Microsoft MDASH が CyberGym で Anthropic Mythos を抜いた — 100+ エージェント協調で Windows 16 脆弱性発見、『AI 防衛』は単独モデルから協調群へ

概要

2026年5月12日、Microsoft は多モデル協調型のエージェント・セキュリティハーネス MDASH（Microsoft Security multi-model agentic scanning harness） を発表した。CyberGym（UC Berkeley 開発、1,507 タスク / 188 OSS プロジェクト）で 88.45% を記録、Anthropic Mythos Preview（83.1%）と GPT-5.5（81.8%）を抜いてリーダーボード首位に立った。

ランク	システム	スコア	アーキテクチャ
1	Microsoft MDASH	88.45%	100+ エージェント・ensemble
2	Anthropic Mythos Preview	83.1%	単一モデル + agent framework
3	GPT-5.5	81.8%	単一モデル

差は 5.35pp。同時に Microsoft は Windows tcpip.sys / ikeext.dll / netlogon.dll など 16 件の CVE（Critical 4 件、Important 12 件）を MDASH で発見し、2026年5月の Patch Tuesday で配信した。「ベンチマーク勝者」を実機の脆弱性発見で裏付けた 構造だ。

MDASH のアーキテクチャ

100+ エージェントの 5 段パイプライン

段階	役割	エージェント種別
Prepare	ソース取り込み、言語別 indexing、attack surface mapping	—
Scan	候補の脆弱性パターンを列挙	Auditor
Validate	悪用可能性を肯定派 / 否定派で議論	Debater
Dedup	意味的に等価な検出を統合	—
Prove	実際にトリガー入力を構築して悪用を実証	Prover

各段階で 役割・プロンプト・利用ツール・停止条件が独立。100 個以上のエージェントが Auditor / Debater / Prover として配置される。

モデル構成: アンサンブル

レイヤー	内容
主推論モデル	SOTA frontier モデル
高速大量パス	distilled モデル（コスト効率）
反対意見	独立した SOTA モデル
拡張性	アーキテクチャを変えずモデル差替可能

ここが Anthropic Mythos との設計思想の差だ。Mythos は 単独モデル + agent framework、MDASH は 複数モデルの ensemble + 専門エージェント群。

「MDASH は harness 自体が仕事をする。モデルは1つの入力に過ぎない」 — Taesoo Kim, Vice President of Agentic Security, Microsoft（趣旨）

発見された 16 件の CVE

コンポーネント別内訳

コンポーネント	件数	主なもの
tcpip.sys	10	SSRR 経由の Critical RCE、IPv6 拡張ヘッダ NULL deref、IPsec fragment splicing、stack overflow など
ikeext.dll	2	IKEv2 double-free → LocalSystem RCE（Critical）、memory leak
netlogon.dll	1	CLDAP stack overflow（Critical RCE）
dnsapi.dll	1	DNS response heap OOB（Critical RCE）
http.sys	1	QUIC control-stream OOB
telnet.exe	1	OOB read

重要性

観点	内容
Critical	4 件（RCE 系）
Important	12 件
kernel-mode	10 件
user-mode	6 件
ネットワーク経由・未認証で到達可能	過半数

Windows ネットワークスタックと認証スタックの最深部 にメスを入れた。これは AI が単に既知パターンを検出する段階を越え、未知の脆弱性を産出する段階に入った証拠だ。

既存ベンチマークと組み合わせた裏付け

CyberGym はモデル評価のためのベンチマーク。実環境での再現性 を Microsoft は別途検証している。

テスト	結果
21 件の人工的脆弱性（StorageDrive）	全件発見、誤検知 0 件（学習汚染なし、private codebase）
clfs.sys 過去 5 年 MSRC 28 件	96% recall
tcpip.sys 過去 5 年 MSRC 7 件	100% recall

clfs.sys と tcpip.sys は Windows カーネルの中核。過去 5 年間に実際にパッチが出た脆弱性の 96-100% を再発見できる ということは、防御側が「最先端の AI を本当に持つかどうか」が攻撃側との競争速度を決定する局面に入った。

開発体制

項目	内容
主導	Microsoft Autonomous Code Security（ACS）team
協力	MORSE（Microsoft Offensive Research & Security Engineering）、WARP（Windows Attack Research and Protection）
リード	Taesoo Kim, VP of Agentic Security
ルーツ	Team Atlanta（$29.5M DARPA AI Cyber Challenge 優勝チーム）出身者を取り込み
提供形態	限定 private preview（aka.ms/AI-drivenScanningHarness）

Team Atlanta は DARPA AI Cyber Challenge の優勝チーム。DARPA で実証済みの自律サイバー推論技術を、Microsoft が買い取って製品化した 構造。Anthropic Mythos が研究プロダクトに留まる一方、MDASH は 実機での CVE 発見実績 + Patch Tuesday 配信 という事業面の証拠を揃えた。

Pentagon ブラックリスト後の AI 防衛レース

過去記事で扱った通り、2026年5月1日に Pentagon は AI 8 社を Impact Level 6/7 機密ネットワークに承認し、Anthropic だけが除外された。NSA は別途 Anthropic Mythos を密室運用していた。

