AI不只讓企業加速開發與營運，也正同步降低網路攻擊的門檻。當駭客開始運用AI與自主代理（Agent），以更低成本、更高速度及更大規模尋找弱點，仍高度仰賴人工調查與事件回應的傳統資安架構，恐怕已難以跟上「機器速度」的攻防節奏。微軟（Microsoft，美股代碼：MSFT）今（28）日宣布推出全新Agentic自主資安系統Project Perception，並發布首款專為軟體漏洞分析設計的資安專用模型MAI-Cyber-Flash-1，試圖從底層重塑企業的資安防禦架構。
與過去以大量偵測、告警及事後處理為核心的防禦模式不同，Project Perception將資安訊號、環境情境、AI模型與專業Agents整合為持續運作的閉環系統，不只協助企業找出風險，還能分析攻擊路徑、判斷事件優先順序，並進一步將洞察轉化為修正措施。
微軟直言，下一代資安系統的關鍵，已不在於產生更多警示，而是能否「持續感知、推理並採取行動」。Project Perception預計於8月3日進入公共預覽階段。
AI讓攻擊成本下降 傳統防禦速度落後 隨著企業採用的身分、端點、應用程式、資料、雲端及AI系統持續增加，需要保護的數位環境也變得更加分散且複雜。另一方面，攻擊者可利用AI自動化弱點搜尋、社交工程及攻擊流程，使發動攻擊所需的時間與成本進一步下降。
微軟指出，過去的資安架構主要為人類攻擊者設計，但在AI、Agents與機器速度攻擊逐步普及後，防禦人員卻仍須從龐大資料中自行整合訊號、重建情境並判斷風險，資安團隊因而難以及時回應持續演變的威脅。
為此，微軟提出新一代Cyber Stack概念，要求資安系統能持續掌握整體數位環境、針對大量情境進行推理，並以接近機器速度採取行動，同時隨著企業環境與威脅變化持續學習。不過，微軟也強調，自主化並不代表將控制權完全交給AI，Project Perception仍以協助防禦人員提升判斷與行動能力為主，最終控制權仍掌握在人類手中。
微軟認為，要實現Agentic資安，不僅是將Agents加入現有工作流程，更需要一套從底層開始設計的全新Cyber Stack。（微軟提供）
紅、藍、綠三類Agents協作 建立閉環式防禦 Project Perception的核心，是協調三類具備不同任務的專業Agents，分別從攻擊、調查與修正角度持續檢視企業資安環境。
其中，紅隊Agents扮演攻擊者角色，在漏洞遭實際利用之前，主動找出可能導致系統入侵的攻擊路徑；藍隊Agents負責調查資安事件，結合企業環境與威脅情境進行推理，判斷哪些事件可能形成實質風險；綠隊Agents則負責採取修正措施，改善設定、降低曝險程度並強化整體防禦能力。
三類Agents並非各自獨立運作，而是共同形成持續循環的防禦系統。紅隊發現潛在攻擊路徑後，藍隊進一步評估風險與優先順序，再由綠隊執行改善措施，之後重新檢視修正結果，使資安防禦從過去的事件發生後處理，轉向持續發掘、評估與降低風險。
微軟表示，Project Perception的運作能力，建立在企業數位環境的可視性、可執行的資安行動、長期累積的威脅情報與防禦經驗，以及AI模型能力等四項基礎之上。系統可涵蓋身分、端點、應用程式、資料、雲端及AI系統，再透過Microsoft Security產品將分析結果轉化為實際行動。
Security Context串聯環境資訊 不用每次重新拼湊風險 不過，單純增加更多Agents並不足以構成自主資安系統。如何讓不同Agents掌握一致、即時且完整的環境資訊，才是其能否正確判斷風險的關鍵。
因此，微軟在Project Perception中導入「資安情境」（Security Context），將分散於企業數位環境中的資安資料、知識與語意串聯起來，持續建立涵蓋資產、身分、關聯性、風險及活動狀態的環境全貌，讓不同Agents可共享近乎即時的組織情境。
