微软推出 Project Perception，重新思考 AI 时代的安全防护

导语：微软推出专为 AI 时代打造的智能体化安全系统 Project Perception，将于 8 月 3 日进入公开预览。该系统通过红队、蓝队、绿队三类智能体协同工作，将信号转化为实时防护能力，以 AI 防御 AI。

2026 年 7 月 27 日 | Hayete Gallot —— 微软安全事业部执行副总裁

网络安全的底层逻辑正在发生变化。自治系统如今能够进行推理、适应并持续运行。与此同时，攻击的成本正在不断下降，而需要保护的对象在数量、速度和复杂度上却持续增长。攻击者可以更快地生成漏洞利用工具，更大规模地发起攻击活动，并以前所未有的效率运作。为人类操作员世界所构建的安全方案，已经无法跟上由 AI、智能体和机器速度攻击主导的新世界。

安全防护需要一套全新的网络堆栈。这套新的网络堆栈必须能够跨整个数字资产持续感知风险，跨越海量上下文进行推理，并以机器速度采取行动。它必须能够随着环境的变化不断学习和适应，帮助组织始终领先于威胁。而且，由于安全的根本使命是服务于人，它必须为防御者提供更深刻的洞察和更强大的行动能力。下一代安全系统的决定性特征，并不在于其能否产生更多告警，而在于其能否持续地感知、推理和行动。

这一愿景促使我们构建了 Project Perception。这是一套专为 AI 现实而设计的全新智能体化安全系统。它利用 AI 将各类信号转化为实时防护能力，用 AI 来防御 AI。

Project Perception 将信号、上下文、模型和专用智能体整合为一个持续学习的防御系统。它能够在机器速度下进行推理、确定优先级并采取行动，同时将人类牢牢置于控制核心，并通过强大的新工作流赋能于人。

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，以及防护措施如何随着时间不断改进。为实现这一目标，Perception 协调三类专用智能体协同工作。红队智能体在攻击者利用之前识别潜在的入侵路径；蓝队智能体进行调查、对上下文进行推理，并判定哪些情况代表真正的风险；绿队智能体则采取纠正措施，并在整个环境中强化防御。这些智能体协同工作，形成一个闭环系统，持续发现、评估并改善组织的整体安全态势。

像 Project Perception 这样的系统，其效能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用的模型。微软在这四个维度上同时具备深厚的能力。

我们在身份、终端、应用、数据、云和 AI 系统层面进行全方位观测，提供跨整个数字资产的广泛可见性。同样重要的是，我们能够帮助客户在这些环境中采取行动。结合数十年的安全研究、威胁情报和现实世界中保护组织的运营经验，这些能力共同塑造了 Project Perception 进行推理、确定优先级和响应威胁的方式。

安全是一项全天候的使命。组织需要的保护必须高效、全天候可用，并且在大规模部署下具备成本效益。这不仅意味着可以使用最强大的模型，更要求将合适的模型应用于合适的任务。Project Perception 采用多模型架构，将前沿模型与专用安全模型相结合，在质量和成本之间实现最优平衡。

作为这一多模型战略的一部分，我们致力于为客户带来最适合每项安全任务的模型，包括通过我们自研的专用模型进行创新。首个应用场景是软件漏洞管理，我们将 MAI-Cyber-1-Flash 引入 MDASH——我们面向软件漏洞的多模型智能体团队。搭载 MAI-Cyber-1-Flash 的 MDASH 在业界领先的基准测试 CyberGym 上取得了 96% 的成绩，比 Mythos 高出 12 个百分点。同时，与当前市场上部署的 MDASH 配置相比，该配置可节约近 50% 的成本。这正是经过良好调优、可访问独有丰富历史训练数据的多模型系统所展现的强大威力。接下来，Project Perception 将在更多安全工作流中利用 MAI-Cyber-1-Flash，覆盖更广泛的软件漏洞场景。

我们正通过 Project Perception 将这一愿景带给全球客户，该系统将于 8 月 3 日进入公开预览。

构建智能体化安全的网络堆栈：实现智能体化安全，远不止是在现有工作流中增加智能体，而是需要从零开始构建一套全新的网络堆栈。

该堆栈始于提供数字资产感知的信号与传感器。安全上下文将这些信号转化为对智能体而言 token 高效的理解。模型提供智能与推理能力。调度框架在安全工作流中协调模型与智能体。智能体将这些智能应用于安全工作流，而执行器则将决策转化为实际防护能力。这些层级共同构成一个持续学习的系统，能够理解风险、适应变化的环境，并随着时间推移不断改善安全成效。

尽管每一层都提供了重要能力，Project Perception 的真正威力来自它们协同工作的方式。

有效的推理不仅仅依赖原始信号。智能体需要上下文。

微软将其广泛的可见性、威胁情报和安全专业知识，转化为一种安全上下文，连接整个数字资产中的安全数据、知识与语义。其结果是构建出组织资产、身份、关系、风险和活动的持续更新表示，使智能体能够对所防御的环境形成共享、近实时的理解。

这种共享理解是 Project Perception 运作的基石。它无需让智能体不断从原始信号中采集、关联和重建上下文，而是为它们提供即时、token 高效地访问其推理风险、确定行动优先级和做出决策所需信息的能力。Project Perception 将每一次交互都根植于这一丰富的安全上下文之中，从而提高了推理的准确性和一致性，同时降低了大规模运营所需的时间、算力和成本。

没有任何单一模型能够胜任所有安全任务。有效的网络防御要求在恰当的时间，将合适的模型应用于恰当的问题。