Microsoft нашла 16 уязвимостей Windows с помощью сотни ИИ-агентов

Microsoft объявила о новой системе для поиска уязвимостей в коде — MDASH. Это не один чат-бот и не обычный сканер, а агентная платформа, которая координирует более 100 специализированных ИИ-агентов: одни ищут подозрительные участки кода, другие спорят о достижимости ошибки, третьи пытаются доказать, что баг действительно можно вызвать.

Результат уже попал в реальный цикл исправлений Windows. По данным Microsoft, с помощью MDASH исследователи нашли 16 новых уязвимостей в сетевых и аутентификационных компонентах Windows. Четыре из них получили критический уровень и относятся к удалённому выполнению кода — тому классу ошибок, который позволяет атакующему запускать код на чужой системе без физического доступа к машине.

Это важная новость не только для специалистов по безопасности. Она показывает, куда движется прикладной ИИ: от генерации текста и помощи программистам — к автономным рабочим процессам, где модели анализируют огромные закрытые кодовые базы и находят ошибки, которые раньше требовали недель ручной экспертизы.

Что именно нашла система

В майский Patch Tuesday Microsoft включила 16 CVE, найденных при помощи MDASH. Среди затронутых компонентов компания называет Windows TCP/IP stack в ядре, IKEv2, Netlogon, DNS API library, http.sys и другие части сетевой инфраструктуры Windows. Часть ошибок относится к отказу в обслуживании или раскрытию информации, но четыре критические уязвимости связаны с удалённым выполнением кода.

Две из них Microsoft подробно разобрала в своём блоге: ошибку use-after-free в tcpip.sys, связанную с IPv4-пакетами SSRR, и double-free в IKEv2, который может приводить к выполнению кода с правами LocalSystem. Если перевести это с языка CVE на человеческий: речь о низкоуровневых ошибках в сетевой логике Windows, где неправильная обработка пакетов или состояний памяти может дать атакующему очень серьёзные возможности.

Важно, что Microsoft аккуратно формулирует роль ИИ: система помогла исследователям найти уязвимости, а не полностью заменила весь процесс безопасности. На практике это и есть наиболее реалистичная картина ближайших лет. ИИ не отменяет команду security-инженеров, владельцев кода, triage и Patch Tuesday. Но он радикально меняет скорость и масштаб первичного поиска.

Почему MDASH отличается от обычного сканера

Обычный статический анализатор ищет известные паттерны: опасные вызовы функций, подозрительные переходы, нарушения типовых правил. Это полезно, но плохо работает там, где ошибка зависит от контекста: внутреннего состояния ядра, правил блокировок, доверительных границ между сервисами или сложной последовательности сетевых пакетов.

MDASH построена иначе. Microsoft описывает её как многоэтапный конвейер. Сначала система готовит кодовую базу: строит индексы, выделяет поверхность атаки и учитывает историю изменений. Затем аудиторы-агенты проходят по потенциально опасным путям и формируют гипотезы. Следующий слой агентов спорит за и против каждой находки: достижима ли она, можно ли её эксплуатировать, не является ли это ложным срабатыванием. Потом система объединяет дубли и, где возможно, пытается построить входные данные, которые доказывают существование ошибки.

Ключевой момент — не один «самый умный» модельный ответ, а архитектура вокруг моделей. Microsoft прямо пишет, что MDASH использует ансамбль frontier- и distilled-моделей: тяжёлые модели берут сложное рассуждение, более лёгкие помогают на массовых проверках, а отдельные агенты выступают независимыми оппонентами. Для индустрии это важный урок: практическая ценность всё чаще появляется не в голой модели, а в правильно собранной системе ролей, инструментов, проверок и памяти о предметной области.

Насколько это надёжно

Microsoft приводит несколько проверок. На закрытом тестовом драйвере StorageDrive, который содержит 21 специально внедрённую уязвимость и не был опубликован в интернете, MDASH нашла все 21 ошибки без ложных срабатываний в этом прогоне. На исторических данных Microsoft Security Response Center система показала 96% recall для подтверждённых случаев в clfs.sys и 100% в tcpip.sys. На публичном бенчмарке CyberGym из 1 507 реальных уязвимостей Microsoft заявляет результат 88,45%, примерно на пять пунктов выше ближайшего участника лидерборда.

