Microsoft MDASH：100体AIエージェントがWindows脆弱性を発見！セキュリティ未来

📖この記事は約20分で読めます

1. 100体以上のAIエージェントが戦う世界

セキュリティパラダイムの転換

2026年5月、Microsoftはセキュリティ業界に衝撃を与える発表を行いました。100体以上の専門化されたAIエージェントを相互に対戦させ、ソフトウェアの脆弱性を自動検出するシステム「MDASH」の存在が明らかになったのです。

これは従来の単一モデルによるコード解析とは次元の異なるアプローチです。複数のAIが協力し、議論し、証拠を集めることで、人間のセキュリティ研究者ですら見落としがちな深刻なバグを特定する仕組みです。

私がこのニュースを知った瞬間、自宅のPCで動いているOllamaやLM Studioへの視線が変わりました。これまでは「チャット相手」や「コード補完ツール」としてローカルLLMを見ていましたが、その可能性ははるかに広範だったのです。

Patch Tuesdayでの実戦成果

このMDASHシステムは、単なる実験的なプロトタイプではありません。Microsoftの定期的なセキュリティ更新日である「Patch Tuesday」において、実際に16件の新しい脆弱性（CVE）を発見しました。

その内訳を見ると、4件が「重大（Critical）」クラスに分類されています。具体的には、tcpip.sysやIKEv2サービス、netlogon.dll、dnsapi.dllといったWindowsの核心部分にあるコンポーネントです。

これらの脆弱性は遠隔コード実行（RCE）を可能にするもので、悪用されればシステム全体を乗っ取られるリスクがあります。AIエージェントがこれらを事前に見つけていたということは、多大な被害を防ぐことにつながりました。

ローカルLLMユーザーへの示唆

クラウドベースの大規模システムがこれほど強力なら、自宅のGPUでも何かできないものか。そう考えるのは自然な流れです。MDASHの成功は、マルチエージェントアーキテクチャの有効性を証明しています。

私たちはこれまで、単一のLLMモデルにすべてのタスクを任せてきました。しかし、MDASHは「専門化」と「協業」の重要性を示しています。これはvLLMやllama.cppを活用する際にも応用できる知見です。

例えば、コード解析用、監査用、議論用の異なるモデルをローカル環境で連携させる試みは、すでに一部の先進的なユーザーによって行われています。MDASHはそのような試みが本流になる前兆を示しています。

2. MDASHシステムの技術的概要

Multi-Model Agentic Scanning Harnessの正体

MDASHは「Multi-Model Agentic Scanning Harness」の略称です。日本語では「マルチモデルエージェント走査ハーネス」と訳せますが、実態はAI駆動型の脆弱性検出プラットフォームです。

このシステムの特徴は、単一の巨大モデルに依存しない点にあります。Microsoftは特定のAIモデル名を明かしていませんが、「最先端モデル」と「蒸留モデル」のアンサンブルを使用していると述べています。

最先端モデルは高度な推論能力を持ち、複雑なコードの意図を理解します。一方、蒸留モデルは推論コストが低く、高速に動作します。MDASHはこれらを適切にオーケストレーションすることで、効率と精度の両立を図っています。

4段階のパイプライン処理

MDASHの動作フローは、4つの明確な段階に分けられています。まず「コード解析」フェーズで、対象となるソースコードやバイナリを静的に分析します。この段階では、文法エラーや明らかなバグパターンを抽出します。

次に「監査」フェーズに進みます。ここで、解析結果に対してセキュリティの観点から詳細なチェックが行われます。特定の関数呼び出しやメモリ操作が、既知の脆弱性パターンと一致しないかを確認します。

3つ目の「議論（デベート）」フェーズが最も興味深いです。複数のAIエージェントが互いに発見した疑わしい箇所について議論を行います。一方が脆弱性があると主張すると、他方が反証を試みます。このプロセスにより、誤検知を減らし、真の脆弱性を浮き彫りにします。

最後の「証拠収集」フェーズでは、議論の結果に基づいて、脆弱性の存在を裏付ける具体的なコードスニペットや実行トレースを集めます。これにより、開発者が修正作業を行う際の根拠が明確になります。

DARPA優勝チームの技術継承

MDASHを開発したのは、Microsoftの自律型コードセキュリティチームです。このチームには、DARPA AIサイバーチャレンジで優勝したメンバーが含まれています。彼らの経験が、この複雑なシステム設計に反映されています。

DARPAのチャレンジでは、AIが実際にネットワーク環境で攻撃と防御を戦わせるコンテストでした。その経験から、AIエージェントが自律的に行動し、互いに相互作用することの重要性を肌で感じているのでしょう。

