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。

---