Эти цифры не стоит читать как доказательство, что ИИ теперь безошибочно найдёт все баги в любой программе. Бенчмарки безопасности сложны, а реальные кодовые базы полны доменной логики, которую трудно формализовать. Но направление очевидно: агентные системы уже достаточно сильны, чтобы быть встроенными в промышленный процесс поиска уязвимостей, особенно когда рядом остаются специалисты, проверяющие и доводящие находки до исправлений.

Что это меняет для компаний

Для крупных разработчиков главный вывод прагматичный: аудит безопасности становится более частым и более глубоким. Если раньше дорогая ручная экспертиза концентрировалась на самых критичных компонентах, то агентные системы могут расширить покрытие. Они не устают, могут параллельно проверять тысячи путей и возвращаться к коду после каждого крупного изменения.

Для клиентов это означает два противоположных эффекта. Хорошая новость — больше уязвимостей будут находить до злоумышленников. Плохая — та же логика рано или поздно окажется не только у защитников. Если защитные команды используют ИИ для поиска ошибок, атакующие тоже будут автоматизировать разведку, fuzzing, reverse engineering и подбор цепочек эксплуатации. В кибербезопасности начинается гонка не просто моделей, а агентных фабрик поиска багов.

Именно поэтому MDASH важна стратегически. Она показывает, что «ИИ-агенты» — это не только помощники для написания писем, создания презентаций или генерации кода. В зрелом виде агент — это рабочая единица внутри сложного процесса: с ролью, инструментами, критерием остановки и проверкой результата. Когда таких агентов сотня, они начинают выполнять работу, похожую на распределённую команду младших исследователей под контролем опытных инженеров.

Почему это важно для обычного пользователя

Пользователь Windows может не знать, что такое tcpip.sys или IKEv2. Но он зависит от того, насколько быстро Microsoft и другие поставщики находят и закрывают такие ошибки. Критические сетевые уязвимости — это не абстрактные строки в бюллетене: они могут становиться входной точкой для вымогателей, корпоративных атак и массового заражения.

Если MDASH и похожие системы действительно войдут в регулярную практику, обновления безопасности будут всё чаще содержать баги, найденные машинами до публичной эксплуатации. Это не сделает софт идеальным, но может сократить окно между появлением ошибки в коде и её обнаружением защитниками.

Для рынка труда вывод тоже не сводится к «ИИ заменит security-инженеров». Скорее меняется профиль работы. Ценность специалиста смещается к постановке задач агентам, пониманию архитектуры продукта, проверке доказательств, приоритизации риска и превращению находки в безопасный патч. Рутинный первичный проход по коду будет всё сильнее автоматизироваться.

На что смотреть дальше

Первый маркер — как быстро Microsoft откроет MDASH для внешних клиентов. Сейчас компания говорит о ограниченном private preview, а CSO пишет, что инструмент должен стать доступен enterprise-клиентам в частном превью в июне. Если крупные компании начнут подключать такие системы к своим кодовым базам, рынок AppSec может измениться так же заметно, как разработка изменилась после появления coding agents.

Второй маркер — реакция конкурентов. Anthropic уже продвигает Mythos для безопасной разработки, Mistral, по данным Bloomberg, обсуждала кибербезопасную модель с европейскими банками, а стартапы в security-сегменте будут пытаться упаковать похожие подходы для компаний без ресурсов Microsoft.

Третий маркер — качество доказательств. В безопасности мало «кажется, тут баг». Нужны воспроизводимые условия, понятная оценка риска, низкий уровень ложных срабатываний и интеграция с реальным циклом исправлений. Победит не та система, которая громче обещает автономность, а та, которая умеет выдавать проверяемые находки без разрушения рабочего процесса инженеров.

История MDASH — хороший пример взрослого ИИ. Здесь нет магии и красивой демки ради демки. Есть скучная, дорогая и очень важная инженерная задача: найти опасные ошибки в коде, от которого зависят миллионы организаций. И если агентные системы начинают справляться именно с такими задачами, это значит, что следующая волна ИИ будет измеряться не количеством сгенерированных текстов, а числом реальных процессов, которые стали быстрее, глубже и безопаснее.