Microsoft AI: Blog (Web)
85

Mô hình

Microsoft ra mắt MAI-Cyber-1-Flash: Bước tiến mới trong bảo mật AI trên nền tảng MDASH

(giờ Việt Nam)

Tóm tắt AI

Microsoft giới thiệu MAI-Cyber-1-Flash, mô hình AI tối ưu hóa tốc độ cao được tích hợp vào hệ sinh thái MDASH, nhằm tăng cường khả năng phát hiện và phản ứng trước các mối đe dọa an ninh mạng.

Bản dịch AI

Introducing MAI-Cyber-1-Flash inside MDASH | Microsoft AI

Lựa chọn mô hình phù hợp cho tác vụ

Bảo mật là nhiệm vụ luôn phải ưu tiên, và với khối lượng tấn công khổng lồ, chi phí token hiện là rào cản thực sự đối với các đơn vị phòng thủ. MAI-Cyber-1-Flash được thiết kế để xử lý hiệu quả tới 90% các tác vụ, cho phép MDASH sử dụng các mô hình lớn và đắt đỏ nhất trong hệ thống của chúng tôi (trong trường hợp này là GPT-5.4) cho 10% các tác vụ đặc biệt khó khăn thực sự cần đến chúng.

Kết quả là hệ thống hợp nhất MDASH với MAI-Cyber-1-Flash đạt 96% trên CyberGym (cao hơn 12 điểm so với Mythos).

Sự kết hợp này mang lại khả năng tiết kiệm 50% chi phí so với gói dịch vụ tốt nhất hiện có của chúng tôi trong MDASH (GPT 5.4 + 5.4 mini + 5.3 codex). Đó chính là sức mạnh của một hệ thống đa mô hình được tinh chỉnh tốt, có quyền truy cập vào dữ liệu huấn luyện lịch sử phong phú và độc nhất. Điều này đảm bảo bạn luôn có mô hình tốt nhất với mức giá tối ưu cho mọi tác vụ.

Trong môi trường mới này, khả năng chuyển đổi từ việc xác định lỗ hổng mới sang xử lý nó trong thời gian thực là rất quan trọng. Và mặc dù việc khắc phục lỗ hổng phần mềm bằng AI hiện là một quy trình bảo mật then chốt, vẫn còn rất nhiều công việc cần được thực hiện bởi chính các chuyên gia bảo mật.

Đó là lý do tại sao hôm nay chúng tôi cũng ra mắt Perception, hệ thống bảo mật tác nhân (agentic) của chúng tôi, cung cấp các nhóm tác nhân cho nhiều quy trình bảo mật khác nhau trong MDASH, nhằm liên tục giám sát, vá lỗi và ngăn chặn các vectơ đe dọa mới. Perception cũng sẽ sớm sử dụng MAI-Cyber-1-Flash cho nhiều quy trình bảo mật hơn nữa, vượt ra ngoài phạm vi xử lý lỗ hổng phần mềm.

Ba yếu tố quan trọng hiện nay: Mô hình (Model). Dữ liệu (Data). Hệ thống vận hành (Harness).

Chúng tôi đã tối ưu hóa đồng bộ các mô hình đẳng cấp thế giới, dữ liệu lịch sử vô song và hệ thống vận hành được tinh chỉnh bởi chuyên gia để đảm bảo khách hàng có được một giải pháp bảo mật mạnh mẽ độc nhất.

Mô hình. MAI-Cyber-1-Flash là một mô hình bảo mật nhỏ gọn, tập trung vào mã nguồn, được phát triển từ dòng MAI-Thinking-1, vốn được xây dựng từ đầu, nội bộ, trên dữ liệu chất lượng cao nhất. Chi tiết có trong báo cáo kỹ thuật của chúng tôi.

Dữ liệu. Lợi thế sâu sắc nhất của chúng tôi. Nhiều thập kỷ xây dựng các hệ thống bảo mật đẳng cấp thế giới hiện mang lại cho chúng tôi hàng nghìn tỷ tín hiệu mỗi ngày trên các lĩnh vực danh tính, điểm cuối, đám mây và mạng, cùng hồ sơ vô song về các cuộc tấn công thực tế và cách khắc phục. Không ai có thể tạo ra lịch sử này.

