微软在2026年7月27日公布Project Perception，并将自研安全模型MAI-Cyber-1-Flash用于软件漏洞管理。官方介绍其与MDASH多模型Agent团队结合后，在CyberGym基准取得96%的成绩，同时相较现有配置节省接近一半成本，计划于8月3日进入公开预览。它反映出网络安全正在从“告警越多越好”转向持续感知、推理和执行，但企业不能因此把修复权限直接交给模型。
Project Perception的五层结构
第一层是信号与传感器，收集身份、终端、应用、云和数据事件；第二层把零散信号整理成安全上下文；第三层由通用与专用模型判断风险；第四层是协调多个模型和Agent的执行框架；第五层执行隔离、阻断、补丁或工单动作。价值不在某一个模型，而在上下文是否完整、动作是否可控。
为什么需要多模型
代码漏洞、钓鱼邮件、身份异常和云配置错误需要不同能力。旗舰模型擅长复杂推理，但费用和延迟较高；专用小模型可高频扫描，却可能缺少业务理解。合理系统先用专用模型筛查，再让更强模型分析高风险案例，最后由规则或人工批准动作。这样才能兼顾覆盖率、成本和准确性。
一条可落地的漏洞处理链
代码提交后先运行静态扫描和依赖检查，AI只读取必要上下文并给出可疑位置、攻击路径和修复建议。第二个模型做反向验证，尝试证明漏洞不存在或寻找副作用。通过验证后生成最小补丁，在隔离环境运行单元测试、安全测试和回归测试。只有全部通过，才创建合并请求并由负责人批准，不能直接写入生产分支。
控制误报与自动化风险
安全Agent常见问题是把正常业务逻辑判成漏洞，或为了消除告警破坏功能。企业应按资产重要度设置不同阈值，记录模型版本、证据、修改差异和审批人。低风险动作可以自动创建工单，高风险动作只能建议。涉及删除账号、封禁IP、修改防火墙和处理客户数据时，必须保留人工确认与回滚方案。
数据权限是上线前提
安全系统能看到大量敏感信息，包括源代码、凭证痕迹、网络结构和员工行为。模型应使用最小权限身份，密钥通过专门系统注入，日志自动脱敏，不允许把完整生产数据发送到未经批准的外部服务。每个Agent的工具清单、网络范围和可写目录都应明确限制，并设置调用预算与超时。
怎样评估是否有效
不要只看基准分数。更重要的指标包括真实漏洞召回率、误报率、从发现到修复的时间、补丁回滚率、人工复核分钟数和单个有效漏洞成本。可以先对历史已知漏洞做离线回放，再选择非核心仓库进行只读试点，最后逐步开放创建合并请求的能力。
趋势判断
攻击者会用AI提高扫描与利用速度，防守方也必须让Agent连续工作。但“机器速度”不等于“机器全权”。未来成熟的安全平台会把模型、资产图谱、规则、审批和执行器组合起来，在明确责任链下自动处理重复工作。企业越早建立证据与权限体系，越能安全获得自动化红利。
