separates Spitzenmodell, das einen unabhängigen Gegenstandpunkt liefert.

Gerade die Uneinigkeit zwischen den Modellen wertet Microsoft als Signal: Wenn ein Auditor etwas als verdächtig einstuft und der Debater es nicht widerlegen kann, steigt die Glaubwürdigkeit dieses Fundes. Ein Auditor argumentiere nicht wie ein Debater und dieser wiederum nicht wie ein Prover, der die Ausnutzbarkeit beweist. Jede Stufe der Pipeline habe eine eigene Rolle, eigene Vorgaben, eigene Werkzeuge und eigene Abbruchkriterien.

Nach Angaben aus Redmond wurden die spezialisierten Agenten auf Basis früherer Common Vulnerabilities and Exposures (CVEs) und der zugehörigen Patches aufgebaut. Die Architektur sei zudem über verschiedene Modellgenerationen hinweg übertragbar.

In der Praxis fand MDASH 16 Schwachstellen, die mit dem Patchday dieses Monats behoben wurden. Sie verteilen sich über den Netzwerk- und Authentifizierungs-Stack von Windows und schließen zwei kritische Lücken ein, die den Weg zu einer Remotecodeausführung ebnen könnten.

Die Vorstellung von MDASH folgt auf Anthropics Project Glasswing und OpenAIs Daybreak — zwei KI-gestützte Sicherheitsinitiativen, die das Aufspüren, Validieren und Beheben von Schwachstellen beschleunigen sollen, bevor Angreifer sie finden.

„Die strategische Konsequenz liegt auf der Hand: Die KI-gestützte Schwachstellensuche hat den Schritt von der Forschungsneugier zur produktionsreifen Verteidigung im Unternehmensmaßstab vollzogen, und der dauerhafte Vorteil liegt im agentenbasierten System rund um das Modell, nicht in einem einzelnen Modell selbst", erklärte Kim.