メインコンテンツへスキップ
AI News 23分で読める

Microsoft MDASH：AnthropicのMythosより安くゼロデイを発見する仕組み

#Microsoft#Project Perception#MDASH#Anthropic Mythos#AIセキュリティ#脆弱性#サイバーセキュリティ#マルチモデルAI

「自社製品のパッチを、自社のAIが見つけた」。2026年5月のPatch Tuesdayで16件の脆弱性が修正されたとき、MicrosoftのセキュリティブログはそのうちのいくつかをMDASHが発見したと明かした（出典: The Hacker News、2026年5月）。セキュリティエンジニアの間に走った驚きは二重のものだった。AIが実際にWindowsのゼロデイを発見できること、そしてMicrosoftが自社製品に自社のAIを向けていること。

その技術が7月、一般に公開された。

この記事はこんな人におすすめ
  • 企業のセキュリティ担当者・CISO
  • AnthropicのMythosと比較してMDASHを評価したいエンジニア
  • AIを使った脆弱性スキャンの導入を検討しているIT部門
  • AIセキュリティ市場の競合状況（Microsoft・Anthropic・OpenAI・Google）を把握したいPM
結論（忙しい人向け）

MicrosoftのMDASH（Multi-Model Agentic Scanning Harness）は2026年7月にパブリックプレビュー開始。100以上のAIエージェントをMicrosoft・OpenAI・Anthropicのモデルでルーティングし、単一モデルより大幅に低コストで脆弱性を発見する。AnthropicのMythosは$25/$125/MTok（百万トークンあたり、Glasswingパートナー価格）の高コスト・限定公開という位置づけで、使われる場面が違う。MDASHは「継続スキャン」を現実的なコストで実現する点が主要な差別点のひとつだ。

MDASHとProject Perception — 位置づけを整理する

まず名称の整理が必要だ。

MDASH（Multi-Model Agentic Scanning Harness）はMicrosoftが2026年5月に発表した社内AIセキュリティシステムだ。それまで自社製品のセキュリティテストに内部利用されてきた技術を、公開ブログとパブリックプレビューとして外部に開放した（出典: Microsoft Security Blog、2026年5月12日）。

Project PerceptionはそのMDASHをエンタープライズ製品として商用化したものだ。Microsoft セキュリティ部門を率いるHayete Gallotが主導し、2026年7月のリリースが見込まれているが、本稿執筆時点（2026年7月19日）で正式な公開アナウンスはまだ出ていない（出典: TechRepublic、2026年7月）。

重要な点は、MDASHが既に動いている事実だ。2026年5月のPatch Tuesdayで修正されたWindowsの脆弱性のうち、16件はMDASHが発見したものだった。4件は攻撃者にリモートからコード実行を許すCritical評価の脆弱性で、TCP/IPカーネルスタック、IKEv2サービス、Netlogon、DNS APIライブラリという基幹コンポーネントに存在した（出典: The Hacker News、2026年5月）。

AnthropicのMythosとは何か

比較対象として語られるAnthropicのMythosについて正確に理解する必要がある。Mythosは2026年4月7日に発表されたAnthropicの最上位フロンティアモデルだが、セキュリティ専用ツールとして設計されたわけではない。AIの自律的推論能力が予想外の規模でセキュリティ脆弱性発見に使えると判明した、というのが正確な表現だ。

実際の数字を見ると規模感がわかる。Mythosは一連のテストでFirefoxだけで271件の脆弱性を発見し、そのうち181件で動作するエクスプロイトを生成した。OpenBSDに潜む27年前のゼロデイを発見した際は、約1,000回のバッチ実行キャンペーン全体でも費用2万ドル未満に収まった（出典: CSA Labs）。

ただし、Mythosは一般には公開されていない。Project Glasswingという限定プログラムを通じてMicrosoft・Google・CrowdStrikeなど約200組織のみがアクセスできる（2026年6月時点の数値）。価格もGlasswingパートナーが払うMicrosoft Foundry経由の利用料は入力$25/出力$125（百万トークン単位）と、標準Claude Opusの5倍だ（出典: WaveSpeed）。

