跳到正文
原文
Microsoft：官方博客· Hayete Gallot·· 2026-07-28精选AI 评分60

微软发布智能体安全系统 Project Perception，8 月 3 日开启公共预览

Rethinking security for the age of AI

文章要点
  • 1微软发布 Project Perception 智能体安全系统，定于 8 月 3 日进入公共预览
  • 2系统协调红队、蓝队、绿队三类专用智能体，持续发现、评估并改进组织安全态势
  • 3第一个落地场景为软件漏洞管理，官方称 MAI-Cyber-1-Flash 在 CyberGym 取得 96% any-crash 得分
  • 4官方称该配置较现行 MDASH 市售版本节省近 50% 成本，并在 CyberGym 排行榜超过 Mythos
决策要点

安全防御的竞争点从产出更多告警转向持续感知、推理与自动处置，防御自动化进入智能体阶段。

  • 影响：漏洞排查与处置环节可交由智能体分担，安全团队人力重心或从盯告警转向审核与监督；多模型按任务选型会改变安全防护的成本结构；系统处于公共预览阶段，接入生产需先评估处置权限与数据边界。
  • 参考：可考虑在 8 月 3 日公共预览后选一个漏洞管理场景试点，记录排查耗时与误报对比；值得先盘点现有安全产品可执行的动作清单，划定智能体自动处置的权限边界。
  • 依据：96% any-crash 得分与近 50% 成本节省均为微软官方口径，暂无独立验证；开放时间与能力范围以官方预览说明为准。
正文 · AI 翻译

编者注：本文更新了有关该车型碰撞评分的更多细节。

为什么安全需要全新的网络技术栈 — 推出 Project Perception

网络安全的物理规律正在改变。自主系统如今可以推理、适应并持续运行。与此同时，攻击的成本在不断下降，而需要保护的内容在数量、速度和复杂性上却持续增长。攻击者可以更快地生成漏洞利用程序、更大规模地开展攻击活动，并以前所未有的效率运作。为人类行为者的世界而构建的方法，已无法跟上由 AI、智能体和机器速度攻击构成的世界。

安全需要全新的网络技术栈。全新的网络技术栈必须持续感知整个数字资产中的风险，在海量上下文中进行推理，并以机器速度采取行动。它必须随着环境演变不断学习和适应，帮助组织领先于威胁。而且，由于安全归根结底是一项人类使命，它必须通过更好的洞察和更强大的行动方式来增强防御者的能力。下一代安全系统的决定性特征将不是生成更多警报的能力，而是持续感知、推理和行动的能力。

正是这一愿景促使我们构建了 Project Perception。这是一个为 AI 时代的现实而设计的新型智能体安全系统。它将信号转化为实时防护，利用 AI 来抵御 AI。

Project Perception 将信号、上下文、模型和专业智能体整合到一个持续学习的防御系统中。它可以以机器速度进行推理、确定优先级并采取行动，同时让人类牢牢掌控，并借助强大的新工作流为他们赋能。

Project Perception 基于一个简单的理念：有效的防御需要持续理解攻击者如何看待世界、防御者如何评估风险，以及防护措施如何随时间不断改进。为此，Perception 协调三类专业智能体。红队智能体在攻击者利用之前识别潜在的入侵路径。蓝队智能体进行调查、基于上下文进行推理，并判断哪些代表着实质性风险。绿队智能体采取纠正措施，强化整个环境中的防御。这些智能体协同工作，形成一个闭环系统，持续发现、评估并改进组织的安全态势。

Diagram titled“Project Perception: Teams of agents.” Three interconnected agent teams are shown in a horizontal sequence: Red team agents, represented by a bug icon, simulate attacks; Blue team agents, represented by a shield icon, detect and triage threats; and Green team agents, represented by a wrench icon, fix and remediate issues. Plus signs between the teams indicate collaboration and coordination among the agent groups as part of a continuous cybersecurity workflow.

像 Project Perception 这样的系统，其效能取决于它所具备的可见性、它能采取的行动、构建团队的经验以及它能使用的模型。Microsoft 将这四者集于一身。

我们能够洞察身份、终端、应用程序、数据、云和 AI 系统，提供覆盖整个数字资产的广泛可见性。同样重要的是，我们可以帮助客户在这些环境中采取行动。再结合数十年的安全研究、威胁情报以及保护组织的实际运营经验，这些能力塑造了 Project Perception 进行推理、确定优先级和响应的方式。

安全是一项 24/7 的使命。各组织需要高效、持续可用且在大规模下依然经济实惠的防护。这不仅仅是获取最强大的模型，还需要将正确的模型应用于正确的任务。Project Perception 采用多模型架构，结合前沿模型与专门的网络安全模型，同时优化质量与成本。

作为这项多模型战略的一部分，我们致力于为客户带来适用于每项安全任务的最佳模型，包括以我们自己的专门模型进行创新。第一个场景是软件漏洞管理，即将 MAI-Cyber-1-Flash 引入 MDASH——我们的软件漏洞多模型智能体团队。 搭载 MAI-Cyber-1-Flash 的 MDASH 在行业基准 CyberGym 上实现了 96% 的 (any-crash score*) 得分，并在 CyberGym 排行榜上超越了 Mythos 等竞争对手。 而且，与目前市场上的 MDASH 配置相比，相同的配置还能带来近 50% 的成本节约 。这就是一个经过精心调优、并能获取独特丰富历史训练数据的多模型系统的力量。接下来，Project Perception 将把 MAI-Cyber-1-Flash 应用于软件漏洞场景之外的更多安全工作流。

