我們擅長商業(yè)策略與用戶體驗的完美結(jié)合。
歡迎瀏覽我們的案例。
目前微軟共有 47000 多名開發(fā)人員，每月會產(chǎn)生將近 30000 個漏洞，而這些漏洞會存儲在 100 多個 AzureDevOps 和 GitHub 倉庫中，以便于在被黑客利用之前快速發(fā)現(xiàn)關鍵的漏洞。
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(nèi)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(nèi)準確識別出關鍵的、高優(yōu)先級的安全漏洞。”
微軟構(gòu)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。
（邯鄲網(wǎng)絡公司）