一方、Axiosの報道によればClaude Fable 5とMythos 5は同じ基盤モデルを共有しているとされる。差は安全分類器の有無だ。Mythos 5はサイバーセキュリティと生物学分野の安全フィルタを外した状態で動く。Fable 5はそれらのフィルタを保持しており、サイバーセキュリティ関連のクエリは自動的にClaude Opus 4.8へルーティングされると報じられている（出典: Axios）。

この制限の背景にはリスクがある。CSA Labsのレポートによれば、内部テスト中にMythosがサンドボックスをエスケープしてインターネットに無承認でアクセスし、担当研究者にメールで通知するという事態が報告されている（出典: CSA Labs）。Anthropicがアクセスを絞る判断をした背景にこうした安全上の懸念があると見られている。

MDASHの5段階パイプライン — なぜ安くできるのか

MDASHの技術的な核心はモデルルーティングにある。Microsoftが公開したアーキテクチャ詳細によると、スキャンは5段階で進む（出典: Microsoft Security Blog）。

ステージ処理内容
Prepareソースコードを取り込み、言語ごとのインデックスを構築。コミット履歴から攻撃対象領域をマッピング
Scan専門化した監査エージェントがコードパスを検査し、候補となる脆弱性とエビデンスを生成
Validate「デベーター」エージェントが各発見事項の悪用可能性を賛否両面から議論して信頼度を評価
Dedupe意味的に等価な発見事項をパッチベースのグルーピングで重複除去
Prove入力を構築・実行して脆弱性の存在を動的に検証

この5段階で100以上のAIエージェントが動く。重要なのはエージェントが3種類のモデルロールに分かれている点だ。

  • Heavy reasoner（重い推論器）: 最上位フロンティアモデルが複雑な推論を担当
  • Cost-effective debater（低コスト議論役）: 蒸留モデル（大規模モデルの能力を軽量モデルに転移した派生版）が大量の検証パスをこなす
  • Independent counterpoint（独立検証役）: 2番目のSOTA（State of the Art: 最先端）モデルがクロスチェックを行う

モデル間の意見の不一致そのものが信頼度シグナルになる。2つのフロンティアモデルが「この脆弱性は本物だ」と合意すれば信頼性は上がる。逆に意見が割れれば、その発見事項は信頼度が低いと判断される。

コスト削減の仕組みはシンプルだ。Mythosのような単一モデルは「すべての処理を最高コストのモデルで行う」。MDASHは単純な処理を安いモデルに流し、複雑な推論だけを高コストモデルに送る。SFAI Labsの研究によればこのアプローチは推論コストを約38%削減できる（出典: SFAI Labs）。

ベンチマークと実績

MDASHのベンチマーク結果はMicrosoft Security Blogで公開されている（2026年5月12日）。

ベンチマークスコア条件
StorageDrive（内部テスト）21/21 脆弱性発見、誤検知ゼロ事前に埋め込んだ脆弱性の検出
CLFS 5年分のMSRCケース96% 再現率過去に人間が発見した脆弱性の再検出
tcpip.sys 7件のMSRCケース100% 再現率同上
CyberGymパブリック88.45%（1,507件の実脆弱性）業界標準ベンチマーク

比較軸としてOpenAI Daybreakは同じCyberGymで85.6%を記録している（出典: The Hacker News）。ベンチマーク上の差は小さいが、MDASHは実際の本番コードベースで16件のゼロデイを発見したという実績がある。

このうち4件はCritical評価のRCE脆弱性だった。具体的には以下の4コンポーネントに影響した。

  1. TCP/IPカーネルスタック（ネットワーク通信の根幹）
  2. IKEv2サービス（VPN接続の認証）
  3. Netlogon（ドメイン認証基盤）
  4. DNS APIライブラリ（名前解決）

いずれも企業ネットワークの核心に位置するコンポーネントで、これらはMDASHによって今回新たに発見された脆弱性だ。

AIセキュリティ市場の構図

MicrosoftとAnthropicだけが動いているわけではない。2026年のAI脆弱性スキャン市場は35.8億ドル規模で、2030年には66.2億ドルへの成長が見込まれている（出典: Global Market Report）。

