微软的高级安全项目经理Scott Christiansen，大量的半策展(semi-curated)数据非常适合机器学习。自2001年以来，微软已经收集了1300万个工作项目和BUG。

Christiansen表示：“我们利用这些数据开发了一个流程和机器学习模型，它能在99%的时间内正确区分出安全和非安全漏洞，并能准确识别出关键的、高优先级的安全漏洞，97%的时间内准确识别出关键的、高优先级的安全漏洞。”

微软构建的机器学习模型中，旨在帮助开发者准确识别和优先处理需要修复的关键安全问题，并对其进行优先级排序。Christiansen表示：“我们的目标是建立一个机器学习系统，以尽可能接近安全专家的准确度将BUG分为安全/非安全和关键/非关键”。

为了实现这个目标，微软对学习模型进行了诸多培训，提供了很多标记为安全的BUG以及其他标记为不安全的BUG。该模型经过训练之后，能够基于掌握的信息来给没有被预先分类的数据打上标签。