Microsoft ha distribuito Codename MDASH in Azure Government, rendendo disponibile in anteprima a un gruppo selezionato di clienti governativi statunitensi e partner autorizzati il proprio sistema agentico multi-modello per l’analisi delle vulnerabilità nel codice sorgente. MDASH è integrato come funzionalità di Microsoft Defender e utilizza modelli disponibili attraverso Microsoft Foundry all’interno di un ambiente autorizzato FedRAMP High. Azure Government opera come infrastruttura cloud separata e isolata, gestita da personale statunitense sottoposto a screening e progettata per soddisfare i requisiti di enti federali, organizzazioni di sicurezza nazionale e amministrazioni statali e locali, compresi FedRAMP High e gli accreditamenti del Department of War per workload controllati e mission-critical. In questa configurazione, il codice sorgente analizzato e le informazioni ricavate dal sistema rimangono all’interno del perimetro già approvato per il trattamento di questi dati.
MDASH è stato progettato per individuare e validare vulnerabilità sfruttabili, andando oltre il funzionamento dei tradizionali scanner statici basati principalmente sul confronto del codice con pattern di errori già conosciuti. Il sistema analizza invece il comportamento del software e segue il flusso delle informazioni tra le diverse parti del programma per stabilire se una debolezza possa essere effettivamente raggiunta e sfruttata. Più di 100 agenti AI specializzati lavorano sullo stesso codebase utilizzando differenti modelli; ciascun agente è orientato verso particolari classi di vulnerabilità, mentre un secondo livello di agenti valuta le segnalazioni prodotte e mette a confronto argomentazioni favorevoli e contrarie all’effettiva sfruttabilità del problema. I risultati vengono successivamente consolidati, deduplicati e ordinati per priorità e, quando possibile, MDASH cerca di dimostrare concretamente la vulnerabilità anziché limitarsi a segnalarne la presenza.
La pipeline documentata da Microsoft è articolata in più fasi. Durante Prepare, MDASH classifica i file in base al rischio utilizzando l’analisi del call graph e metriche relative alla complessità del codice, così da dare priorità alle funzioni considerate più suscettibili alla presenza di vulnerabilità. Nella fase Scan entrano in funzione gli agenti specializzati, tra cui quelli dedicati a injection, problemi di memory safety e bypass dei sistemi di autenticazione. Validate utilizza tecniche come taint analysis e type resolution attraverso server compatibili con il Language Server Protocol, affiancandole a un confronto tra più modelli per aumentare o ridurre il livello di confidenza associato ai singoli risultati ed eliminare falsi positivi. La fase Dedup consolida infine le segnalazioni duplicate in un insieme di vulnerabilità uniche e utilizzabili operativamente dai team di sicurezza. Microsoft aveva inoltre descritto una fase Prove capace, per le categorie di bug che lo consentono, di costruire ed eseguire input destinati a verificare concretamente l’attivazione della vulnerabilità.
Ogni finding può essere associato a un punteggio di confidenza granulare, mentre i risultati vengono centralizzati in Microsoft Security Exposure Management all’interno del portale Defender per consentire attività di triage e monitoraggio su scala organizzativa. La piattaforma supporta inoltre la generazione di correzioni tramite il comando defender fix della Defender CLI e può collegarsi direttamente a repository GitHub e Azure DevOps. Le scansioni possono essere avviate localmente, all’interno di pipeline CI/CD oppure attraverso i connettori disponibili nel portale. MDASH opera in modo generalizzato su codebase scritti nei principali linguaggi di programmazione, ma Microsoft ha realizzato agenti con competenze particolarmente approfondite per C, C++, Java e C#.
L’architettura non è vincolata a un singolo modello. Microsoft utilizza un harness che orchestra modelli differenti in base alla complessità dell’attività, combinando modelli più potenti per i passaggi che richiedono maggiore capacità di ragionamento con modelli più economici per le operazioni ad alto volume. Il confronto tra modelli viene utilizzato anche come elemento del processo di validazione: una segnalazione che continua a essere sostenuta dopo il confronto con altri modelli può ricevere un livello di confidenza superiore. Questa struttura permette inoltre di sostituire o aggiungere modelli senza modificare l’intera architettura dello scanner. Microsoft collega a questo approccio anche la possibilità di ridurre il costo delle scansioni e aumentare progressivamente la quantità di codice che un’organizzazione può sottoporre ad analisi.
Una delle aggiunte più recenti alla configurazione multi-modello è MAI-Cyber-1-Flash, modello compatto specializzato in cybersecurity introdotto da Microsoft nell’agosto 2026. Secondo i dati comunicati dall’azienda, il modello è progettato per gestire fino al 90% delle attività di scanning, lasciando circa il 10% dei casi considerati più difficili a GPT-5.4. Microsoft sostiene che questa combinazione possa ridurre di circa il 50% il costo rispetto alla migliore configurazione di modelli precedentemente utilizzata in MDASH. L’impiego di modelli diversi all’interno dello stesso sistema viene quindi utilizzato non solo per migliorare verifica e copertura delle vulnerabilità, ma anche per distribuire il carico computazionale in funzione della difficoltà delle singole analisi.
Microsoft ha pubblicato anche alcuni risultati ottenuti durante lo sviluppo e la valutazione del sistema. La versione più recente di MDASH ha raggiunto un punteggio di 96,55 sul benchmark pubblico CyberGym dedicato a vulnerabilità reali. In precedenti test interni, il sistema aveva individuato tutte le 21 vulnerabilità inserite intenzionalmente nel driver StorageDrive senza produrre falsi positivi. Su 28 vulnerabilità già confermate dal Microsoft Security Response Center nel componente Windows clfs.sys era stato registrato un recall del 96%, mentre su sette casi relativi a tcpip.sys il valore aveva raggiunto il 100%. Microsoft aveva inoltre riportato un punteggio dell’88,45% su un corpus CyberGym composto da 1.507 attività di riproduzione di vulnerabilità reali, risultato che all’epoca rappresentava il valore più elevato pubblicato nella relativa classifica.
MDASH è già stato utilizzato direttamente da Microsoft sul proprio software. Durante l’analisi dei componenti di rete e autenticazione di Windows, il sistema ha contribuito all’individuazione di 16 nuove vulnerabilità corrette con il Patch Tuesday del 12 maggio 2026, comprese quattro vulnerabilità critiche di remote code execution in componenti come lo stack TCP/IP del kernel Windows e il servizio IKEv2. Il progetto è sviluppato dall’Autonomous Code Security team di Microsoft, che comprende anche membri provenienti da Team Atlanta, il gruppo vincitore della DARPA AI Cyber Challenge grazie a un sistema autonomo capace di individuare e correggere vulnerabilità in progetti open source.
Con l’arrivo in Azure Government, Microsoft sta ora estendendo questa capacità a workload governativi che richiedono vincoli più stringenti sulla localizzazione e sul trattamento del codice. Alcune organizzazioni appartenenti sia alla sicurezza nazionale sia alle agenzie civili stanno già esplorando MDASH, mentre l’accesso rimane per il momento limitato alla preview. Microsoft indica che le agenzie stanno classificando le proprie applicazioni in base all’importanza per la missione e procedendo progressivamente con le scansioni, con l’obiettivo dichiarato di arrivare nel tempo a una copertura del 100% del codice compatibilmente con costi e risorse disponibili. Per richiedere l’accesso a MDASH in Azure Government, le organizzazioni interessate devono rivolgersi al proprio account team Microsoft.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)