公开(公告)号：CN114026536A

公开(公告)日：2022-02-08

申请号：CN202080046750.6

申请日：2020-04-27

Applicant: 微软技术许可有限责任公司

Inventor： 傅胜宇 ,  S·卡尔维特 ,  J·D·凯科 ,  K·肖姆甘 ,  N·森达雷桑 ,  M·A·威尔逊-托马斯

IPC: G06F8/36 ,  G06F8/33 ,  G06F8/30 ,  G06N20/00

Abstract: 机器学习模型的行为和用于训练该模型的训练数据集被监控，以确定何时该模型的预测的准确性指示该模型应当被重新训练。重新训练从在该模型的操作期间所生成的一个或多个精度度量和覆盖率度量来确定。精度度量测量该模型做出由推理系统接受的预测的能力，并且覆盖率度量测量该模型在给定输入特征集时做出预测的能力。另外，对训练数据集做出的改变被分析并且被用作何时该模型应当被重新训练的指示。

公开(公告)号：CN114175027A

公开(公告)日：2022-03-11

申请号：CN202080053397.4

申请日：2020-06-10

Applicant: 微软技术许可有限责任公司

Inventor： G·D·奥班多·查康 ,  J·D·凯科 ,  M·A·威尔逊-托马斯

IPC: G06F21/56 ,  G06F21/55 ,  G06F21/44 ,  G06N20/00

Abstract: 当有权访问主要资产的用户寻求访问相关的附属资产时，访问控制增强降低了安全风险和管理负担。例如，当提供了访问主要资产的充分证明并且主要资产和附属资产的关系被确认时，在无需分开登录、向附属资产的所有者询问许可、或通过请求者的经认证的身份进行授权的情况下，准许访问附属资产。可以在没有文件共享或共享链接中固有的安全风险的情况下准许对附属资产的自动访问。特别地，可以自动且方便地准许有权访问项目的一个组件的开发人员访问项目的其余部分。同样，用于自动完成的自定义机器学习模型变得对在被用以训练模型的存储库源上工作的所有开发人员可访问。