我们正通过 Project Perception 将这一愿景带给全球各地的客户，它将于8 月 3 日进入公开预览。

YouTube 视频

为智能体安全打造的网络技术栈

实现智能体安全不仅仅是将智能体添加到现有工作流中，它需要一个从零开始设计的全新网络技术栈。

这一技术栈始于提供跨数字资产感知能力的信号与传感器。安全上下文将这些信号转化为智能体可以使用的、节省 token 的理解。模型提供智能与推理能力。Harness 负责在各安全工作流中协调模型与智能体。智能体在安全工作流中运用这些智能，执行器则将决策转化为防护。这些层共同构建了一个持续学习的系统，能够理解风险、适应不断变化的条件，并随着时间的推移改善安全结果。

Diagram titled “The New cyber stack” showing six layers of an AI-powered cybersecurity architecture. From bottom to top, the layers are: Signals and sensors (visibility across endpoints, identities, data, clouds, apps and AI); Context (continuously enriched intelligence providing operational context); Models (a multi-model approach for reasoning over threats); Harness (a framework that orchestrates agents and models); Agents (specialized red, blue and green team agents that continuously defend); and Actuators (mechanisms that turn agent decisions into real-world actions). The layers are displayed as stacked horizontal bands within a rounded rectangular frame, illustrating how security data is transformed into automated defensive actions.

虽然每一层都提供重要的能力，但 Project Perception 的强大之处在于它们的协同工作方式。

专为 AI 打造的安全上下文

有效的推理不仅仅需要原始信号，智能体还需要上下文。

Microsoft 将其广泛的可见性、威胁情报和安全专业知识转化为一个安全上下文，将整个数字资产中的安全数据、知识与语义连接起来。其结果是对组织资产、身份、关系、风险和活动的持续更新的呈现，让智能体对它们所协助防御的环境拥有共享的、近乎实时的理解。

A Sankey-style diagram showing how security telemetry flows from data sources to security context and AI agents. On the left, security sensors and signals from Microsoft Defender for Endpoint, Microsoft Entra ID, Microsoft Sentinel, Microsoft Defender, Azure Resource Manager, User & Entity Behavior Analytics, Exposure Management, and Threat Intelligence feed event streams such as device, identity, alert, and exposure data. In the center, the data is organized into security context models including graph, attack graph, lateral movement, process tree, identity graph, exposure graph, alert triage, email threats, infrastructure, red team operations, and anomaly detection. On the right, the contextualized information is consumed by Blue Team, Green Team, and Red Team AI agents, illustrating how diverse security signals are transformed into actionable context for specialized security models and agents.

这种共享的理解是 Project Perception 运作方式的基础。它不会强迫智能体持续从原始信号中收集、关联和重构上下文，而是让它们能够即时且节省 token 地获取所需信息，以对风险进行推理、确定行动优先级并做出决策。通过将每一次交互都建立在这一丰富的安全上下文之上，Project Perception 提高了推理的准确性和一致性，同时降低了大规模运行所需的时间、算力和成本。

为安全而构建的多模型架构

没有任何单一模型能在所有安全任务中都达到最优。有效的网络防御需要在正确的时间将正确的模型应用于正确的问题。

对于 Project Perception 而言，正确的模型由质量、可靠性、延迟和成本的综合因素决定。Project Perception 并不依赖单一模型，而是采用多模型架构，持续选择最适合任务的能力，同时优化效果与经济性。由于安全是一项全天候的使命，可持续的经济性对于大规模运营防护至关重要。

这一方法源于我们对前沿模型和专业模型持续开展的研究、基准测试与评估。我们的安全研究人员不断根据真实世界的安全工作流程评估模型，使我们能够为每项任务匹配能带来最佳结果的模型。这使客户能够受益于 AI 的进步，而无需受制于任何单一模型。

执行器——从洞察到行动

安全团队不需要更多信息。他们需要更好的结果。

这正是执行器成为网络堆栈关键部分的原因。Project Perception 与 Microsoft Security 产品深度集成，使智能体能够将洞察与行动联系起来。组织可以持续降低风险，而不仅仅是识别风险，帮助防御者在保持掌控的同时强化安全。

以安全为先构建

支撑网络堆栈每一层的是信任的基础。Project Perception 的构建遵循微软的负责任 AI 原则，并继承了客户已经依赖的安全、合规、治理和运营控制。这确保了这些功能以客户所期望的同样的严谨性、问责性和企业级就绪度交付。

安全的未来

安全始终是攻击者与防御者之间的竞赛。AI 改变了这场竞赛的速度、规模和经济性。防御者需要能够与他们一同持续感知、推理和行动的系统。

 Project Perception 正是我们开始构建这一未来的方式。

要了解更多关于 Microsoft Security 解决方案的信息，请访问我们的网站。收藏安全博客，及时了解我们的专家对安全事务的报道。此外，请在 LinkedIn（Microsoft Security）和 X（@MSFTSecurity）上关注我们，获取最新的网络安全新闻和动态。

其他资源：

Hayete Gallot 领导微软帮助组织在 AI 驱动的世界中安全运营的工作。她的职责范围包括全球范围内的身份、威胁防护、合规与数据安全。

注：*Any-crash 衡量智能体识别漏洞的能力，即使用一个可触发任何现有漏洞或 0-day 漏洞的输入使被评估代码崩溃。我们的 96% 得分即为 any-crash 得分。

本文重新思考 AI 时代的安全最先发布于微软官方博客。

来源：Microsoft：官方博客 · blogs.microsoft.com

#产品工具#Agent#数据安全#合规风控#降本增效#Microsoft