在接下来的几个月里，它操持在GitHub上开源这个技能，以及一些示例模型和其他资源。
这项事情表明，这样一个别系可以有效帮助人类的技能专家。该系统通过AzureDevOps和GitHub知识库，对微软47000名开拓职员的1300万个事情项和bug数据集进行演习。
据估计，开拓职员每1000行代码就会产生70个bug，而修复一个bug所需的韶光是编写一行代码所需韶光的30倍；在美国，每年有1130亿美元用于创造和修复这些bug。
在构建该模型的过程中，微软表示，安全专家批准了培训数据，并利用统计抽样为这些专家供应可管理的数据进行审查。
然后，这些数据被编码成“特色向量”的形式，微软的研究职员通过‘两步走“设计好系统。首先，该模型学会了对安全性和非安全性bug进行分类，然后它学会了对影响安全性bug的主要程度进行分级。
微软的模型利用了两种技能来进行缺点预测。
第一种技能，是术语频率逆文档频率算法（TF-IDF），这是一种信息检索方法，它根据单词在文档中涌现的次数来授予其主要性，并检讨该单词在全体标题凑集中的干系性。（微软称，它的漏洞标题常日很短，只有10个字旁边。）
第二种技能，是一种逻辑回归模型。它利用逻辑函数来建模预测某类或某件事宜存在的概率。
微软表示，该模型已在内部支配莅临盆环境中，并将连续利用安全专家批准的数据进行再培训，这些专家卖力监控软件开拓过程中产生的bug数量。
每天，软件开拓职员都盯着一长串须要办理的代码和bug。
“安全专家试图通过利用自动化工具优先办理安全漏洞，但工程师们每每把韶光摧残浪费蹂躏在缺点的地方，使得他们错过了创造主要的安全漏洞。”微软高等安全项目经理斯科特·克里斯琴森和微软数据和运用科学家佩雷拉在一篇博客文章中写道。“我们创造，通过将机器学习模型与安全专家配对，可以显著提高安全漏洞的识别和分类水平。”
微软并不是唯一一家利用人工智能打消软件漏洞的科技巨子。
亚马逊的CodeGuru做事在一定程度上是针对代码审查和亚马逊内部开拓的运用开拓的，它能创造资源泄露和CPU周期摧残浪费蹂躏等问题。
至于Facebook，它开拓了一个工具叫SapFix。在把天生的代码发送给人类工程师批准之前，它会修复好bug。（雷锋网，公众号：雷锋网）
雷锋网编译，来源：VentureBeat：https://venturebeat.com/2020/04/16/ai-spots-critical-microsoft-security-bugs-97-of-the-time/