Microsoft presentó MDASH, un sistema de inteligencia artificial basado en múltiples agentes especializados para descubrir y validar vulnerabilidades en códigos complejos como Windows. A través de un proceso de análisis, debate y prueba, la herramienta ya ha logrado identificar fallos críticos que permiten la ejecución remota de código. Este avance marca la transición de la IA en ciberseguridad desde la investigación hacia una defensa empresarial a gran escala.

Microsoft ha presentado un nuevo sistema impulsado por inteligencia artificial (IA) multimodelo llamado MDASH para facilitar el descubrimiento y la remediación de vulnerabilidades a escala, añadiendo que está siendo probado por algunos clientes como parte de una vista previa privada limitada.

MDASH, abreviatura de multi-model agentic scanning harness, está diseñado como un sistema agnóstico al modelo que utiliza agentes de IA personalizados para diferentes clases de vulnerabilidades para descubrir, validar y demostrar de forma autónoma defectos explotables en bases de código complejas como Windows.

"A diferencia de los enfoques de modelo único, el arnés orquestra más de 100 agentes de IA especializados a través de un conjunto de modelos frontera y destilados para descubrir, debatir y probar errores explotables de extremo a extremo", afirmó Taesoo Kim, vicepresidente de seguridad agentica de Microsoft, en su blog.

MDASH está concebido como una "canalización estructurada" que ingiere una base de código y produce hallazgos validados y probados a través de una serie de acciones.

Comienza analizando el código fuente para construir un modelo de amenazas y superficie de ataque, ejecutando agentes "auditores" especializados sobre rutas de código candidatas para señalar problemas potenciales, ejecutando un segundo conjunto de agentes "debatientes" que validan los hallazgos, agrupando hallazgos semánticamente equivalentes y, finalmente, probando la existencia de las vulnerabilidades.

El sistema funciona con un panel configurable de modelos, con modelos de estado del arte (SOTA) utilizados para el razonamiento, modelos destilados para la validación de pasadas de alto volumen y un segundo modelo SOTA independiente para el contrapunto.

"El desacuerdo entre modelos es en sí mismo una señal: cuando un auditor marca algo como sospechoso y el debatiente no puede refutarlo, la credibilidad posterior de ese hallazgo aumenta", explicó Microsoft. "Un auditor no razona como un debatiente, que a su vez no razona como un probador. Cada etapa de la canalización tiene su propio papel, régimen de prompts, herramientas y criterios de parada".

Redmond señaló que los agentes especializados se han construido basándose en vulnerabilidades y exposiciones comunes (CVE) pasadas y sus parches. También afirmó que la arquitectura permite la portabilidad entre generaciones de modelos.


MDASH ya ha sido puesto a prueba, descubriendo 16 de las vulnerabilidades que fueron corregidas en el lanzamiento del Patch Tuesday de este mes. Las deficiencias abarcan la pila de red y autenticación de Windows, incluyendo dos fallos críticos que podrían allanar el camino para la ejecución remota de código -

* CVE-2026-33824 (CVSS score: 9.8) - Una vulnerabilidad de doble liberación en "ikeext.dll" que podría permitir a un atacante no autenticado enviar paquetes especialmente diseñados a una máquina Windows con Internet Key Exchange (IKE) versión 2 habilitado, lo que llevaría a la ejecución remota de código.
* CVE-2026-33827 (CVSS score: 8.1) - Una vulnerabilidad de condición de carrera en Windows TCP/IP ("tcpip.sys") que permite a un atacante no autorizado enviar un paquete IPv6 especialmente diseñado a un nodo Windows donde IPSec esté habilitado, lo que lleva a la explotación de ejecución remota de código.

La noticia de MDASH sigue al debut del Project Glasswing de Anthropic y Daybreak de OpenAI, ambas iniciativas de ciberseguridad impulsadas por IA para acelerar el descubrimiento, validación y remediación de vulnerabilidades antes de que puedan ser descubiertas por actores maliciosos.

"La implicación estratégica es clara: el descubrimiento de vulnerabilidades por IA ha pasado de ser una curiosidad de investigación a una defensa de grado de producción a escala empresarial, y la ventaja duradera reside en el sistema agéntico alrededor del modelo más que en cualquier modelo individual", afirmó Kim.

Fuente:
THN