โมเดล AI ความปลอดภัย Microsoft เปิดตัว MAI-Cyber-1-Flash

สรุปสั้น: ไมโครซอฟท์เปิดตัว MAI-Cyber-1-Flash โมเดลความปลอดภัย AI รุ่นแรก ที่ทำงานร่วมกับระบบ MDASH และ Project Perception สามารถทำคะแนน CyberGym ได้ 95.95% โดยใช้ทรัพยากรน้อยกว่าโมเดลใหญ่ถึงครึ่งหนึ่ง ลดต้นทุนการดูแลความปลอดภัยในองค์กรได้ราว 50% ซึ่งถือเป็นก้าวสำคัญสู่ยุคความปลอดภัยอัตโนมัติที่เรียกว่า ‘agentic era’ ที่แท้จริง

ข้อเท็จจริงสำคัญ

• MDASH (Microsoft Security multi-model agentic scanning harness) ประสานงานมากกว่า 100 เอเจนต์เฉพาะทางเพื่อวิเคราะห์โค้ด โต้แย้งความเสี่ยง และสร้าง proof-of-concept exploit
• MDASH ช่วยค้นพบช่องโหว่ที่ยังไม่มีใครรู้ 16 จุดในระบบเครือข่ายและยืนยันตัวตนของ Windows โดยมี 4 จุดเป็นช่องโหว่ร้ายแรงที่สามารถรันโค้ดจากระยะไกล และได้รับการแก้ไขแล้วใน Patch Tuesday เดือนพฤษภาคม
• MDASH ทำคะแนนได้ 88.45% ใน CyberGym benchmark ซึ่งทดสอบความเข้าใจช่องโหว่จริงกว่า 1,500 จุด
• MAI-Cyber-1-Flash โมเดลรุ่นแรกของไมโครซอฟท์ ถูกพัฒนาจาก MAI-Thinking-1 โดยฝึกบนข้อมูลช่องโหว่และวิธีแก้ของไมโครซอฟท์เอง
• เมื่อ MDASH ใช้ MAI-Cyber-1-Flash จะจัดการงานความปลอดภัยได้ราว 90% โดยส่งงานที่เหลือ 10% ไปยัง GPT-5.4 ทำให้ต้นทุนลดลงประมาณครึ่งหนึ่ง
• MDASH ที่ใช้ MAI-Cyber-1-Flash ทำคะแนนได้ 95.95% ใน CyberGym benchmark (1,507 งานจำลองช่องโหว่) สูงกว่า Anthropic’s Mythos ที่ทำได้ 84%
• Project Perception จัดกลุ่มเอเจนต์เป็น 3 ทีม: แดง (โจมตีจำลอง), น้ำเงิน (ตรวจสอบและประเมินสัญญาณ), เขียว (เขียนและติดตั้งแก้ไข) โดยการกระทำสำคัญยังต้องได้รับการอนุมัติจากมนุษย์

ไมโครซอฟท์เปิดตัวระบบความปลอดภัย AI ระดับโลกครั้งแรกในประวัติศาสตร์ของบริษัท โดยมีโมเดล MAI-Cyber-1-Flash และแพลตฟอร์ม Project Perception เป็นหัวใจหลัก ทั้งสองอย่างถือเป็นก้าวสำคัญสู่ยุค ‘agentic era’ ที่ระบบ AI จะทำงานอัตโนมัติ รอบด้าน และเรียบง่ายเหมือนลมหายใจ [2]

โมเดล MAI-Cyber-1-Flash เป็นผลิตภัณฑ์แรกที่ไมโครซอฟท์พัฒนาเองเพื่อความปลอดภัยไซเบอร์ โดยถูกออกแบบมาให้เล็ก แต่ทรงพลัง ด้วยการปรับแต่งโค้ดจากโมเดล MAI-Thinking-1 และฝึกบนข้อมูลช่องโหว่จริงและวิธีแก้ของไมโครซอฟท์เอง [3] มันไม่ใช่เพียงโมเดลเดียว แต่เป็นส่วนหนึ่งของระบบที่เรียกว่า MDASH (Microsoft Security multi-model agentic scanning harness) ที่ประสานงานมากกว่า 100 เอเจนต์เฉพาะทาง [1]

เอเจนต์เหล่านี้ไม่ได้ทำงานแบบเดิม ๆ แต่สามารถวิเคราะห์โค้ด โต้แย้งว่าช่องโหว่นั้นร้ายแรงแค่ไหน ตรวจสอบความถูกต้องของผลลัพธ์ และแม้แต่สร้าง proof-of-concept exploit เพื่อยืนยันว่าช่องโหว่มีอยู่จริง [1] ทีมงานจาก DARPA’s AI Cyber Challenge ได้มีส่วนร่วมในการพัฒนา MDASH ด้วย

