論文の概要: Adaptive Immunity for Software: Towards Autonomous Self-healing Systems
- arxiv url: http://arxiv.org/abs/2101.02534v1
- Date: Thu, 7 Jan 2021 13:22:55 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-17 10:58:39.655818
- Title: Adaptive Immunity for Software: Towards Autonomous Self-healing Systems
- Title（参考訳）: ソフトウェアに対する適応免疫:自律的自己修復システムに向けて
- Authors: Moeen Ali Naqvi and Merve Astekin and Sehrish Malik and Leon Moonen
- Abstract要約: 自己修復ソフトウェアシステムは、実行時に予期しない問題を検出し、診断し、含めることができる。
機械学習の最近の進歩は、システムを観察して学ぶことができる。
人工免疫システムは、特に自己修復システムを構築するのに適している。
- 参考スコア（独自算出の注目度）: 0.6117371161379209
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Testing and code reviews are known techniques to improve the quality and
robustness of software. Unfortunately, the complexity of modern software
systems makes it impossible to anticipate all possible problems that can occur
at runtime, which limits what issues can be found using testing and reviews.
Thus, it is of interest to consider autonomous self-healing software systems,
which can automatically detect, diagnose, and contain unanticipated problems at
runtime. Most research in this area has adopted a model-driven approach, where
actual behavior is checked against a model specifying the intended behavior,
and a controller takes action when the system behaves outside of the
specification. However, it is not easy to develop these specifications, nor to
keep them up-to-date as the system evolves. We pose that, with the recent
advances in machine learning, such models may be learned by observing the
system. Moreover, we argue that artificial immune systems (AISs) are
particularly well-suited for building self-healing systems, because of their
anomaly detection and diagnosis capabilities. We present the state-of-the-art
in self-healing systems and in AISs, surveying some of the research directions
that have been considered up to now. To help advance the state-of-the-art, we
develop a research agenda for building self-healing software systems using
AISs, identifying required foundations, and promising research directions.
- Abstract（参考訳）: テストとコードレビューは、ソフトウェアの品質と堅牢性を改善するための既知のテクニックです。
残念なことに、現代のソフトウェアシステムの複雑さは、実行時に起こりうるすべての問題を予測することができない。
したがって、自動的な自己修復ソフトウェアシステムは、実行時に予期せぬ問題を自動的に検出し、診断し、含めることができる。
この領域のほとんどの研究はモデル駆動アプローチを採用しており、実際の振る舞いは意図した振る舞いを特定するモデルに対してチェックされ、コントローラはシステムが仕様の外で振る舞うときにアクションを取る。
しかし、これらの仕様を開発するのも、システムが進化するにつれてそれらを最新に保つことも容易ではない。
機械学習の最近の進歩により、そのようなモデルはシステムの観察によって学習される可能性がある。
さらに, 人工免疫システム(AIS)は, 異常検出と診断能力のため, 自己修復システム構築に特に適していると論じる。
我々は、これまで検討されてきた研究の方向性を調査し、自己修復システムおよびAISにおける最先端技術について紹介する。
そこで我々は,aissを用いた自己修復型ソフトウェアシステムの構築,必要な基盤の同定,研究の方向性に関する研究課題を策定する。
関連論文リスト
- A Roadmap for Simulation-Based Testing of Autonomous Cyber-Physical Systems: Challenges and Future Direction [5.742965094549775]
本稿では,自律システムのシミュレーションに基づくテストの戦略的ロードマップを開拓する。