Hệ thống vận hành. MDASH, hệ thống xác định và khắc phục lỗ hổng đa tác nhân của chúng tôi, được tinh chỉnh bởi các chuyên gia bảo mật hàng đầu trong ngành, những người đã tạo ra hơn 100 tác nhân sử dụng nhiều mô hình dẫn đầu để tìm kiếm, xác thực và khắc phục lỗ hổng. Quét mã bằng tác nhân là một chức năng quan trọng trong Trung tâm Điều hành Bảo mật (Security Operating Center) và cung cấp dữ liệu cho Project Perception, hệ thống bảo mật tác nhân mới của chúng tôi.

Được xây dựng với tiêu chí an toàn là trên hết

Vì MAI-Cyber-1-Flash là mô hình an ninh mạng đầu tiên của Microsoft, chúng tôi đã tích hợp sự tin cậy vào mọi lớp của hệ thống, từ huấn luyện mô hình đến triển khai cho khách hàng. Mô hình được phát triển với sự hiệu chỉnh ưu tiên bảo mật, được đánh giá nghiêm ngặt bởi AI Red Team của Microsoft, kiểm thử thông qua các bài tập đối kháng tự động và do chuyên gia dẫn dắt, đồng thời được đánh giá độc lập bởi bên thứ ba.

Sự tin cậy không chỉ dừng lại ở bản thân mô hình. Thông qua MDASH, khách hàng nhận được các quyền kiểm soát cấp doanh nghiệp bao gồm Kiểm soát dựa trên vai trò (Role-Based Controls), cô lập tenant, mã hóa, khả năng kiểm toán và môi trường thực thi sandbox không có kết nối internet. Kết quả là một mô hình an ninh mạng mang lại khả năng mạnh mẽ cho các đơn vị phòng thủ trong khi vẫn duy trì sự quản trị, bảo mật và kiểm soát mà các doanh nghiệp mong đợi từ Microsoft.

Cỗ máy cải tiến không ngừng của chúng tôi

An ninh mạng không chỉ là một lĩnh vực giàu dữ liệu; đó là một vòng lặp học tăng cường trực tiếp. Mỗi ngày, các đơn vị phòng thủ điều tra các mối đe dọa, phân loại cảnh báo, săn lùng kẻ tấn công, khắc phục lỗ hổng, triển khai các biện pháp bảo vệ và học hỏi từ kết quả.

Microsoft nhìn thấy vòng lặp đó từ đầu đến cuối: các lỗ hổng thông qua Trung tâm Phản hồi Bảo mật Microsoft (Microsoft Security Response Center); các cuộc tấn công và phòng thủ trên danh tính, điểm cuối, đám mây, dữ liệu, trình duyệt và ứng dụng; hơn 100 nghìn tỷ tín hiệu bảo mật mỗi ngày; và thông tin chi tiết vận hành từ 1,6 triệu khách hàng. Vì chúng tôi có thể kết nối hành động với kết quả; cái gì có thể bị khai thác, cái gì đã được ngăn chặn, cái gì đã bị chặn và cái gì thực sự hiệu quả; chúng tôi có nhiều thứ hơn là chỉ dữ liệu.

Vòng lặp học tăng cường MAI của chúng tôi cung cấp nền tảng để xây dựng các mô hình an ninh mạng cải tiến liên tục và trở thành những chuyên gia phòng thủ mạng. Đó sẽ vẫn là cam kết của chúng tôi đối với khách hàng trong nhiều năm tới.

Bar chart titled "CyberGym Evaluation" comparing success rates of five models, with MDASH: MAI-Cyber-1-Flash + GPT-5.4 leading at 95.95%, and other four models ranging between 83.2% and 85.6%.A blurry background of green and pink colors with the word "MAI" in white text centered inside a thin white square.Two overlapping watercolor speech bubbles, one pink and one green, with a flower painted in the center where they intersect, all set against a light background.A group of people stand on a grassy cliff at sunset with birds flying above; the scene is framed by the view from underwater, showing water bubbles and ripples.
MicrosoftAn ninh mạngAIMDASHMAI-Cyber
Đọc bài gốc

Bài viết được AI dịch và tổng hợp tự động từ Microsoft AI: Blog (Web). Liên kết bài gốc ở phía trên. Dữ liệu đồng bộ qua API công khai được ghi nguồn tại AI HOT (canonical) ↗. AIHOT.vn luôn dẫn nguồn đầy đủ — nếu bạn thấy điểm cần chỉnh sửa, hãy gửi ý kiến tại trang phản hồi.