网络安全 · AI 智能体

微软把网络安全交给“红蓝绿”智能体：MAI-Cyber-1-Flash与Project Perception解读

微软正在把生成式 AI 从安全分析助手，推向能够持续发现问题、判断风险并执行修复的“行动系统”。

2026 年 7 月 27 日，微软公布首个自研网络安全模型 MAI-Cyber-1-Flash，并将它接入多智能体漏洞发现与修复系统 MDASH。与此同时，微软推出 Project Perception，以红队、蓝队和绿队三类专业智能体构成自动化防御闭环。该项目计划于 8 月 3 日进入公开预览。微软官方介绍

这两项发布需要放在一起理解：MAI-Cyber-1-Flash 是承担高频任务的专用“引擎”，MDASH 是负责调度大量智能体的执行层，Project Perception 则是覆盖安全上下文、模型选择和行动机制的整体架构。

一个小模型，为什么是这次发布的核心？

根据微软披露，MAI-Cyber-1-Flash 源自 MAI-Thinking-1 系谱，是一个紧凑、代码密集型模型。它被设计为处理 MDASH 中最多约 90% 的任务，剩余约 10% 的困难任务交给 GPT-5.4。Microsoft AI 公布的模型分工与测试结果

专用小模型处理高频任务、复杂任务转交前沿模型的分层架构概念图

这套分工回应了企业部署 AI 的现实问题：如果所有漏洞分析都调用昂贵的前沿模型，持续运行的成本和延迟可能难以接受；如果只用小模型，又可能应付不了复杂推理。微软的方案是，让专用模型承接大量常规工作，再把少数难题升级给更强模型。

在 CyberGym 基准测试中，MAI-Cyber-1-Flash 与 GPT-5.4 组成的 MDASH 系统取得 95.95%，微软将其四舍五入表述为 96%；官方称，这一成绩比 Mythos 高约 12 个百分点，相比此前最佳 MDASH 配置节省约 50% 成本。MDASH 本身编排了超过 100 个智能体，用于发现、验证和修复漏洞。相关数据与交付限制

这里必须区分事实与结论：上述性能和成本数字是微软公布的基准结果，不能直接等同于真实企业网络中的防御效果。

外部报道也指出，这些成绩能否在真实攻击环境中保持，仍需由公开预览验证。The Next Web 的审慎观察

红、蓝、绿智能体如何形成闭环？

Project Perception 的结构借用了网络安全行业熟悉的团队分工：

  • 红队智能体：寻找潜在入侵路径并模拟攻击。
  • 蓝队智能体：调查暴露面，判断风险是否真实、哪些问题应优先处置。
  • 绿队智能体：负责修复和加固，包括提出代码修复、防火墙阻断规则，甚至向内部代码仓库提交补丁。

CSO Online 对工作流的梳理

红队发现、蓝队判断、绿队修复组成持续安全闭环的概念图

三者不是孤立工具。系统会综合微软威胁情报、安全遥测和客户环境知识，先把原始信号转化为共享安全上下文，再让不同智能体连续完成侦察、验证、排序和补救。微软强调，人类仍然保持控制。

这也是它与传统聊天式安全助手的关键区别。Directions on Microsoft 将 Project Perception 概括为偏向“执行行动的 AI”，而 Security Copilot 更接近提供辅助的生成式交互界面。Project Perception 将首先通过 Microsoft Defender 等现有产品呈现相关能力，并沿用 Security Compute Units 计费。产品入口与计费信息

真正的变化：从单一模型转向安全生产线

事实是，Project Perception 采用多模型架构，会按质量、可靠性、延迟和成本为不同任务选择模型；软件漏洞管理只是它的首个应用场景，微软计划把这套机制扩展到更多安全工作流。

由此可以推断，微软的重点并非单独出售一个“最强安全大模型”，而是在建设一条可持续运转的安全生产线：共享上下文减少重复收集信息，专用模型完成高吞吐任务，前沿模型处理复杂推理，专业智能体把判断转化为行动。

本文观点是，这比单项基准领先更值得关注。企业安全的瓶颈往往不只是“能否发现漏洞”，还包括能否确认影响、排列优先级并及时修复。红蓝绿闭环试图压缩的，正是从告警到处置的整段链路。

但自动化程度越高，治理要求也越高。补丁提交、规则变更和环境加固都可能影响生产系统。微软没有直接公开模型，而是仅通过 MDASH 向经过验证的防御方提供；Axios 报道称，微软也承认客户对自主安全智能体仍然谨慎，需要逐步建立对更高自主性的信任。Axios 对交付方式和客户态度的报道

结语

MAI-Cyber-1-Flash 展示了专用小模型处理大部分安全工作、前沿模型解决少数难题的经济路径；Project Perception 则进一步把模型能力装进红、蓝、绿智能体协作的闭环。

微软已经给出了亮眼的基准数据和清晰的系统设计，但这仍是起点。公开预览真正需要回答的是：

  1. 它能否在复杂企业环境中稳定降低风险？
  2. 如何控制误判和修复副作用？
  3. 人类应在什么节点批准或叫停行动？

只有这些问题得到验证，“智能体安全系统”才会从技术演示走向可信的基础设施。

参考资料