微軟的高級安全項目經(jīng)理Scott Christiansen，大量的半策展(semi-curated)數(shù)據(jù)非常適合機器學習。自2001年以來，微軟已經(jīng)收集了1300萬個工作項目和BUG。
Christiansen表示：“我們利用這些數(shù)據(jù)開發(fā)了一個流程和機器學習模型，它能在99%的時間內正確區(qū)分出安全和非安全漏洞，并能準確識別出關鍵的、高優(yōu)先級的安全漏洞，97%的時間內準確識別出關鍵的、高優(yōu)先級的安全漏洞。”
微軟構建的機器學習模型中，旨在幫助開發(fā)者準確識別和優(yōu)先處理需要修復的關鍵安全問題，并對其進行優(yōu)先級排序。Christiansen表示：“我們的目標是建立一個機器學習系統(tǒng)，以盡可能接近安全專家的準確度將BUG分為安全/非安全和關鍵/非關鍵”。
為了實現(xiàn)這個目標，微軟對學習模型進行了諸多培訓，提供了很多標記為安全的BUG以及其他標記為不安全的BUG。該模型經(jīng)過訓練之后，能夠基于掌握的信息來給沒有被預先分類的數(shù)據(jù)打上標簽。
網(wǎng)站客服
粵公網(wǎng)安備 44030402000946號