本稿では,テスト自動化と品質保証に着目し,ACPSの課題と障害について論じる。
論文 参考訳（メタデータ） (2024-05-02T07:42:33Z) - Progressing from Anomaly Detection to Automated Log Labeling and
Pioneering Root Cause Analysis [53.24804865821692]
本研究では、ログ異常の分類を導入し、ラベル付けの課題を軽減するために、自動ラベリングについて検討する。
この研究は、根本原因分析が異常検出に続く未来を予見し、異常の根本原因を解明する。
論文 参考訳（メタデータ） (2023-12-22T15:04:20Z) - Representing Timed Automata and Timing Anomalies of Cyber-Physical
Production Systems in Knowledge Graphs [51.98400002538092]
本稿では,学習されたタイムドオートマトンとシステムに関する公式知識グラフを組み合わせることで,CPPSのモデルベース異常検出を改善することを目的とする。
モデルと検出された異常の両方を知識グラフに記述し、モデルと検出された異常をより容易に解釈できるようにする。
論文 参考訳（メタデータ） (2023-08-25T15:25:57Z) - Interactive System-wise Anomaly Detection [66.3766756452743]
異常検出は様々なアプリケーションにおいて基本的な役割を果たす。
既存のメソッドでは、インスタンスがデータとして容易に観察できないシステムであるシナリオを扱うのが難しい。
システム埋め込みを学習するエンコーダデコーダモジュールを含むエンドツーエンドアプローチを開発する。
論文 参考訳（メタデータ） (2023-04-21T02:20:24Z) - Safe AI for health and beyond -- Monitoring to transform a health
service [51.8524501805308]
機械学習アルゴリズムの出力を監視するために必要なインフラストラクチャを評価する。
モデルのモニタリングと更新の例を示す2つのシナリオを提示します。
論文 参考訳（メタデータ） (2023-03-02T17:27:45Z) - Monitoring of Perception Systems: Deterministic, Probabilistic, and
Learning-based Fault Detection and Identification [21.25149064251918]
認識システムにおけるランタイム障害検出と識別の問題を形式化する。
診断グラフを用いて故障検出と識別を行う,決定論的,確率的,学習ベースのアルゴリズムのセットを提供する。
本稿では,LGSVLオープンソース自律運転シミュレータにおいて,複数の現実的な故障モードを再現する実験的な評価を行った。
論文 参考訳（メタデータ） (2022-05-22T19:08:45Z) - A Software Tool for Evaluating Unmanned Autonomous Systems [0.9786690381850356]
本稿では、データ駆動知能予測ツール(DIPT)と呼ばれるシミュレーションベース技術の一例を示す。
DIPTは多プラットフォーム無人航空機(UAV)システムをテストするために開発された。
論文 参考訳（メタデータ） (2021-11-21T18:17:57Z) - Controlling nonlinear dynamical systems into arbitrary states using
machine learning [77.34726150561087]
機械学習(ML)を活用した,新しい完全データ駆動制御方式を提案する。
最近開発されたMLに基づく複雑なシステムの予測機能により、非線形系は任意の初期状態から来る任意の動的対象状態に留まることが証明された。
必要なデータ量が少なく,柔軟性の高いコントロールスキームを備えることで,工学から医学まで幅広い応用の可能性について簡単に議論する。
論文 参考訳（メタデータ） (2021-02-23T16:58:26Z) - Monitoring and Diagnosability of Perception Systems [21.25149064251918]
本稿では,認識システムにおける実行時モニタリングと故障検出と識別のための数学的モデルを提案する。
本稿では,LGSVL自動運転シミュレータとApollo Auto自動運転ソフトウェアスタックを用いた実写シミュレーションにおいて,PerSySと呼ばれるモニタリングシステムを実演する。
論文 参考訳（メタデータ） (2020-11-11T23:03:14Z) - A Novel Anomaly Detection Algorithm for Hybrid Production Systems based
on Deep Learning and Timed Automata [73.38551379469533]
DAD:DeepAnomalyDetectionは,ハイブリッド生産システムにおける自動モデル学習と異常検出のための新しいアプローチである。
深層学習とタイムドオートマトンを組み合わせて、観察から行動モデルを作成する。
このアルゴリズムは実システムからの2つのデータを含む少数のデータセットに適用され、有望な結果を示している。
論文 参考訳（メタデータ） (2020-10-29T08:27:43Z) - Monitoring and Diagnosability of Perception Systems [21.25149064251918]
知覚は、ロボット工学や自動運転車などの自律システムの高統合的応用において重要な要素である。
知覚システムの重要さにもかかわらず、システムレベルのモニタリングには正式なアプローチは存在しない。
本稿では,認識システムの実行時モニタリングと故障検出のための数学的モデルを提案する。
論文 参考訳（メタデータ） (2020-05-24T18:09:46Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。