根据数据管理公司Coralogix的数据，程序员在每1000行代码中就会产生70个bug，每个bug解决方案需要的时间是最初编写代码时的30倍。该公司估计，美国每年在识别和修复漏洞的花费就高达1130亿美元。
好消息是，微软最近宣布，它已经成功地创建了一个机器学习模型，能够在97％的时间内准确识别高优先级安全漏洞。
在本月早些时候发布在网上的一份报告中，微软高级安全程序经理斯科特·克里斯汀森（Scott Christiansen）说，“我们发现，通过将机器学习模型与安全专家配对，我们可以显著改善安全漏洞的识别和分类。”
该模型具有更高的成功率（99％），可以区分安全性和非安全性bug。
微软使用了两种统计技术来设计漏洞检测系统。一种是术语频率逆文档频率算法（TF－IDF），它检查大量文档集合中的关键字并计算它们的相关性。另一种是逻辑回归模型，它确定特定类或事件存在的概率。
该程序首先将安全性和非安全性bug进行了分类，然后进行了改进，将威胁级别划分为“关键”、“重要”或“低影响”。
克里斯蒂安森说，微软的目标是设计一个“精确度尽可能接近安全专家水平”的漏洞检测系统。
该项目的一个关键突破，克里斯蒂安森解释说，是“错误报告可以执行，即使只有标题是可用的训练和得分。”
“据我们所知，这是世界上首次，”他说。微软最终将在GitHub上开放它的发现。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