傳統作法下，資安分析工具或AI模型往往需要反覆從原始訊號中蒐集資訊、分析不同資產間的關聯，再重新建構事件脈絡。Project Perception則讓Agents直接從持續更新的資安情境中取得所需資訊，藉此加快推理與決策速度，也可降低大規模運作所需的Token、運算資源與成本。
換言之，這套系統的差異不只在於能否使用AI，而在於是否能讓不同AI Agents基於同一套企業環境認知協作，避免各自解讀零散資料所造成的判斷落差。
不押單一大型模型 依任務動態選擇最佳工具 由於企業資安必須全天候持續運作，模型的準確性並非唯一考量，可靠性、延遲與使用成本同樣會影響系統能否大規模部署。
微軟認為，沒有任何單一AI模型能在所有資安任務中都達到最佳表現，因此Project Perception採取多模型架構，依照不同工作內容，在前沿AI模型（Frontier Models）與資安專業領域模型（Specialized Models）之間動態選擇，並兼顧品質與成本。
例如，需要理解複雜攻擊脈絡的工作，可能仰賴推理能力較強的前沿模型；若是特定漏洞分析或高度重複的資安任務，則可由經過專業資料訓練、速度更快且成本較低的專用模型處理。
微軟資安研究團隊將持續透過真實資安情境、基準測試及評估，判斷不同模型適用的任務，而非讓企業被綁定在單一模型上。這也反映企業導入Agentic AI後，競爭焦點正從單純追求模型能力，轉向如何管理不同模型、Agents與工作流程。
MAI-Cyber-Flash-1首攻漏洞分析 CyberGym評測達96% 配合Project Perception的多模型策略，微軟也推出首款自主開發的資安專用模型MAI-Cyber-Flash-1，率先鎖定軟體漏洞管理與分析工作。
微軟將該模型導入軟體漏洞多模型Agent群MDASH。根據官方公布結果，MDASH搭配MAI-Cyber-Flash-1，在CyberGym資安評測中的成效達96%，較Mythos高出12個百分點；相較目前版本的MDASH配置，在相同條件下還可節省接近一半成本。
上述結果顯示，在具備大量歷史漏洞資料與專業資安訓練內容的情況下，經過微調的專用模型未必需要完全依賴規模更大的通用模型，也能在特定任務中取得較佳的成效與經濟效益。
微軟表示，軟體漏洞管理只是MAI-Cyber-Flash-1的第一個應用場景，未來Project Perception將進一步把該模型導入其他資安工作流程。
從偵測告警走向自主行動 微軟重畫Cyber Stack 為支援Agentic資安，微軟將新一代Cyber Stack分為多個彼此連動的層次。最底層由訊號與感測器掌握企業環境，資安情境負責將原始資料轉化為Agents可理解的內容，模型提供智慧與推理能力，Harness則協調模型、Agents與工作流程，再由Agents執行資安任務，最後透過執行器（Actuators）把決策轉化為實際防護措施。
例如，系統辨識到某項身分權限、端點漏洞與雲端設定可能串聯成攻擊路徑後，不只發出警示，還能評估其風險程度、判斷處理順序，再透過既有資安產品採取降低權限、修改設定或修補弱點等行動。
這也意味著企業資安架構正從過去以單點產品與人工分析為主的模式，逐步轉向共享情境、多模型協作及自主Agents共同運作。資安人員的角色則可能從逐筆處理警示，轉向設定政策、監督高風險決策及處理更複雜的威脅。
微軟強調，Project Perception的每一層均依循負責任AI原則，並納入安全性、合規性、治理及營運控制。面對AI重新改寫攻擊速度、規模與成本結構，防禦系統也必須從「看見問題」進一步走向「理解風險並採取行動」，而Project Perception正是微軟試圖建立下一代自主資安架構的起點。
微軟將其廣泛的可視性、威脅情報與資安專業能力轉化為一套資安情境，串聯數位環境中的資安資料、知識與語意，建立持續更新的組織數位環境全貌。（微軟提供）
