据该项目的首席研究员非迪·考普提称，工程师们为寻找流行软件中的安全漏洞而不断研究解决方案，他们清楚地知道，在应用程序中找到所有漏洞是不可能的，这在实际上以及理论上都是如此。这就意味着，需要不断向系统部署安全补丁。
但在应用程序上部署安全修补程序是一项繁琐且耗时的任务，需要执行一系列步骤，包括识别应用程序的易受攻击版本、管理该漏洞、交付修补程序、部署修补程序，然后重新启动应用程序。通常，补丁要在很长时间内才能部署，因此应用程序在发现漏洞后的一段时间内仍然容易受到攻击。为了显著加快这一过程，IBM研究人员推出了虚拟补丁。
团队成员利用机器学习技术来解决问题。他们在给定的应用程序上运行各种测试工具来生成数据，然后使用这些数据来训练模型。他们先为应用程序创建了数百万个样本，然后确定输入的分类标签：良性、错误或恶意，最终他们训练模型来预测一个新样本究竟是良性的还是恶意的。
研究人员根据他们之前生成的数据训练了模型。该模型结合了卷积神经网络（CNN）和递归神经网络（RNN），在预测威胁发生之前的漏洞方面，取得了显著成果——在评估中，他们的模型成功地在威胁之前检测到LibXML2和LibTIFF漏洞，准确率分别为91.3%和93.7%。
在未来，这一技术可以帮助开发人员在实际暴露之前更快、更有效地修补软件漏洞。研究人员还计划继续探索，以发掘其修补更广泛漏洞的有效性。
上文内容不用于商业目的，如涉及知识产权问题，请权利人联系博为峰小编(021-64471599-8017)，我们将立即处理。
