根據(jù)數(shù)據(jù)管理公司Coralogix的數(shù)據(jù)，程序員在每1000行代碼中就會產(chǎn)生70個bug，每個bug解決方案需要的時間是最初編寫代碼時的30倍。該公司估計，美國每年在識別和修復漏洞的花費就高達1130億美元。
好消息是，微軟最近宣布，它已經(jīng)成功地創(chuàng)建了一個機器學習模型，能夠在97％的時間內準確識別高優(yōu)先級安全漏洞。
在本月早些時候發(fā)布在網(wǎng)上的一份報告中，微軟高級安全程序經(jīng)理斯科特·克里斯汀森（Scott Christiansen）說，“我們發(fā)現(xiàn)，通過將機器學習模型與安全專家配對，我們可以顯著改善安全漏洞的識別和分類?！?/p>
該模型具有更高的成功率（99％），可以區(qū)分安全性和非安全性bug。
微軟使用了兩種統(tǒng)計技術來設計漏洞檢測系統(tǒng)。一種是術語頻率逆文檔頻率算法（TF－IDF），它檢查大量文檔集合中的關鍵字并計算它們的相關性。另一種是邏輯回歸模型，它確定特定類或事件存在的概率。
該程序首先將安全性和非安全性bug進行了分類，然后進行了改進，將威脅級別劃分為“關鍵”、“重要”或“低影響”。
克里斯蒂安森說，微軟的目標是設計一個“精確度盡可能接近安全專家水平”的漏洞檢測系統(tǒng)。
該項目的一個關鍵突破，克里斯蒂安森解釋說，是“錯誤報告可以執(zhí)行，即使只有標題是可用的訓練和得分?！?/p>
“據(jù)我們所知，這是世界上首次，”他說。微軟最終將在GitHub上開放它的發(fā)現(xiàn)。
（免責聲明：本網(wǎng)站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產(chǎn)權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
