Microsoft ha introdotto MAI-Cyber-1-Flash, il suo primo modello AI specializzato per la cyber security, insieme a Project Perception, un sistema agentico per i workflow di difesa nei prodotti Microsoft Security.
MAI-Cyber-1-Flash lavora dentro MDASH, un harness multi-agente: l’ambiente operativo che collega agenti, modelli, strumenti, controlli e verifiche per individuare, validare e correggere vulnerabilità software. Project Perception applica la stessa logica a un perimetro più ampio, a partire da Microsoft Defender. La public preview è prevista per il 3 agosto 2026.
Il costo dell’offesa scende, quello della difesa conta di più
Il punto di partenza è il cambiamento economico introdotto dall’AI. I sistemi autonomi possono cercare vulnerabilità, generare exploit, scalare campagne e operare con una velocità difficile da gestire con processi pensati per team umani. Se trovare un difetto nel codice costa meno, anche la difesa deve aumentare frequenza e copertura.
La scansione periodica non basta in uno scenario in cui codice, dipendenze, configurazioni cloud, identità e applicazioni cambiano continuamente. La gestione delle vulnerabilità diventa un flusso permanente: individuazione del rischio, verifica, priorità, remediation, controllo della correzione. In un workflow di questo tipo, il costo dei token è uno dei vincoli che decide se l’automazione può funzionare su scala aziendale.
Il parallelo con modelli recenti come Opus 5 riguarda il rapporto tra capacità e costo: non solo prestazioni più alte, ma prestazioni utilizzabili a costi più bassi. Nel caso di Microsoft, la strategia è verticale. MAI-Cyber-1-Flash non nasce come modello generalista meno caro, ma come modello cyber specializzato per assorbire la maggior parte del lavoro ricorrente.
MAI-Cyber-1-Flash: il modello cyber compatto
MAI-Cyber-1-Flash è un modello compatto, specializzato sul codice e derivato dalla linea MAI-Thinking-1, sviluppata internamente da Microsoft AI. È stato costruito per cercare vulnerabilità difficili in codebase complesse, dove il sistema deve ragionare su file, dipendenze, percorsi di esecuzione e possibili condizioni di exploit.
Dentro MDASH, MAI-Cyber-1-Flash può gestire fino al 90% delle attività. Il restante 10%, cioè i casi più complessi, viene affidato a GPT-5.4. Il sistema evita così di usare sempre il modello più costoso: un modello cyber più piccolo lavora sulle attività frequenti, mentre GPT-5.4 resta disponibile per le analisi che richiedono maggiore capacità.
La configurazione composta da MDASH, MAI-Cyber-1-Flash e GPT-5.4 raggiunge il 95,95% su CyberGym, arrotondato da Microsoft al 96%. CyberGym è un benchmark per valutare sistemi AI applicati alla sicurezza del codice: misura la capacità di ragionare su grandi codebase e individuare vulnerabilità reali. Il risultato viene indicato come 12 punti sopra Mythos; nella stessa valutazione, le configurazioni basate su Gemini e GPT restano sotto.
Il costo operativo dichiarato è inferiore del 50% rispetto alla migliore configurazione MDASH oggi disponibile, basata su GPT-5.4, GPT-5.4 mini e GPT-5.3 Codex. Il risparmio dipende dall’orchestrazione tra modelli: MAI-Cyber-1-Flash sulle attività comuni, GPT-5.4 sulle analisi più difficili.
Modello, dati e harness
L’approccio a MAI-Cyber-1-Flash ruota attorno a tre elementi: modello, dati e harness. Il modello porta la specializzazione cyber, i dati danno memoria storica su vulnerabilità e remediation reali, l’harness trasforma modelli e agenti in workflow verificabili.
Il modello è MAI-Cyber-1-Flash: compatto, specializzato sul codice e derivato dalla linea MAI-Thinking-1. La funzione è assorbire la parte più frequente del lavoro su vulnerabilità software, lasciando ai modelli più grandi i casi che richiedono più capacità.
I dati sono il vantaggio industriale rivendicato da Microsoft. L’azienda cita decenni di lavoro sui sistemi di sicurezza, trilioni di segnali quotidiani su identità, endpoint, cloud e rete, oltre a uno storico di exploit e remediation reali. Per un modello cyber, questo storico è più importante di una raccolta generica di codice: collega il difetto, il modo in cui è stato sfruttato, la correzione applicata e l’esito dell’intervento.
L’harness è MDASH, il sistema multi-agente per identificazione e remediation delle vulnerabilità. Comprende oltre 100 agenti basati su modelli diversi, con compiti che includono ricerca dei difetti, validazione, deduplicazione, produzione delle prove e verifica delle correzioni.
La differenza rispetto a una scansione tradizionale è il ciclo completo. Un agente può individuare un possibile difetto, un altro verificarne la rilevanza, un altro ancora produrre elementi di prova e un ulteriore passaggio controllare la correzione. Il modello specializzato riduce il costo della parte più frequente del lavoro, mentre l’harness tiene insieme strumenti, modelli e controlli.
La scansione agentica del codice diventa così una funzione del Security Operation Center: non solo un controllo periodico sul software, ma un flusso collegato ai workflow più ampi di Project Perception.
Project Perception: agenti per la difesa continua
Project Perception estende il modello agentico oltre la gestione delle vulnerabilità software. Il sistema sarà disponibile inizialmente in Microsoft Defender e verrà poi esteso agli altri prodotti Microsoft Security.
Perception coordina tre gruppi di agenti. I red agent cercano percorsi di compromissione e lacune nella postura di sicurezza prima che possano essere sfruttati. I blue agent investigano minacce e rischi usando il contesto dell’organizzazione. I green agent lavorano su remediation e hardening, cioè sulle azioni correttive e sul rafforzamento delle difese.
Il sistema è pensato come un ciclo chiuso: scoperta, valutazione, correzione, nuovo controllo. L’obiettivo non è aumentare il numero di alert, ma ridurre il tempo tra identificazione del rischio e intervento. MAI-Cyber-1-Flash entrerà anche in workflow di Perception oltre la gestione delle vulnerabilità software, anche se gli scenari successivi non sono ancora dettagliati.
Un Cyber Stack costruito per gli agenti
Project Perception non aggiunge semplicemente agenti ai workflow di sicurezza esistenti. Il sistema usa uno stack a sei livelli: segnali e sensori, contesto, modelli, harness, agenti e attuatori. I segnali e i sensori danno visibilità su endpoint, identità, dati, cloud, applicazioni e sistemi AI. Il contesto trasforma quei segnali in una rappresentazione utilizzabile dagli agenti. I modelli forniscono capacità di ragionamento. L’harness coordina modelli e agenti nei workflow di sicurezza. Gli agenti applicano questa intelligenza ai casi operativi. Gli attuatori traducono le decisioni in azioni nei prodotti di difesa.
Il valore dello stack non è nei singoli livelli, ma nel modo in cui lavorano insieme. Un segnale raccolto da un endpoint o da un’identità può diventare contesto operativo, essere analizzato dal modello più adatto, passare a un agente specializzato e arrivare a un’azione di remediation o hardening. La logica è quella di un sistema di apprendimento continuo: osservare il rischio, valutarlo, intervenire e adattare la difesa quando l’ambiente cambia.
Il contesto come vantaggio operativo
La parola chiave è contesto. Gli agenti non lavorano solo su log o segnali isolati. Project Perception usa informazioni provenienti da identità, endpoint, applicazioni, dati, cloud e sistemi AI, organizzandole in una rappresentazione aggiornata di asset, relazioni, attività e rischi.
Il contesto comprende grafi di attacco, grafi delle identità, alberi dei processi, analisi del movimento laterale, esposizione degli asset, triage degli alert, infrastruttura, anomalie e threat intelligence. A questi elementi si aggiungono incidenti passati, decisioni di policy e segnali in tempo reale. Gli agenti partono quindi da un quadro già correlato, invece di ricostruire ogni volta il contesto dai dati grezzi.
Il punto è far partire l’indagine da relazioni già costruite tra segnali, identità, incidenti e policy, non da una semplice ricerca di pattern nei log. Questo riduce anche il costo computazionale: un contesto già organizzato è più efficiente da usare nei prompt e nelle decisioni degli agenti rispetto alla continua raccolta e correlazione di segnali grezzi.
Modelli diversi per compiti diversi
Project Perception usa un’architettura multi-modello anche oltre MDASH. La scelta del modello dipende da qualità, affidabilità, latenza e costo. Nessun modello è ottimale per tutte le attività di sicurezza: alcune richiedono capacità di ragionamento più avanzate, altre possono essere gestite da modelli specializzati più piccoli ed economici.
Questa architettura permette di valutare continuamente modelli frontier e modelli cyber specializzati sui workflow reali di sicurezza. L’obiettivo è assegnare ogni compito al modello più adatto, mantenendo sostenibile una difesa sempre attiva. MAI-Cyber-1-Flash rientra in questa logica: nasce nella gestione delle vulnerabilità software, ma sarà usato in Project Perception anche per altri workflow di sicurezza.
Dal segnale all’azione: il ruolo degli attuatori
Gli attuatori sono il livello che collega le analisi alle azioni nei prodotti Microsoft Security. Il loro ruolo è evitare che il sistema si limiti a produrre altre informazioni da gestire manualmente. Perception usa gli attuatori per trasformare un risultato di indagine in un intervento: riduzione dell’esposizione, correzione di una configurazione, applicazione di una patch, chiusura di un vettore di attacco o rafforzamento di una difesa.
Le azioni ad alto impatto restano sotto approvazione umana. I team di sicurezza definiscono obiettivi e limiti operativi; gli agenti eseguono il lavoro; gli interventi più delicati richiedono una firma. Le decisioni devono restare tracciabili e rieseguibili, con controlli di governance e Responsible AI.
Security Copilot e Project Perception
Microsoft Security Copilot è l’assistente generativo per i team di sicurezza. Usa il linguaggio naturale per interrogare dati, sintetizzare incidenti, produrre riepiloghi, guidare indagini e aiutare gli analisti a lavorare più rapidamente dentro gli strumenti Microsoft Security.
Project Perception lavora a un livello diverso dello stack. Coordina agenti specializzati, usa il contesto dell’organizzazione e collega le analisi alle azioni operative nei prodotti di difesa. Copilot è l’interfaccia conversazionale per gli analisti; Perception è il sistema agentico che esegue workflow di sicurezza.
Prezzi a consumo e Security Compute Units
Project Perception avrà un modello commerciale a consumo. L’unità di misura sono le Security Compute Units, o SCU: gli agenti consumano SCU quando eseguono scenari nel portale, con costi diversi in base all’intensità del compito.
Il modello a consumo rende ancora più importante la parte economica dell’annuncio. Se gli agenti devono lavorare in modo continuo, il costo non dipende solo dalla disponibilità della funzione, ma anche da quante attività vengono eseguite, da quali modelli vengono chiamati e dalla complessità dei workflow. MAI-Cyber-1-Flash serve proprio a ridurre il costo delle attività frequenti dentro questo tipo di architettura.
Dati, apprendimento e controlli enterprise
Microsoft collega entrambi i prodotti alla quantità di dati disponibili nel proprio ecosistema: oltre 100 trilioni di segnali di sicurezza al giorno, attività su identità, endpoint, cloud, rete, browser e applicazioni, il lavoro del Microsoft Security Response Center e l’esperienza operativa su 1,6 milioni di clienti.
La cyber security è un dominio particolarmente adatto a un ciclo di apprendimento continuo: ogni vulnerabilità trovata, attacco osservato, difesa applicata e remediation completata produce un esito misurabile. Per un modello specializzato, questo circuito è più prezioso di un semplice archivio di segnali, perché collega il problema iniziale all’azione eseguita e al risultato ottenuto.
Microsoft sostiene di poter osservare questo ciclo su larga scala grazie ai dati raccolti nei propri prodotti di sicurezza, al lavoro del Microsoft Security Response Center e all’esperienza operativa su 1,6 milioni di clienti.
MAI-Cyber-1-Flash è stato valutato dal Microsoft AI Red Team, testato con esercizi avversariali automatici e prove condotte da esperti, e sottoposto a una valutazione indipendente di terza parte. Dentro MDASH sono previsti controlli enterprise come isolamento dei tenant, crittografia, auditabilità, controlli basati sui ruoli e ambienti sandbox senza accesso a Internet.
Gli agenti di sicurezza sono ormai una direzione comune nel settore. Il vantaggio che Microsoft rivendica è nel contesto: dati prodotti da identità, endpoint, cloud, applicazioni e sistemi AI; relazioni già presenti nei prodotti di sicurezza; strumenti in grado di usare quelle informazioni per passare dall’indagine all’azione. Project Perception nasce dentro questo circuito, dove gli stessi ambienti generano i segnali, li trasformano in contesto e ricevono le azioni correttive.
