微软发布AI安全智能体系统Project Perception，8月3日公开预览
微软推出名为Project Perception的智能体安全系统，采用红蓝绿三色智能体协作闭环，并首发MAI-Cyber-1-Flash模型用于软件漏洞管理，官方声称在CyberGym基准上拿下96%的崩溃检测分，同时降低成本约50%。
AI解读：Project Perception是微软应对AI时代安全挑战的新系统，核心逻辑是用AI对抗AI——通过红队智能体模拟攻击、蓝队智能体分析风险、绿队智能体自动修复，形成持续发现和防御的闭环。它最直接的受益者是安全运营团队，特别是负责漏洞管理的工程师：新模型MAI-Cyber-1-Flash与MDASH组合在CyberGym基准上达到96%的崩溃检测率，且微软称比现有配置节省约50%成本，意味着同一预算下能覆盖更多代码审计或提高检测频率。不过要注意，96%是特定基准下的成绩，且数据来自微软官方博客，尚未有独立的第三方验证；系统8月3日才进入公开预览，实际效果和部署门槛都需要实测。这款产品对普通用户没有直接影响，但对正在评估安全工具的企业来说，可以关注其预览版的实际表现，尤其是和现有微软安全产品（如Defender）的集成方式——它不是独立的单点工具，而是依赖微软的云和身份体系来提供上下文，这意味着非微软生态的客户使用价值可能打折。
微软于2026年7月27日通过官方博客宣布推出新的智能体安全系统Project Perception，并预告该系统将于8月3日进入公开预览。该系统定位为面向AI时代的新型网络防御架构，强调机器速度的持续感知、推理与响应能力。
微软在文中称，随着自主系统能够推理、适应并持续运行，进攻成本正在下降，攻击者可以更快生成漏洞利用工具、更大规模地开展攻击，原有以人为中心的安全方法难以应对AI、智能体和机器速度的攻击。因此需要重新设计网络技术堆栈。
Project Perception的智能体协作机制与底层架构
Project Perception采用红、蓝、绿三类专用智能体协作的闭环系统：红队智能体负责在攻击者利用前识别潜在入侵路径；蓝队智能体调查并基于上下文判断真实风险；绿队智能体执行纠正措施并强化整体防御。系统基于微软所称"安全上下文"（security context）运行，该上下文将微软跨身份、端点、应用、数据、云及AI系统的可视性，结合威胁情报与安全专家经验，转化为可供智能体使用的、接近实时的企业资产与环境动态表征。
整个系统构筑在六个层次的技术栈之上：信号与传感器、安全上下文、模型、协调器（harness）、智能体与执行器（actuators）。微软强调其多模型架构并非只依赖单一最强模型，而是根据任务在质量、可靠性、延迟与成本之间动态选择模型。执行器层通过深度集成微软安全产品（如Microsoft Defender等），使智能体能够将分析结果直接转化为防护动作，而非仅产生更多告警。
- 三类智能体：红队（攻击路径发现）、蓝队（风险调查与评估）、绿队（自动修复与强化）。
- 执行器层承担"洞察到动作"的转换，减少人工介入。
- 安全上下文层旨在降低智能体处理原始信号所需的计算开销，提高推理一致性。
- 系统基于微软负责任的AI原则开发，并沿用现有企业级安全、合规与治理控制。
首发场景：集成MAI-Cyber-1-Flash的MDASH漏洞管理
首个落地的具体场景是软件漏洞管理，Project Perception将微软自研的专用模型MAI-Cyber-1-Flash集成到MDASH（软件漏洞多模型智能体团队）中。微软官方称，该组合在CyberGym行业基准上的any-crash得分为96%，并超过竞争对手Mythos在CyberGym排行榜上的表现。同一配置相比目前市场上的MDASH配置可节省约50%成本。
微软说明，any-crash评分衡量的是智能体识别能够使被评估代码崩溃的漏洞能力，包括利用已有漏洞或0-day漏洞的输入。这一数据来自微软博客原文，尚未提及第三方复测结果。Project Perception后续将把MAI-Cyber-1-Flash应用到除漏洞管理之外的更多安全工作流。
公开预览将于2026年8月3日开始；若系统正式上线，微软计划继续向客户提供多种模型组合，不把客户绑定在单一模型上。
- 场景：软件漏洞管理（MDASH + MAI-Cyber-1-Flash）。
- 成绩：CyberGym基准any-crash得分96%。
- 成本：对比现有MDASH配置，节省近50%。
- 访问：8月3日公开预览。
- 归因：以上性能与成本数据均出自微软官方博客。