Windows、Hyper-V、AzureといったMicrosoftの主要なコードベースを対象に設計されているため、これらのシステム固有の複雑さを理解しています。一般公開されているツールよりも、内部構造に深く立ち入った解析が可能なのです。

3. CyberGymベンチマークでの圧勝

業界最高スコア88.45%の意味

MDASHの性能は、CyberGymベンチマークで数値化されています。このベンチマークは、実在する1,507件の脆弱性データセットを使用しており、業界標準的な評価指標の一つです。

MDASHはこのベンチマークで88.45%のスコアを記録し、公開リーダーボードで1位を獲得しました。これは、従来の静的解析ツールや単一モデルによるアプローチを大幅に上回る結果です。

88.45%という数字は、1,507件のうち約1,333件の脆弱性を正しく検出できたことを意味します。残りの12%は、非常に稀なパターンや、コンテキスト依存性の高い問題である可能性があります。

比較の公平性への懸念

しかし、この1位獲得には注意が必要です。Microsoft自身も指摘していますが、これは「フレームワーク全体」対「個別モデル」の比較です。アップル対アップルの公平な比較ではありません。

他の参加者は単一のLLMモデルでベンチマークに挑戦していることが多いです。一方、MDASHは複数のモデルを組み合わせ、議論プロセスを通じた洗練を行っています。これはリソースの差とも言えます。

それでも、この結果が示すのは、単一モデルの限界と、マルチエージェントシステムの可能性です。今後、他の研究者も同様のアーキテクチャを採用し、スコアを競うことになるでしょう。ベンチマークの基準自体が進化する可能性があります。

既存ツールとの性能比較

従来の静的解析ツール（SAST）は、パターンマッチングに依存していました。そのため、既知の脆弱性パターンには強くても、新しいタイプのバグには弱いです。MDASHは意味理解に基づいて解析するため、未知の脆弱性にも対応できます。

また、人間による手動レビューと比較すると、MDASHは24時間稼働し、疲れを知りません。人間の研究者が数週間かかる解析を、AIエージェントは数時間で完了させる可能性があります。この速度差は、ソフトウェア開発のライフサイクルにおいて決定的です。

ただし、完全な自動化はまだ現実ではありません。AIが検出した候補を人間が最終確認するハイブリッド体制が、当面の間は標準となるでしょう。MDASHはその「候補提示」の質を飛躍的に高めたシステムです。

4. ローカル環境での再現可能性

自宅PCでマルチエージェントを実現する

MDASHのような大規模システムを自宅のRTX 4070やRTX 4060で完全再現するのは非現実的です。しかし、その核心である「複数のLLMを連携させる」部分は、ローカル環境でも十分試せます。

例えば、Ollamaで異なるモデルを同時に起動し、スクリプトを介してそれらを連携させることができます。一つはコード解析用の軽量モデル、もう一つは監査用の高性能モデルを用意します。VRAMの許容範囲内で、モデルのサイズを調整する必要があります。

Qwen2.5 7BやLlama 3.1 8Bのような中規模モデルは、ローカルで動作させるのに適しています。これらのモデルを組み合わせることで、簡易版のMDASHパイプラインを構築可能です。完全な脆弱性検出ではなくとも、コードレビューの補助としては十分機能します。

必要なハードウェアスペック

マルチエージェントシステムをローカルで動かす場合、VRAMの容量がボトルネックになります。2つのモデルを同時にロードする場合、各モデルのサイズを考慮してVRAMを確保する必要があります。

RTX 4070 (12GB VRAM) を例に取ると、2つの7BクラスモデルをINT4量子化で動かすことは可能です。しかし、推論速度は低下します。より快適に動作させるためには、RTX 4080 (16GB) や RTX 4090 (24GB) 以上のGPUが推奨されます。

Macユーザーの場合、M4 Maxチップ搭載のMacBook ProやMac Studioであれば、ユニファイドメモリの恩恵を受けられます。100GB以上のメモリがあれば、複数の大規模モデルをスワップなしで動作させることができます。Apple Siliconの効率は、ローカルLLM界隈で高く評価されています。

実用的なセットアップ例

以下に、Ollamaを使用した簡易版マルチエージェントセットアップの例を示します。これは、コード解析と監査の2つの役割を持つエージェントを連携させる基本形です。

#!/bin/bash
# エージェント1: コード解析 (qwen2.5:7b)
# エージェント2: 監査 (llama3.1:8b)

# コード解析エージェントの起動
ollama run qwen2.5:7b "以下のPythonコードの潜在的なバグを指摘してください:\n$CODE_SNIPPET" > analysis.txt

# 監査エージェントへのフィードバック
ollama run llama3.1:8b "以下の解析結果に対して、セキュリティ観点からの監査を行ってください:\n$(cat analysis.txt)" > audit.txt

# 結果の統合
cat audit.txt

このスクリプトは非常に簡素ですが、MDASHの「解析→監査」というフローを模倣しています。実際には、議論フェーズを追加し、エージェント同士が複数回やり取りするように設計することで、精度を高めることができます。

