微软在 2018 年 4 月 Windows 更新时第一次大规模使用机器学习(ML),ML
通过监测 PC 运行状况的六个核心领域(例如总体可靠性),以确定功能更新过程是否顺利进行。而在
2019 年 5 月发布的更新推送中,这是微软使用 ML
的第三次迭代,可评估的领域增加到了 35
个,微软计划在未来的更新中进一步扩大覆盖范围。

澳门新葡萄京官网首页 1

微软表示,使用 ML 来部署更新拥有更好的更新体验,例如下图,通过 ML
更新后系统启动的卸载数量不到一半、内核崩溃的数量减少一半,以及更新后的驱动程序问题的数量减少了五倍。

来自:IT之家IT之家9月29日消息 最近微软因为Windows
10的累积更新频出问题而受到很多网友的抱怨,有人推测这可能和微软使用机器学习算法来部署Windows
10更新推送的举措有关,因为这个过程中没有了人工的核查。今天,微软在官方博客上发文回应了这种观点,微软认为,机器学习算法总体来说是提升了Windows
10的更新体验的。 微软表示,Windows 10
PC的定期更新有助于确保它们免受恶意威胁的侵害,并可以带来最新功能以实现最佳性能和生产力。由于Windows客户可以使用的硬件、设备和应用程序种类繁多,因此每台PC的更新体验可能会略有不同。为了确保所有PC都具有无缝的更新体验,微软也通过使用测试、让合作伙伴密切参与、反馈、诊断数据等方式来管理更新的质量。因为对更新质量的评估是一项非常复杂的工程,微软正在增加对机器学习技术的投资。微软表示机器学习可以帮助他们更快地发现潜在问题,并协助确定在Windows
10新版本发布后,更新每台PC的最佳时间。微软称,Windows
10版本1803是微软第一次大规模使用ML来部署更新,他们从PC运行状况的六个核心领域开始,以确定更新过程是否顺利进行。Windows
10版本1903,则是微软在更新推送中使用ML的第三次迭代。“我们现在可以评估PC运行的35种状况,并且这个过程还将继续发展,我们也会采取其他措施来改善您的更新体验。”微软认为采用ML技术来部署更新是拥有更好的体验的,他们列举了一系列数据来佐证,例如通过ML更新后内核崩溃的数量减少一半,以及更新后的驱动程序问题的数量减少了五倍。下图给出了机器学习部署Windows
10更新的总体结构:
微软表示机器学习在其中提供了两个关键功能:它确定了潜在的问题,从而可以及时采取措施保护尚未更新的PC,以便Windows开发人员可以迅速调查和解决这些问题。它预测并发现那些具有无缝更新体验的PC,从而提供更新。由于整个过程每天都在重复,因此该模型会不断从最新的更新PC中学习。随着时间的流逝、问题的不断解决,过去那些更新体验较差的PC也将会拥有更好更稳定的更新体验。图表显示了某个功能或模式的失败率为82%,而基准失败率约为3%。这样可以确定需要保护的位置,以防止其他PC遇到类似问题另外,微软还谈到,ML驱动推出的过程中,有一个关键要素是具备能够及早发现兼容性问题的能力,这使微软能够建立保护措施,以保护特定PC免受更新的影响。过去,兼容性问题是通过费力的实验室测试、反馈、支持电话和其他渠道检测到的。尽管目前微软仍然使用这些方法,但是将ML应用于生态系统中来自PC的诊断数据,可以让微软更快更准确地识别更新过程中在硬件特性,驱动程序,应用程序等方面的兼容性问题。为了实现这一点,微软使用了异常检测机制,它可以识别某个特征或模式在什么时候导致的故障率比整体更高。通过使用Microsoft
Azure
Databricks,微软称可以快速扩展到数百万台PC并建立保护措施,从而防止PC受到与更新相关的潜在问题的干扰。

澳门新葡萄京官网首页 2

微软是如何设计和构建支持 Windows 10 更新的机器学习模型

澳门新葡萄京官网首页,最近,微软发布博文介绍了这一技术信息。微软使用的是一个经过动态训练的模型,它通过在最新更新的
PC 机上训练,有区分好的和坏的更新体验的能力。下图是一个详尽的机器学习图,展示了机器学习算法的整体框架。

澳门新葡萄京官网首页 3

每个 Windows 10 更新版本都先推给早期使用者(比如 Windows
内部人员和主动寻求更新的人)。有了这些体验者,微软开发人员就可以通过诊断数据(例如内核模式崩溃、异常关闭和驱动程序问题)来监控他们的更新体验。

机器学习在其中提供了两个关键功能:

  • 它确定了一些有安全隐患的问题,从而可以及时采取措施保护尚未更新的
    PC,以便 Windows 开发人员能够及时调查和解决这些问题
  • 它预测和发现那些可以顺利进行更新的 PC,从而提供更新

每天都重复这样一个过程,使模型不断地从最近更新的 PC
机中获得学习。然后随着时间的推移和不断解决问题,相比之下,过去那些更新了的
PC 就又有了缺陷,而现在学习到的更好的经验就会重新对他们进行更新。

微软使用 Azure
Databricks 构建
ML 模型,评估那些准备升级的 PC(准备数据,创建单个模型,并计算出分数):

澳门新葡萄京官网首页 4

微软表示,ML
驱动的推出过程中,一个关键因素就是具有能够及早发现兼容性问题的能力,使他们能够建立保护措施,以保护其他的 PC 不进行本次的更新。而以往来说,兼容性问题是通过实验室艰苦测试、反馈和其他渠道检测到的。虽然这些手段仍在使用,但在微软复杂的生态系统中,将
ML 应用到 PC
的诊断数据,将使微软能够更快识别与任何更新相关的兼容性信息,如硬件特性、驱动程序、应用程序等方面。

为了发现兼容性问题,他们使用异常检测,以发现某些特征或模式在什么时候导致的故障率会比整体的预期高。通过使用
Azure Databricks,就可以快速扩展到数百万台 PC,并建立保护措施,以防止 PC
被更新相关的潜在问题干扰。下图显示了某个功能或模式的失败率为
82%,而基准失败率约为 3%。从而确定需要保护的位置,以防止其他 PC
遇到类似问题:

澳门新葡萄京官网首页 5

微软表示,目前的机器学习方案还不够完善,接下来会进一步发展 ML,以确保 ML
是全面的、更自动化的和灵活的,能够在几秒钟内而不是几个小时内解决问题。

参考: