Aioga
AI资讯 / 产品更新
返回 AI资讯

微软推出 Project Perception,为 AI 时代重构安全堆栈

Microsoft:Official Blog(RSS)Aioga 编辑团队2026-07-27T16:30:09.000Z热度 38

微软发布 Project Perception,重新定义 AI 时代的安全架构。该项目针对自主系统能够推理、适应和持续运行的新现实,应对攻击成本下降、防御复杂度激增的挑战。Pr...

产品更新Microsoft:Official Blog(RSS)

今日 AI 情报摘要

微软发布 Project Perception,重新定义 AI 时代的安全架构。

该项目针对自主系统能够推理、适应和持续运行的新现实,应对攻击成本下降、防御复杂度激增的挑战。 Project Perception 旨在构建一个全新的 Cyber Stack,以匹配 AI 驱动的攻击速度和规模。

中文正文 · AI 翻译

网络安全的物理形态正在改变。自主系统现在可以进行推理、适应并持续运行。与此同时,攻击成本正在下降,而必须保护的资产数量、速度和复杂性仍在不断增长。攻击者可以更快地生成漏洞利用,扩大攻击规模,并以前所未有的效率进行操作。为人类行为者构建的方法无法跟上由人工智能、智能代理和机器速度攻击组成的世界。

安全需要一个新的网络堆栈。新的网络堆栈必须能够在整个数字资产中持续感知风险,在大量上下文中进行推理,并以机器速度采取行动。它必须随着环境的变化而学习和适应,帮助组织领先于威胁。而且因为安全最终是一项人类任务,它必须通过更深入的洞察力和更强大的行动方式来增强防御者的能力。下一代安全系统的决定性特征不在于它们生成更多警报的能力,而在于它们持续感知、推理和行动的能力。

这一愿景引导我们构建了感知计划(Project Perception)。这是一个为人工智能现实而设计的新的代理式安全系统。它使用人工智能将信号转化为实时保护,以对抗人工智能。

Project Perception:https://aka.ms/agenticsystem,将信号、上下文、模型和专用代理整合到一个持续学习的防御系统中。它可以以机器速度进行推理、优先排序并采取行动,同时让人类牢牢掌控,并为他们提供强大的新工作流程。

Project Perception 基于一个简单的理念:有效的防御需要持续理解攻击者如何看待世界、防御者如何评估风险以及保护措施如何随着时间改进。为实现这一目标,Perception 协调三类专用代理。红队代理在攻击者利用之前识别潜在的入侵路径。蓝队代理进行调查、分析上下文并确定什么代表重大风险。绿队代理采取纠正措施并强化整个环境的防御。通过协同工作,这些代理形成了一个闭环系统,持续发现、评估并改进组织的安全态势。

Diagram titled“Project Perception: Teams of agents.” Three interconnected agent teams are shown in a horizontal sequence: Red team agents, represented by a bug icon, simulate attacks; Blue team agents, represented by a shield icon, detect and triage threats; and Green team agents, represented by a wrench icon, fix and remediate issues. Plus signs between the teams indicate collaboration and coordination among the agent groups as part of a continuous cybersecurity workflow.

:https://blogs.microsoft.com/wp-content/uploads/2026/07/Slide1-Final.jpg

像 Project Perception 这样的系统,其有效性取决于它所具备的可见性、能够采取的行动、构建团队的经验以及可使用的模型。微软将这四者汇聚在一起。

我们可以在身份、终端、应用程序、数据、云和 AI 系统之间进行观察,提供数字资产的广泛可见性。同样重要的是,我们可以帮助客户在这些环境中采取行动。结合数十年的安全研究、威胁情报以及保护组织的实际运营经验,这些能力塑造了 Project Perception 的推理、优先级排序和响应方式。

安全是一项 24/7 的任务。组织需要高效、持续可用且大规模可承受的保护。这不仅需要访问最强大的模型,还需要将合适的模型应用于合适的任务。Project Perception 采用多模型架构,结合前沿模型和专业网络模型,在质量和成本之间进行优化。

作为这一多模型策略的一部分,我们致力于为每个安全任务为客户提供最佳模型,包括通过我们自己的专业模型进行创新。第一个场景是软件漏洞管理,将 MAI-Cyber-1-Flash 引入 MDASH,即我们的软件漏洞多模型代理团队。MDASH 配合 MAI-Cyber-1-Flash:https://microsoft.ai/news/introducing-mai-cyber-1-flash-inside-mdash/ 在 CyberGym(行业领先基准)上的表现达到 96%,比 Mythos 高出 12 个点。同样的配置相比当前市场上的 MDASH 配置能够节约近 50% 的成本。这就是具有访问独特丰富历史训练数据的多模型系统经过良好调优的威力。接下来,Project Perception 将在更多安全工作流程中利用 MAI-Cyber-1-Flash,超越软件漏洞场景。

我们正在通过 Project Perception 将这一愿景带给全球客户,该项目将于 8 月 3 日进入公开预览。

点击这里加载媒体 一个为主动安全构建的网络堆栈 提供主动安全不仅仅是在现有工作流程中添加代理。它需要一个从零设计的新型网络堆栈。

该堆栈从提供数字资产全局感知的信号和传感器开始。安全上下文将这些信号转化为代理可以使用的高效令牌理解。模型提供智能和推理。协调器在整个安全工作流程中协调模型和代理。代理在整个安全工作流程中应用这些智能,而执行器将决策转化为保护措施。这些层共同创建了一个持续学习的系统,可以理解风险、适应变化的条件,并随着时间的推移改善安全结果。

Diagram titled “The New Cyber Stack” showing six layers of an AI-powered cybersecurity architecture. From bottom to top, the layers are: Signals and sensors (visibility across endpoints, identities, data, clouds, apps and AI); Context (continuously enriched intelligence providing operational context); Models (a multi-model approach for reasoning over threats); Harness (a framework that orchestrates agents and models); Agents (specialized red, blue and green team agents that continuously defend); and Actuators (mechanisms that turn agent decisions into real-world actions). The layers are displayed as stacked horizontal bands within a rounded rectangular frame, illustrating how security data is transformed into automated defensive actions.

:https://blogs.microsoft.com/wp-content/uploads/2026/07/Slide-2-Final.jpg

虽然每一层都提供重要能力,但Project Perception的强大之处在于它们如何协同工作。

有效的推理需要的不仅仅是原始信号。代理需要上下文。

微软将其广泛的可见性、威胁情报和安全专业知识转化为安全上下文,将安全数据、知识和语义连接到整个数字资产中。结果是对组织资产、身份、关系、风险和活动的持续更新表示,为代理提供共享的、接近实时的对其所保护环境的理解。

Diagram showing how cybersecurity data flows from sensors and signals into security context models and then into AI agents. On the left, sources such as Defender for Endpoint, Entra ID, Sentinel Resource Manager, exposure management and threat intelligence generate telemetry and event data. In the center, these signals are combined into security context layers including attack graphs, identity graphs, process trees, lateral movement analysis, exposure graphs, alert triage, infrastructure and anomaly detection. On the right, the contextualized data is routed to specialized AI systems, including blue team, green team and red team agents, illustrating how diverse security signals are transformed into actionable intelligence for automated defense and operations.

:https://blogs.microsoft.com/wp-content/uploads/2026/07/Slide-Final-Final.jpg

这种共享理解是Project Perception运作的基础。它不是让代理不断从原始信号中收集、关联和重建上下文,而是为它们提供立即且高效的访问所需信息的工具,以便对风险进行推理、优先处理操作并做出决策。通过将每次交互建立在此丰富的安全上下文中,Project Perception提高了推理的准确性和一致性,同时减少了大规模操作所需的时间、计算和成本。

没有单一模型可以适用于所有安全任务。有效的网络防御需要在正确的时间,将合适的模型应用于合适的问题。

对于感知项目,合适的模型是由质量、可靠性、延迟和成本的组合决定的。感知项目并不依赖单一模型,而是采用多模型架构,不断选择最适合任务的能力,同时在有效性和经济性之间进行优化。由于安全是持续的使命,可持续的经济性对于大规模运行保护至关重要。

