微软最新AI检测代码漏洞准确率高达99%

资讯 4年前
1.83K

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。”

克里斯蒂安森说:“据我们所知,这是世界上首次成功率达99%。”微软最终将在GitHub上开放它的发现。

© 版权声明

相关文章