程序員福音，微軟最新AI檢測代碼漏洞準確率高達99%
2020-04-28 14:25
來源：
OFweek人工智能網
根據數據管理公司Coralogix的數據，程序員在每1000行代碼中就會產生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，它已經成功地創建了一個機器學習模型，能夠在97％的時間內準確識別高優先級安全漏洞。
在本月早些時候發布在網上的一份報告中，微軟高級安全程序經理斯科特·克里斯汀森（Scott Christiansen）說，“我們發現，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。”
該模型具有更高的成功率（99％），可以區分安全性和非安全性bug。
微軟使用了兩種統計技術來設計漏洞檢測系統。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。
該項目的一個關鍵突破，克里斯蒂安森解釋說，是“錯誤報告可以執行，即使只有標題是可用的訓練和得分。”
克里斯蒂安森說：“據我們所知，這是世界上首次成功率達99%。”微軟最終將在GitHub上開放它的發現。
分享
聲明：
本網站所刊載信息，不代表OFweek觀點。刊用本站稿件，務經書面授權。未經授權禁止轉載、摘編、復制、翻譯及建立鏡像，違者將依法追究法律責任。
請輸入評論內容...
請輸入評論/評論長度6~500個字