PythonのLangChainやLlamaIndexなどのフレームワークを使えば、より洗練されたエージェント連携が実現可能です。これらのツールは、ローカルLLMとの統合を容易にするため、積極的に活用することをお勧めします。

5. メリットとデメリットの正直な評価

マルチエージェントアプローチの強み

MDASHが示した最大のメリットは、精度の向上です。単一モデルでは見落としがちな脆弱性を、複数の視点から検証することで発見できます。これは、人間のセキュリティチームが複数の専門家を揃えるのと同じ理屈です。

また、誤検知の削減も大きな利点です。AIは時に「幻覚」を生み出し、存在しないバグを指摘することがあります。議論フェーズを通じて、その幻覚を他エージェントが訂正することで、最終的な出力の信頼性が高まります。

さらに、スケーラビリティがあります。エージェントの数を増やすことで、解析対象を拡大したり、より深い検証を行ったりできます。クラウド環境であれば、リソースを動的に割り当てることができます。

ローカル環境での課題

一方、ローカル環境でこのアプローチを採用する際のデメリットも明確です。まず、ハードウェアコストです。複数のモデルを同時に動作させるには、十分なVRAMとCPU性能が必要です。一般的なゲーミングPCでは限界があります。

次に、設定の複雑さです。単一のモデルを動かすだけなら、Ollamaの一行コマンドで済みます。しかし、複数のモデルを連携させ、データを渡すスクリプトやパイプラインを構築するのは、一定の技術力が必要です。

また、推論時間の増加も無視できません。複数のモデルが順次、または並列に動作するため、単一モデルよりも結果が出るまで時間がかかります。リアルタイム性が求められる場面では、この遅延がボトルネックになる可能性があります。

コストパフォーマンスの現実

クラウドAPIを使用する場合、トークン単価がかかります。MDASHのようなシステムは、膨大な数のトークンを消費します。Microsoftのような大企業であれば問題ありませんが、個人や中小企業には負担が大きいです。

ローカルLLMの最大の魅力は「無料運用」です。初期投資はかかりますが、その後は月額費用がかかりません。MDASHのアーキテクチャをローカルで再現できれば、長期的にはコスト削減につながります。

ただし、電気代やハードウェアの減価償却を考慮する必要があります。24時間稼働させる場合は、電力コストも無視できません。RTX 4090のような高消費電力GPUを使用する場合、その点も計算に入れておくべきです。

6. セキュリティエンジニアへの示唆

人間の役割の変化

MDASHのようなAIシステムが普及すれば、セキュリティエンジニアの役割は変化します。単純なコードチェックやパターンマッチングはAIに任せるようになり、人間はより高度な戦略的思考や、AIが検出した結果の最終判断に注力することになります。

これは脅威ではなく、機会です。人間はAIが検出した候補をレビューし、文脈を考慮して優先順位を付けます。また、AIが理解できない複雑なビジネスロジックや、組織固有のポリシーに基づいた判断を行います。

ローカルLLMを活用するエンジニアは、この変化を先取りできます。自宅や職場のPCでAIエージェントを構築し、コードレビューの補助ツールとして使い始めることで、新しいスキルセットを磨くことができます。

教育とトレーニングの重要性

AIエージェントを効果的に活用するには、プロンプトエンジニアリングやエージェント設計の知識が必要です。単にモデルを動かすだけでなく、どのようにタスクを分割し、どのように連携させるかを設計する能力が求められます。

MicrosoftのMDASHは、その設計思想を一部公開しています。これを参考に、ローカル環境で実験を重ねることで、エージェント設計の勘所を掴むことができます。書籍やオンラインコースで関連知識を補強することも有効です。

特に、「議論（デベート）」フェーズの設計は重要です。どのようにしてAI同士に建設的な対話を生み出すか、誤検知を減らすためのプロンプトはどうあるべきか。これらの課題を解決するプロセス自体が、大きな学習になります。

プライバシーとデータ保護

ローカルLLMの最大の利点の一つは、データの機密性です。ソースコードや内部ドキュメントをクラウドに送信する必要がありません。これは、企業内の機密情報を含むプロジェクトにおいて、決定的なメリットです。

MDASHはMicrosoft内部で使用されているため、データの流出リスクは最小限に抑えられています。個人や企業が同様のシステムを構築する場合も、ローカル環境を選ぶことで、コンプライアンス上の懸念を解消できます。