観点	5月1日時点	5月12日 MDASH 発表後
Pentagon 承認 AI	Microsoft 含む 8 社、Anthropic 除外	同上
AI 防衛技術のリーダー	NSA 密室で Mythos 運用	MDASH がベンチマーク首位、Windows 16 CVE 実績
Anthropic の立場	倫理ライン保持で除外、しかし技術的優位	技術的優位も失う可能性
Microsoft の立場	承認済みベンダー	承認 + 技術リーダー

Anthropic の防衛市場での立ち位置は二段で崩されている。第一段は政治（Pentagon 除外）、第二段は技術（MDASH がベンチマーク超え）。NSA が Mythos を密室運用する正当性が、技術的にも薄まった。

日本への示唆

Microsoft Defender / Sentinel 統合の射程

MDASH は単独製品ではなく、Microsoft の既存セキュリティ製品群に統合される射程にある。

製品	MDASH 統合の想定影響
Microsoft Defender for Endpoint	エンドポイント上の未知脆弱性の予防的検出
Microsoft Sentinel（SIEM）	アラート起因の脆弱性スキャン自動化
GitHub Advanced Security	リポジトリレベルでの自動脆弱性発見
Azure DevOps Security	CI/CD パイプライン内での脆弱性検出

日本企業の多くは Microsoft 365 / Azure / GitHub Enterprise を中核に据えている。MDASH が GA になった時点で、追加投資なしに「100+ エージェント協調」の脆弱性検出基盤を手に入れる構造 になる。

日本政府・防衛 SOC への影響

機関	現状の AI 戦略	MDASH の意味
内閣サイバーセキュリティセンター（NISC）	国産モデル + 海外モデルの混在	Microsoft 経由で導入する経路が現実的
防衛省・防衛装備庁	Anthropic は Pentagon ブラックリストで採用議論ストップ	Microsoft MDASH が代替の最有力
自治体 SOC（東京都・大阪府等）	Defender for Cloud 既導入が多い	アップグレード経路として自然

過去記事で書いた通り、Anthropic は日本市場で NEC との SOC 提携を進めていた。MDASH のベンチマーク優位が確定すると、NEC × Anthropic ラインに加えて、富士通 / NTT Data × Microsoft MDASH の対抗ラインが立つ。

国内 SIer の AI セキュリティ事業への波及

プレイヤー	既存ポジション	MDASH 公開後の選択肢
NEC	Anthropic 連携で SOC 強化	Mythos の技術優位前提が崩れたら戦略再考
富士通	Microsoft Azure / Defender 統合提案多数	MDASH を即時組み込み可能
NTT Data	Microsoft Sentinel 中心の MSS	アップセル材料
ラック / NRI セキュア	マルチベンダー中立	Microsoft 推奨度を上げる流れ

Anthropic CLUE 事例（5/12）が「社内 SOC を 1週間で構築」を示した直後、Microsoft MDASH が「100+ エージェント協調で benchmarks 首位 + 実 CVE 発見」 を出したのは衝撃的に対照的だ。社内ドッグフード vs 製品化された解 の対比で、日本企業の調達担当者は後者を選びやすい。

"単独モデル + agent framework" 設計の見直し

観点	Anthropic Mythos（単独モデル）	Microsoft MDASH（多モデル ensemble）
設計原則	強いモデル 1 つ	複数モデルの議論で blind spot 解消
コスト	モデル単価が支配的	distilled + frontier の混在で最適化
バージョン耐性	モデル世代交代で性能変動大	モデル差替で進化、harness は不変
監査可能性	単一推論プロセス	Auditor / Debater / Prover の役割分離で監査しやすい

これは Computer Use BP（5/13）で見た 「max effort 単体」より「適切な effort + 構造」 という流れの一般化だ。モデルを強くするより、harness を強くする が業界の合言葉になりつつある。

まとめ

2026年5月12日、Microsoft が MDASH を公開。CyberGym で 88.45%（Anthropic Mythos Preview 83.1%、GPT-5.5 81.8% を上回り首位）。100+ エージェントの Auditor / Debater / Prover による 5 段パイプライン
実環境裏付け: Windows の tcpip.sys / ikeext.dll / netlogon.dll など 16 件の CVE（Critical 4 件）を発見、5月 Patch Tuesday で配信。21 件の人工脆弱性で誤検知 0、clfs.sys で 96% recall・tcpip.sys で 100% recall
設計思想の差: Mythos = 単独モデル + agent framework、MDASH = 多モデル ensemble + 専門エージェント群。harness 自体が仕事をする スタイル
Team Atlanta（$29.5M DARPA AI Cyber Challenge 優勝）出身者を取り込み。Pentagon 承認 8 社の Microsoft が 技術リーダー ポジションに加わる
日本への示唆: Microsoft Defender / Sentinel / GitHub Advanced Security 統合の射程、防衛省・NISC・自治体 SOC への現実的な調達経路、NEC × Anthropic ラインに富士通 / NTT Data × Microsoft の対抗が形成

概要