Microsoft combineert AI-modellen voor snellere opsporing van lekken

In een toelichting benadrukken topmannen Mustafa Suleyman en Hayete Gallot dat de snelle opkomst van AI ook tot een nieuwe generatie geavanceerde cyberdreigingen leidt. Aanvallers gebruiken steeds slimmere tools om op grote schaal naar zwakke plekken in code te zoeken. Volgens Microsoft is het traditionele beveiligingsmodel – waarin systemen slechts periodiek worden gescand en geschrapt – daardoor achterhaald.

Hybride opzet voor maximale efficiëntie

Omdat continue beveiligingsscans enorm veel rekenkracht en tokens vergen, kiest Microsoft voor een slimme taakverdeling. Het compacte en efficiënte MAI-Cyber-1-Flash handelt tot 90 procent van de routinematige taken af. Alleen voor de resterende 10 procent van uitzonderlijk ingewikkelde problemen schakelt het platform over naar zwaardere modellen zoals GPT-5.4.

Deze gecombineerde aanpak levert op de CyberGym-benchmark – de geldende standaard voor het beoordelen van kwetsbaarheidsanalyses in grote codebases – een score op van 95,95 procent. Waarmee het systeem beter presteert dan concurrenten als Mythos, Gemini en losse GPT-modellen, terwijl de totale kosten voor gebruikers halveren.

Nieuwe agentic beveiliging en veiligheid

Naast het nieuwe model lanceert Microsoft ook Perception, een agentic beveiligingssysteem binnen MDASH. Teams van autonome software-agenten monitoren hierin continue systemen, dichten beveiligingslekken en voeren herstelwerkzaamheden uit.

Aangezien het om Microsofts eerste specifieke cybermodel gaat, is het uitvoerig getest door interne AI Red Teams en onafhankelijke externe partijen. Het model draait binnen afgeschermde omgevingen zonder internettoegang, ondersteund door de dagelijkse verwerking van meer dan 100 biljoen beveiligingssignalen binnen het wereldwijde Microsoft-netwerk.