Help:XSvacer:AIAssistant

Данная функциональность входит в набор расширений XSvacer

Поддержка ИИ-ассистента для разметки предупреждений

Данная функциональность позволяет использовать модель машинного обучения (ИИ) для помощи при разметке предупреждений.

ИИ-ассистент предназначен для разметки предупреждений статусами Confirmed и False Positive, которые были предсказаны моделью машинного обучения.

Все данные предупреждений хранятся в Svacer и получаются ИИ-ассистентом с помощью REST API.

Инструкция по активации и запуску функциональности ИИ-ассистента

Описание интерфейса ИИ-ассистента

Разметка одного маркера

Чтобы разметить один маркер с помощью ИИ-ассистента:

1. Нажмите кнопку

на правой панели или в виджете маркера на вкладке с исходным кодом.

Виджет маркера на вкладке с исходным кодом. Переход к ИИ-разметке

2. В открывшемся окне разметки:

а) Выберите модель AI, с помощью которой ИИ-ассистент рассчитает статус разметки.

Спрогнозированный статус и уровень доверия прогнозу отобразятся в этом же окне.

Если маркер уже размечен и его статус совпадает с прогнозным, то в окне отобразится сообщение об этом и дальнейшая разметка станет недоступна.

б) Введите комментарий.

в) Нажмите кнопку Применить.

Окно ИИ-разметки

Окно ИИ-разметки. Прогнозный статус совпадает с существующим

Статус, установленный с помощью ИИ-ассистента, отобразится в верхней части правой панели и в виджете маркера на вкладке с исходным кодом с отметкой

. Также этой иконкой будет отмечен статус в комментарии, добавленном при разметке, который дополнительно содержит информацию о проведенной разметке: время, имя модели машинного обучения, уровень доверия прогнозу.

Дополнительная информация также отображается при наведении курсора на иконку

.

Правая панель. Результат ИИ-разметки
Правая панель. Комментарий об ИИ-разметке

Виджет элемента трассы. Результат ИИ-разметки

Групповая разметка маркеров

Чтобы разметить несколько маркеров с помощью ИИ-ассистента одновременно:

1. Если планируется разметить большое количество маркеров, то для ускорения составления прогноза запустите предварительный рассчет (опционально) – на вкладке Информация о снимке центральной панели нажмите кнопку Проанализировать с AI.

Расчет прогнозируемого статуса для каждого маркера запустится в фоновом режиме. В это время на месте кнопки будет отображаться анимированная иконка ожидания.

Информация о снимке. Кнопка перехода к предварительному расчету статусов маркеров

2. Выберите маркеры для разметки – установите флажки в строках таблицы.

3. Нажмите кнопку

(доступна, если выбраны маркеры в таблице).

4. В открывшемся окне разметки:

а) Выберите модель AI, с помощью которой ИИ-ассистент рассчитает статус разметки.

Спрогнозированные статусы и уровни доверия прогнозу отобразятся в этом же окне в таблице маркеров. При этом размеченные ранее маркеры окрашены в цвет, соответствующий выставленному статусу.

В таблице доступна сортировка значений в столбцах Детектор, Файл, Строка и Уровень доверия, а в столбце Статус разметки доступна фильтрация по значению прогнозируемого статуса.

б) Введите комментарий.

в) Выберите маркеры, которые требуется разметить, – установите флажки в столбце Статус разметки.

Если маркер уже размечен и его статус совпадает с прогнозным, то он недоступен для установки флажка.

г) Нажмите кнопку Применить.

Прогресс разметки отображается в соответствующем окне. Запущенный процесс можно полностью отменить нажатием кнопки Отмена.

Фильтрация маркеров по режиму разметки

По умолчанию в таблице маркеров отображаются все маркеры: как размеченные вручную, так и размеченные с помощью ИИ-ассистента. Чтобы отобразить маркеры только с одним режимом разметки, воспользуйтесь пользовательскими фильтрами:

для отображения только маркеров, размеченных вручную, выберите фильтр Режим разметки – Вручную;
для отображения только маркеров, размеченных с помощью ИИ-ассистента, выберите фильтр Режим разметки – С помощью ИИ.

Пользовательские фильтры. Режимы разметки

Описание модели xgb.joblib ИИ-ассистента

Модель обучена на базе 50000+ размеченных предупреждений.

Для предсказания статуса разметки нами используются:

языковая модель codebert-base для получения эмбеддингов кода;
метод градиентного бустинга (xgboost) для решения задачи классификации.