Microsoft ha sviluppato MAI-Cyber-1-Flash, un nuovo modello di intelligenza artificiale progettato specificamente per l’identificazione di vulnerabilità all’interno di basi di codice complesse. Il modello è stato introdotto all’interno di MDASH, la piattaforma multi-agente dell’azienda dedicata all’individuazione, alla validazione e alla correzione automatica delle falle software.

L’obiettivo di Microsoft è migliorare l’efficacia delle analisi di sicurezza riducendo al contempo i costi computazionali necessari per eseguire scansioni continue su infrastrutture aziendali. Secondo l’azienda, il tradizionale approccio alla sicurezza informatica basato su verifiche periodiche e successivi interventi di patching non è più sufficiente.

L’intelligenza artificiale sta abbassando significativamente i costi per individuare una singola vulnerabilità sfruttabile, consentendo agli aggressori di analizzare grandi quantità di codice in tempi sempre più brevi. Di conseguenza, anche la difesa deve diventare continua, automatizzata e capace di reagire in tempo reale.

MAI-Cyber-1-Flash è stato progettato come un modello compatto e altamente specializzato nell’analisi del codice sorgente. L’architettura deriva dalla famiglia MAI-Thinking-1, ma è stato addestrato utilizzando dati specifici per la sicurezza informatica ed integrato con l’esperienza maturata da Microsoft nella gestione delle vulnerabilità su scala globale.

MDASH utilizza oltre cento agenti specializzati che collaborano tra loro per individuare falle di sicurezza, verificarne l’effettiva sfruttabilità e suggerire o applicare le relative correzioni. Il sistema può affrontare workflow complessi distribuendo i compiti tra modelli differenti in base alla loro specializzazione.

Microsoft sottolinea che MAI-Cyber-1-Flash è stato progettato per gestire circa il 90% delle attività quotidiane di analisi, riservando modelli più grandi e costosi come GPT-5.4 esclusivamente ai casi più complessi. Questo approccio consente di ottenere un vantaggio economico senza sacrificare la qualità dei risultati.

Secondo i dati diffusi dall’azienda, la nuova combinazione tra MAI-Cyber-1-Flash e GPT-5.4 raggiunge un’accuratezza pari al 96% nel benchmark CyberGym, uno dei principali test utilizzati per valutare la capacità dei modelli AI di individuare vulnerabilità reali all’interno di codebase di grandi dimensioni. Microsoft sostiene inoltre che questa configurazione supera le prestazioni ottenute da modelli concorrenti come Mythos, Gemini e GPT utilizzati singolarmente.

Oltre alle prestazioni, un aspetto importante riguarda l’efficienza economica. Grazie all’utilizzo di un modello leggero per la maggior parte delle elaborazioni, Microsoft dichiara una riduzione dei costi pari al 50% rispetto alla precedente configurazione di MDASH basata esclusivamente sui modelli GPT-5.4, GPT-5.4 mini e GPT-5.3 Codex.

Insieme al nuovo modello, Microsoft ha annunciato anche Perception, un sistema di sicurezza agentica destinato ad ampliare ulteriormente le capacità di automazione della piattaforma. L’obiettivo è mettere a disposizione dei team SOC gruppi di agenti AI in grado di monitorare costantemente infrastrutture, individuare nuove superfici di attacco, applicare correzioni e ridurre automaticamente i rischi emergenti.

L’azienda individua tre elementi fondamentali alla base della propria strategia: modello, dati e piattaforma operativa. Microsoft attribuisce un’importanza ancora maggiore all’enorme patrimonio informativo accumulato nel corso degli anni, elaborando ogni giorno oltre 100 trilioni di segnali provenienti da identità digitali, endpoint, reti, ambienti cloud e applicazioni distribuite in tutto il mondo.

A questa mole di dati si aggiunge l’esperienza raccolta attraverso il Microsoft Security Response Center, che consente di osservare l’intero ciclo di vita delle vulnerabilità dalla scoperta iniziale agli exploit realmente utilizzati, fino all’efficacia delle contromisure distribuite. Questa capacità di collegare gli attacchi alle rispettive attività di mitigazione alimenta un ciclo continuo di apprendimento basato sul reinforcement learning.

Grande attenzione è stata riservata anche alla sicurezza del modello stesso. Trattandosi della prima AI proprietaria sviluppata specificamente per la cybersecurity, Microsoft afferma di aver adottato un approccio “security by design” durante tutte le fasi del progetto. MAI-Cyber-1-Flash è stato sottoposto a test condotti dall’AI Red Team interno, a simulazioni di attacco automatizzate e a verifiche indipendenti effettuate da soggetti terzi prima della distribuzione ai clienti.

Sul fronte operativo, MDASH integra inoltre una serie di controlli pensati per le grandi organizzazioni, tra cui gestione granulare dei permessi basata sui ruoli, isolamento dei tenant, cifratura dei dati, registrazione delle attività di auditing ed esecuzione degli agenti in ambienti isolati privi di accesso diretto a Internet.