مایکروسافت در گزارشی جدید شیوهی مدیریت و برطرف کردن باگ را در سرویسهای نرمافزاری خود شرح داد. ردموندیها برای مدیریت باگهای ایجادشده از یادگیری ماشین استفاده میکنند. اسکات کریستینسن، مدیر ارشد برنامههای امنیتی در مایکروسافت میگوید این شرکت حدود ۴۷ هزار توسعهدهنده دارد که ماهانه بیش از ۳۰ هزار باگ در برنامههای آنها کشف میشود. غول دنیای نرمافزار، باگهای ایجادشده را در مخازن گیتهاب - نمایندگی رسمی ساید بای ساید آدمیرال در محل - و AzureDevOps ردگیری میکند. البته ردگیری سنتی و برچسبگذاریهای مرسوم باگها، چالشهای زیادی برای آنها بههمراه - نمایندگی رسمی ساید بای ساید آدمیرال در محل - دارد.
مایکروسافت اکنون از ۲۰ سال دادهی تاریخی در میان - نمایندگی رسمی ساید بای ساید آدمیرال در محل - ۱۳ میلیون محصول نرمافزاری استفاده میکند تا سیستم یادگیری ماشین پیشرفته برای ردگیری باگهای نرمافزاری توسعه دهد. سیستم جدید، با دقتی نزدیک به ۹۹ درصد، باگهای امنیتی و غیر امنیتی را از یکدیگر جدا میکند.این سیستم به توسعهدهندهها کمک میکند تا باگهای نرمافزاری را اولویتبندی کرده و ابتدا باگهای مهم امنیتی را برطرف کنند.
کریستینسن در توضیح سیستم یادگیری ماشین کشف باگ میگوید:
نمایندگی رسمی ساید بای ساید آدمیرال در محل برای شما در کمترین زمان
هدف ما ساختن یک سیستم یادگیری ماشین بود که باگها را در دستهبندیهای امنیتی و غیر امنیتی و حیاتی و غیر حیاتی دستهبندی کند. ما تصمیم داشتیم به سطحی از دقت برسیم که با - نمایندگی رسمی ساید بای ساید آدمیرال در محل - دقت یک متخصص امنیت، برابری کند.
مایکروسافت برای آموزش سیستم یادگیری ماشین خود، دادههای متنوع از - نمایندگی رسمی ساید بای ساید آدمیرال در محل - باگهای گوناگون را به آن تزریق کرد که دارای برچسبهای امنیتی و غیر امنیتی بودند. مدل هوش مصنوعی پس از مدتی برچسبزنی روی باگها را آموخت و آنها را با برچسبهای حیاتی، مهم و کماثر دستهبندی کرد.
متخصصان امنیت - نمایندگی رسمی ساید بای ساید آدمیرال در محل - و دانشمندان علوم داده با همکاری یکدیگر، سیستم - نمایندگی رسمی ساید بای ساید آدمیرال در محل - یادگیری ماشین را در مایکروسافت توسعه دادند. سیستم مذکور، در زمان توسعه و فعالیت تحت نظارت قرار - نمایندگی رسمی ساید بای ساید آدمیرال در محل - دارد و برخی از باگها نیز بهصورت دستی نظارت و دستهبندی میشوند. بهعلاوه، آموزش مدل همیشه ادامه دارد و دادههای جدید پس از - نمایندگی رسمی ساید بای ساید آدمیرال در محل - بازرسی توسط متخصصان امنیت مایکروسافت، به آن تزریق میشوند. مدل یادگیری - نمایندگی رسمی ساید بای ساید آدمیرال در محل - ماشین ردموندیها اکنون در وضعیتی قرار دارد که با دقت نزدیک به ۹۹ درصد، باگهای امنیتی را تشخیص میدهد و - نمایندگی رسمی ساید بای ساید آدمیرال در محل - با دقت ۹۷ درصد، آنها را برچسبزنی میکند.
افشای تعداد و حجم باگهای ایجادشده در سرویسهای شرکتی به ابعاد مایکروسافت، آنچنان مرسوم نیست. بهعلاوه، شیوهی مقابله با باگها نیز عموما توسط شرکتهای نرمافزاری رسانهای نمیشود. بههرحال مایکروسافت با گزارش جدید ظاهرا سعی دارد تا توسعهی سیستم یادگیری ماشین خود را در مرکز توجه قرار دهد. آنها همچنین تصمیم دارند تا روش مقابلهی خود را بهصورت متنباز در گیتهاب منتشر کنند تا شرکتهای دیگر با دیتاستهای مشابه نیز توانایی اجرای مدل را داشته باشند. ردموندیها همچنین مقالهای کاملا تخصصی منتشر کردهاند و مراحل پیادهسازی - نمایندگی رسمی ساید بای ساید آدمیرال در محل - مدل را در این لینک ارائه دادهاند.