محققان مایکروسافت روی مدل ویژه‌ای از فناوری یادگیری عمیق کار می‌کنند که برای یافتن حفره‌های نرم‌افزاری بدون هیچ‌گونه حفره به ظاهر واقعی آموزش دیده است تا فرآیند شناسایی آنها سرعت گیرد.
در حالی که ده‌ها ابزار برای تحلیل کدهای استاتیک در زبان‌های برنامه‌نویسی مختلف وجود دارد تا نقص‌های امنیتی را تحلیل و شناسایی کنند، محققان در حال بررسی تکنیک‌هایی هستند که از فناوری یادگیری ماشینی برای بهبود توانایی تشخیص عیوب و رفع آنها بهره می‌برد.
با توجه به اینکه یافتن و رفع اشکالات در کدهای نرم‌افزاری می‌تواند فرآیند سخت و پرهزینه باشد، حتی زمانی که از هوش مصنوعی برای یافتن آن استفاده می‌شود هم این دشواری‌ها وجود دارد.
محققان مرکز تحقیقاتی کمبریج وابسته به مایکروسافت جزییات فعالیت خود را روی BugLab که پلتفرم پیاده‌سازی پایتون محسوب می‌شود و رویکردی برای یادگیری خود-نظارتی تشخیص و تعمیر حفره‌های نرم افزاری است، ارائه کردند.
این فناوری جدید براساس دو مدل پیش‌فرض در پلتفرم BugLab بدون نیاز به در اختیار داشتن داده‌های برچسب‌دار به عنوان سیستم «خود نظارتی» محسوب می‌شود.
این قابلیت جدید برای شناسایی اشکالات کدنویسی در دنیای واقعی و آموزش مدل‌های یادگیری عمیق مخصوص عیب‌یابی نرم افزاری ایجاد شده است. در حالی که مقادیر زیادی کد منبع برای چنین آموزش‌هایی در دسترس است، تاکنون کدنویسی قابل ملاحظه در این زمینه انجام نشده است.
منبع: zdnet