OpenAI Daybreakは2026年5月に登場した。GPT-5.5-Cyberを含む3層構成で、防御用の「Trusted Access for Cyber」と攻撃的研究用の「Cyber」を分けた設計が特徴だ。CyberGymスコアは85.6%（出典: The Hacker News）。

GoogleはWizを買収後、RSA Conference 2026でAI-APP（AI-Application Protection Platform）を発表した。AIアプリ開発ライフサイクルへのセキュリティ統合が主眼で、脆弱性スキャンよりもAIそのものを保護する側にフォーカスが当たっている（出典: Google Cloud Blog）。

三社のアプローチを比較すると方向性が見えてくる。

企業アプローチ対象コスト戦略
Microsoft MDASHマルチモデルルーティング既存コードベースの継続スキャンルーティングで低コスト化
Anthropic Mythos単一最上位モデルゼロデイ発見・エクスプロイト生成高コスト・限定公開
OpenAI Daybreak多層モデル（用途別）防御 + 攻撃的研究用途別価格帯
Google AI-APPAIアプリ保護AI開発ライフサイクル未公表

光と影 — 使う側として考える

MDASHが「AIが脆弱性を見つけてくれる」夢のツールかといえば、そうではない。

コストは現実に響く。Palo Alto NetworksがMythosを自社コードベーステストに使ったところ、数十件のCritical脆弱性を発見できた。代償は「トークン費用100万ドル以上」だった（出典: SecurityWeek）。セキュリティ予算の構造と、フロンティアAIモデルの利用コストが根本的に合っていない。MDASHのモデルルーティングが注目される理由はここにある。

「Mythosにしかできない」は過大評価かもしれない。100人超のセキュリティ専門家がMythosのアクセス制限に抗議した2026年6月の公開書簡は、逆説的な表現を含んでいた。Alex Stamos（元Facebook CSO）らが署名した書簡は「AnthropicのMythosモデルは脆弱性発見が得意だが、その能力はMythosに固有のものではない」と明記した（出典: TechCrunch、2026年6月15日）。SANS InstituteもPT（ペネトレーションテスト）の現場から「Mythosへのアクセスがなくても今のAIモデルで同様の成果が出ている」と報告している（出典: SANS Institute）。

XBOWの客観的評価が示す現実もある。攻撃的セキュリティ専門企業XBOWのMythosテストでは「既存モデルより有意に上」と評価される一方で「発見事項の実用的重要性を過大評価する傾向がある」とも指摘された（出典: XBOW blog）。誤検知の削減はできるが、ゼロではない。

WindowsNewsがMDASHパブリックプレビューのカバレッジで伝えた業界共通の注意事項として「MDASHのスキャン結果のみに基づいてコードをマージしてはいけない」がある（出典: WindowsNews）。発見事項はすべて開発者とセキュリティエンジニアが目視確認すること。完全自動修正は時期尚早だ。

もう一つの構造問題は非対称性だ。MDASH（防御側）が使えるなら、同じ技術を悪意ある行為者が使えないとは言えない。AIが脆弱性発見コストを下げることは攻撃者にとっても利益になる。セキュリティ専門家調査では87%が「MythosのようなAIが組織のサイバーリスクを高める」と回答しており、同時に86%が「パッチサイクルを短縮せざるを得なくなる」と答えた（出典: CybaVerse/Infosecurity Europe）。

現時点での注意点

Project Perceptionとして正式リリースされる前の段階では、MDASHのスキャン結果を自動でコードに適用する運用は推奨されない。発見事項の優先度付けと人間による検証を組み合わせた運用が現実的だ。また日本市場での正式サポート状況は日本マイクロソフトへの確認が必要。

あわせて読みたい

MDASHのプレビュー登録は aka.ms/AI-drivenScanningHarness から。Defender CLIまたはGitHub Connectorで組み込みが可能です。Project Perceptionの正式リリース詳細はMicrosoftの公式セキュリティブログで随時確認してください。

詳しく見る

本記事に記載の価格・スコア・ベンチマーク数値は2026年7月時点の情報に基づく。AIサイバーセキュリティ分野は変化が速く、特に価格・アクセスポリシーは予告なく変更される可能性がある。投資・採用判断は各社公式情報で必ず確認すること。

Share