目前微軟共有47000多名開發人員，每月會產生將近30000個漏洞，而這些漏洞會存儲在100多個AzureDevOps和GitHub倉庫中，以便於在被黑客利用之前快速發現關鍵的漏洞。

微軟的高級安全項目經理Scott Christiansen，大量的半策展（semi-curated）數據非常適合機器學習。自2001年以來，微軟已經收集了1300萬個工作項目和BUG。

Christiansen表示：“我們利用這些數據開發了一個流程和機器學習模型，它能在99%的時間內正確區分出安全和非安全漏洞，並能準確識別出關鍵的、高優先級的安全漏洞，97 %的時間內準確識別出關鍵的、高優先級的安全漏洞。”

微軟構建的機器學習模型中，旨在幫助開發者準確識別和優先處理需要修復的關鍵安全問題，並對其進行優先級排序。Christiansen表示：“我們的目標是建立一個機器學習系統，以盡可能接近安全專家的準確度將BUG分為安全/非安全和關鍵/非關鍵”。

為了實現這個目標，微軟對學習模型進行了諸多培訓，提供了很多標記為安全的BUG以及其他標記為不安全的BUG。該模型經過訓練之後，能夠基於掌握的信息來給沒有被預先分類的數據打上標籤。