ผลลัพธ์ที่เห็นได้ชัดคือ ระบบช่วยนักวิจัยไมโครซอฟท์ค้นพบช่องโหว่ใหม่ 16 จุดใน Windows โดยเฉพาะในส่วนเครือข่ายและยืนยันตัวตน ซึ่งรวมถึง 4 จุดที่เป็นช่องโหว่ร้ายแรงที่สามารถรันโค้ดจากระยะไกล และได้รับการแก้ไขแล้วใน Patch Tuesday เดือนพฤษภาคม [1]

เมื่อทดสอบบน CyberGym benchmark ซึ่งประเมินความสามารถในการจำลองช่องโหว่จริงกว่า 1,500 จุด MDASH ทำคะแนนได้ 88.45% ก่อนหน้าที่จะมี MAI-Cyber-1-Flash [1] แต่เมื่อใช้โมเดลใหม่ คะแนนพุ่งขึ้นเป็น 95.95% (รายงานโดย VentureBeat ว่า 96%) สูงกว่า Anthropic’s Mythos ที่ทำได้เพียง 84% [3][4]

สิ่งที่ไมโครซอฟท์เน้นย้ำคือ โมเดลนี้ไม่ได้แทนที่โมเดลใหญ่ทั้งหมด แต่ทำงานร่วมกันอย่างชาญฉลาด โดย MAI-Cyber-1-Flash ดูแลงาน 90% ของภาระงานความปลอดภัย ส่วนที่เหลือ 10% ถูกส่งต่อไปยัง GPT-5.4 ซึ่งช่วยลดต้นทุนการดำเนินงานลงได้ประมาณครึ่งหนึ่ง [3][4]

ในขณะเดียวกัน Project Perception เป็นระบบป้องกันอัตโนมัติที่จัดกลุ่มเอเจนต์เป็น 3 สี: แดง ทำหน้าที่เหมือนแฮกเกอร์จำลองเพื่อหาช่องโหว่, น้ำเงิน ตรวจสอบสัญญาณเตือนภัยและจัดลำดับความสำคัญ, เขียว เขียนโค้ดแก้ไขและติดตั้งอัตโนมัติ [3][4] อย่างไรก็ตาม การกระทำที่มีผลกระทบสูง เช่น การปิดระบบหรือเปลี่ยนการตั้งค่าสำคัญ ยังต้องได้รับการอนุมัติจากมนุษย์

แพลตฟอร์มนี้เริ่มเปิดให้ทดลองใช้ในรูปแบบ public preview เมื่อวันที่ 3 สิงหาคม 2569 และราคาคำนวณตามการใช้งาน โดยใช้หน่วยชื่อ Security Compute Units [4]

ผู้บริหารไมโครซอฟท์ย้ำว่า ระบบใหม่นี้ไม่ได้แค่เร็วหรือแม่นยำ แต่สามารถเรียนรู้และปรับตัวได้ตลอดเวลา โดย Hayete Gallot รองประธานบริษัทกล่าวว่า Project Perception คือ ‘ระบบที่รวมสัญญาณ บริบท โมเดล และเอเจนต์เฉพาะทางเข้าไว้ด้วยกันอย่างต่อเนื่อง’ [3] ส่วน Mustafa Suleyman หัวหน้าฝ่าย AI ของไมโครซอฟท์กล่าวว่า สถาปัตยกรรมใหม่นี้คือ ‘จุดเริ่มต้นของสิ่งที่ยังไม่ถึงครึ่งทาง’ [4]

สิ่งที่น่าจับตาต่อไปคือ ระบบจะสามารถทำงานได้จริงในองค์กรขนาดใหญ่หรือไม่ โดยเฉพาะเมื่อต้องจัดการกับความซับซ้อนของระบบที่มีหลายชั้นและข้อมูลจำนวนมาก และว่าการลดต้นทุน 50% ที่ประกาศไว้นั้นจะยังคงอยู่ในระยะยาวหรือไม่

Sources

2. Microsoft Ignite: Ambient and autonomous security for the agentic era | Microsoft Security Blog (www.microsoft.com) — 2025-11-18
3. Microsoft’s introduces its first agent-powered cybersecurity model - SiliconANGLE (siliconangle.com) — 2026-07-27
4. Microsoft Intros New Agentic AI Security Multi-Model Defense System — Campus Technology (campustechnology.com) — 2026-05-18
5. Microsoft launches AI cybersecurity model, agentic defense platform to cut enterprise security costs (venturebeat.com) — 2026-07-27