ただし、ローカル環境でも適切なセキュリティ対策は必要です。モデルファイルの保護、アクセス制御、ログの管理など、従来のITセキュリティの原則は依然として有効です。AIを導入したからといって、セキュリティが自動で強化されるわけではありません。

7. 今後の展開と技術トレンド

オープンソースへの波及効果

MicrosoftがMDASHの詳細な技術報告を公開しているため、オープンソースコミュニティにも影響が及ぶでしょう。Llama.cppやvLLMの開発者たちが、マルチエージェントサポートを強化する可能性があります。

すでに、Hugging FaceやGitHubには、エージェント連携を目的としたライブラリやフレームワークが多数公開されています。これらのツールが成熟すれば、より多くのユーザーがMDASHのようなシステムを簡単に構築できるようになります。

特に、量子化技術の進歩は重要です。GGUFやAWQなどの形式により、大規模モデルをローカルで効率的に動作させることができます。これにより、リソースの限られた環境でも、複数モデルの連携が可能になります。

モデル蒸留の重要性が高まる

MDASHで言及された「蒸留モデル」の役割は今後さらに大きくなります。高性能だが重いモデルと、軽量だが低速なモデルを組み合わせることで、コストと性能のバランスを取ることができます。

ローカルLLMユーザーも、モデル蒸留の技術に興味を持つべきです。自分の用途に合わせて、大規模モデルから小規模モデルへ知識を移すことで、独自の最適化モデルを作成できます。これにより、VRAMの制約を乗り越えることができます。

Microsoftが特定のモデル名を明かしていないのは、蒸留モデルの独自性が競争優位性を持っている可能性があります。今後、各企業が独自の蒸留モデルを開発し、エージェント連携のパフォーマンスを競う時代が来るでしょう。

自律型セキュリティの未来

MDASHは、自律型セキュリティシステムの第一歩です。将来的には、脆弱性の検出だけでなく、パッチの作成や適用までをAIが行う可能性があります。これは「Self-Healing Systems」の概念に近いものです。

しかし、完全な自律化には倫理的・技術的な課題があります。AIが作成したパッチが予期せぬバグを生むリスクや、悪意のある攻撃に対する防御策など、解決すべき問題は山積しています。

ローカルLLMの文脈では、この自律化は限定的な範囲で実現可能です。例えば、ローカルネットワーク内の特定のサービスに対する自動パッチ適用など、制御された環境での活用が考えられます。まずは小さな成功体験を積み重ねることが重要です。

8. まとめ：ローカルLLMの可能性を広げる一歩

MDASHが教えてくれたこと

MicrosoftのMDASHは、単なるセキュリティツールの進化ではありません。それは、AIエージェントが協業することの力を示す象徴的な事例です。100体以上のAIが戦うことで、単独では到達できない精度を実現しました。

この成功は、ローカルLLMコミュニティにも大きな示唆を与えます。私たちは、単一のモデルに依存するのではなく、複数のモデルを組み合わせることで、より強力なシステムを構築できる可能性があります。

自宅のPCでOllamaやLM Studioを動かす際、単にチャットを楽しむだけでなく、エージェント連携の可能性を探ってみてください。小さなスクリプトから始めて、徐々に複雑なパイプラインを構築していく過程は、非常に楽しい学習体験になります。

読者へのアクション提案

まずは、Ollamaで2つの異なるモデルをインストールしてみましょう。一つはQwen2.5、もう一つはLlama 3.1など、得意分野の異なるモデルを選びます。そして、簡易的な連携スクリプトを作成します。

次に、そのスクリプトを使って、自分のプロジェクトのコードを解析させてみてください。どのモデルがどのような出力をするか比較し、どのように組み合わせれば精度が上がるか考えます。この実験自体が、AIエンジニアリングの基礎を学ぶことになります。

さらに、議論フェーズを追加してみましょう。モデルAの出力をモデルBに批判的にレビューさせ、その結果をモデルAにフィードバックします。この往復プロセスにより、出力の質がどう変わるか観察します。

今後の注目ポイント

今後、MicrosoftがMDASHの詳細な技術報告をさらに公開するか、オープンソース版を提供するかに注目です。また、他のベンダーが同様のマルチエージェントセキュリティツールを発表する可能性もあります。

ローカルLLMのハードウェア性能も向上し続けます。RTX 50シリーズや、新しいApple Siliconチップが登場すれば、より大規模なエージェント連携がローカルで可能になります。VRAM容量の増加は、マルチモデル運用の鍵です。

セキュリティとAIの融合は、まだ初期段階です。この分野で先駆者になるためには、今から実験を重ね、知識を蓄えておくことが重要です。MDASHはその指針を示してくれました。あとは、私たちローカルLLM愛好家がそれをどう活用するかです。

---

📦 この記事で紹介した商品