这种方法受持续研究、基准测试和前沿及专业模型评估的影响。我们的安全研究人员不断根据现实世界的安全工作流程评估模型,使我们能够将每个任务与能提供最佳成果的模型匹配。这使客户能够享受人工智能的进步,而不会受制于任何单一模型。

安全团队不需要更多信息,他们需要更好的成果。

这就是为什么执行器是网络堆栈的重要组成部分。感知项目深度整合于微软安全产品,使代理能够将洞察转化为行动。组织可以持续降低风险,而不仅仅是识别风险,帮助防御者在保持掌控的同时加强安全。

支撑每一层网络堆栈的是信任的基础。感知项目的构建与微软的负责任 AI 原则一致,并继承了我们客户已经依赖的安全、合规、治理和运营控制。这确保了这些能力以客户期望的严格性、问责制和企业准备度进行交付。

安全一直是攻击者与防御者之间的竞赛。人工智能改变了这场竞赛的速度、规模和经济性。防御者需要能够与他们一起持续感知、推理和行动的系统。

感知项目是我们开始建设这一未来的方式。

要了解有关微软安全解决方案的更多信息,请访问我们的网站:https://www.microsoft.com/security。收藏安全博客:https://www.microsoft.com/security/blog,以随时掌握我们在安全事务方面的专家报道。同时,在领英关注我们(微软安全:https://www.linkedin.com/showcase/microsoft-security/posts/?feedView=all)以及X账号(@MSFTSecurity:https://x.com/msftsecurity),获取最新的网络安全新闻和更新。

Hayete Gallot 领导微软的工作,帮助组织在人工智能驱动的世界中安全运营。她的职责范围包括全球范围内的身份、威胁防护、合规性和数据安全。

标签:人工智能:https://blogs.microsoft.com/blog/tag/ai/,Perception 项目:https://blogs.microsoft.com/blog/tag/project-perception/

2025年11月5日 | Charlie Bell:https://blogs.microsoft.com/blog/author/cbell/

情报判断

Aioga 编辑摘要

Aioga 编辑摘要:微软发布 Project Perception,重新定义 AI 时代的安全架构。 Aioga 将其归入「产品更新」方向,重点关注它对真实使用和行业竞争的影响。

背景分析

背景分析:产品与工具类动态的价值取决于它是否解决明确场景、能否进入工作流,以及交付、价格和数据安全是否可接受。

Aioga 观点

Aioga 判断:这条动态更适合作为行业观察信号,当前信息足以建立线索,但不足以推导长期结论。

影响与后续

影响分析:对相关团队而言,短期应先核对来源、可用范围和实际成本,再判断是否值得接入或跟进。 后续观察:继续观察产品是否开放使用、用户反馈、定价、集成能力和后续版本更新。

来源与版权说明

本页正文由公开来源页面提取并按原有信息整理,同时保留来源、发布时间和原文入口。版权归原作者及来源网站所有,请通过原文链接核验和阅读来源版本。

抓取通道: RSS · 原始域名: blogs.microsoft.com

来源: Microsoft:Official Blog(RSS)

原文链接: 打开原始来源

Aioga 归档: 查看情报页

Content record: source-page · Updated: 2026-07-27T16:30:09.000Z

API 中转站
API RELAY · DEVELOPER INFRASTRUCTURE

API 中转站

统一接入主流 AI 模型 API,为开发、测试与生产环境提供稳定调用入口。

立即访问 api.w173.com
AIOGA SHARE POSTER

分享这篇 AI 情报

微软发布 Project Perception,重新定义 AI 时代的安全架构。该项目针对自主系统能够推理、适应和持续运行的新现实,应对攻击成本下降、防御复杂度激增的挑战。Pr...

Microsoft:Official Blog(RSS)2026-07-27T16:30:09.000Z
扫码打开文章详情扫码直达文章详情

Aioga 自动聚合全球 AI 动态,并保留来源信息用于核验与引用。