MAI-Cyber 1
Hacker News 摘要原标题：MAI-Cyber 1
微软宣布在 MDASH 平台中引入 MAI-Cyber-1-Flash 模型。MDASH 是一个用于漏洞识别与修复的多智能体框架。这一组合在提供世界级安全性能的同时，将成本降低了 50%。
核心背景与挑战
随着 AI 技术的飞速发展，新一代网络威胁也随之出现。攻击者正利用越来越强大的能力在庞大的代码库中搜寻弱点。传统的定期扫描和补丁修复模式已经过时。为了保护全球运行的软件，必须构建卓越的网络安全模型。MAI-Cyber-1-Flash 专为发现复杂代码库中的挑战性漏洞而设计。它集成了网络安全专家的经验，并在全球最大的安全数据环境中进行了加固。
性能表现与基准测试
在 CyberGym 基准测试中，MAI-Cyber-1-Flash 的表现优于 Mythos、Gemini 和 GPT。CyberGym 是评估系统在大型代码库中推理并发现真实漏洞的行业标准。
• MDASH 与 MAI-Cyber-1-Flash 结合后的系统在 CyberGym 上的得分达到 96%。
• 这一成绩比 Mythos 模型高出 12 个百分点。
模型选择与成本优化
在安全任务中，令牌（Token）成本是防御者的主要制约因素。MAI-Cyber-1-Flash 的设计初衷是高效处理 90% 的常规任务。
1. 分级处理：MDASH 平台利用 MAI-Cyber-1-Flash 处理绝大部分工作，而将剩下的 10% 极其困难的任务交给更强大的 GPT-5.4 模型。
2. 降低成本：与微软目前的顶级方案（GPT 5.4、5.4 mini 和 5.3 codex 的组合）相比，新系统节省了 50% 的成本。
3. 多模型协同：这种经过调优的多模型系统确保了每项任务都能以最佳价格匹配到最合适的模型。
Perception 代理式安全系统
微软同步推出了名为 Perception 的代理式安全系统。它在 MDASH 中提供智能体团队，用于各种安全工作流。这些智能体能够持续监控、修复并关闭新的威胁向量。Perception 很快将扩大 MAI-Cyber-1-Flash 的使用范围，涵盖软件漏洞处理以外的更多安全流程。
三大支柱：模型、数据与框架
微软通过共同优化以下三个要素，确保护卫客户的安全：
• 模型：MAI-Cyber-1-Flash 是一款紧凑、侧重代码的安全模型。它源自 MAI-Thinking-1 系列，是从零开始基于高质量数据自主构建的。
• 数据：微软拥有数十年构建安全系统的经验。其优势在于每天处理数万亿个跨身份、终端、云和网络的信号，并拥有无与伦比的真实漏洞利用与修复记录。
• 框架：MDASH 包含由顶级安全专家调优的 100 多个智能体，能够发现、验证并修复漏洞。
安全与信任
作为微软首个网络安全模型，MAI-Cyber-1-Flash 在各层面都内置了信任机制：
• 严格评估：模型经过微软 AI 红队评估、自动化及专家引导的对抗性演练，并接受了第三方独立评估。
• 企业级控制：通过 MDASH 平台，客户可以获得基于角色的控制（RBAC）、租户隔离、加密、审计功能以及无互联网连接的沙箱执行环境。
强化学习闭环
网络安全是一个实时强化学习的过程。微软每天通过安全响应中心（MSRC）调查威胁、分类警报并捕获超过 100 万亿个安全信号。通过将操作与结果相连，微软能够分析哪些漏洞可被利用、哪些已被拦截。这种 MAI 强化学习循环为构建能够持续改进的专家级防御模型奠定了基础。目前，该系统已为全球 160 万客户提供运营洞察。
原文：https://microsoft.ai/news/introducing-mai-cyber-1-flash-inside-mdash/