論文の概要: Scalable Microservice Forensics and Stability Assessment Using Variational Autoencoders

• arxiv url: http://arxiv.org/abs/2104.13193v1
• Date: Fri, 23 Apr 2021 18:51:41 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-29 06:06:24.424121
• Title: Scalable Microservice Forensics and Stability Assessment Using Variational Autoencoders
• Title（参考訳）: 可変オートエンコーダを用いたスケーラブルなマイクロサービス鑑識と安定性評価
• Authors: Prakhar Sharma, Phillip Porras, Steven Cheung, James Carpenter, Vinod Yegneswaran
• Abstract要約: コンテナ化されたアプリケーションランタイムの安定性分析に対するディープラーニングベースのアプローチを提示する。 このアプローチは、可変オートエンコーダ(VAE)を使用してコンテナイメージの安定したパターンを学び、コンテナ固有のVAEをインスタンス化し、安定性検出と適応フォレンジックパブリッシングを実装します。 CPUMinerとHTTP-floodの2つの攻撃に対してVAEベースの安定性検出技術を評価し、両方の異常の分離に有効であることが判明した。
• 参考スコア（独自算出の注目度）: 6.225019476223629
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a deep learning based approach to containerized application runtime stability analysis, and an intelligent publishing algorithm that can dynamically adjust the depth of process-level forensics published to a backend incident analysis repository. The approach applies variational autoencoders (VAEs) to learn the stable runtime patterns of container images, and then instantiates these container-specific VAEs to implement stability detection and adaptive forensics publishing. In performance comparisons using a 50-instance container workload, a VAE-optimized service versus a conventional eBPF-based forensic publisher demonstrates 2 orders of magnitude (OM) CPU performance improvement, a 3 OM reduction in network transport volume, and a 4 OM reduction in Elasticsearch storage costs. We evaluate the VAE-based stability detection technique against two attacks, CPUMiner and HTTP-flood attack, finding that it is effective in isolating both anomalies. We believe this technique provides a novel approach to integrating fine-grained process monitoring and digital-forensic services into large container ecosystems that today simply cannot be monitored by conventional techniques
• Abstract（参考訳）: 本稿では,コンテナ化されたアプリケーションランタイムの安定性解析に対するディープラーニングアプローチと,バックエンドインシデント解析リポジトリに公開するプロセスレベルのインシデント分析の深さを動的に調整可能なインテリジェントパブリッシングアルゴリズムを提案する。 このアプローチでは、可変オートエンコーダ(VAE)を使用してコンテナイメージの安定した実行パターンを学習し、コンテナ固有のVAEをインスタンス化し、安定性検出と適応的な法科学公開を実装する。 50インスタンスのコンテナワークロードを使用したパフォーマンス比較では、従来のEBPFベースの法定出版物に対して、VAE最適化されたサービスでは、2桁のCPU性能の改善、ネットワーク転送ボリュームの3OM削減、Elasticsearchストレージコストの4OM削減が示されている。 本稿では,2つの攻撃, CPUMiner と HTTP-flood に対して VAE に基づく安定性検出手法を評価し,両異常の分離に有効であることを確認した。 従来の技術では監視できない大規模コンテナエコシステムに、きめ細かいプロセス監視とデジタル法則サービスを統合するための新しいアプローチを提供すると考えている。

関連論文リスト

• ALOcc: Adaptive Lifting-based 3D Semantic Occupancy and Cost Volume-based Flow Prediction [89.89610257714006]
  既存の手法は、これらのタスクの要求に応えるために高い精度を優先する。 本稿では,3次元セマンティック占有率予測とフロー推定のための一連の改善点を紹介する。 私たちの純粋な時間的アーキテクチャフレームワークであるALOccは、速度と精度の最適なトレードオフを実現しています。
  論文  参考訳（メタデータ） (2024-11-12T11:32:56Z)
• Towards Resource-Efficient Federated Learning in Industrial IoT for Multivariate Time Series Analysis [50.18156030818883]
  異常と欠落したデータは、産業応用における厄介な問題を構成する。 ディープラーニングによる異常検出が重要な方向として現れている。 エッジデバイスで収集されたデータは、ユーザのプライバシを含む。
  論文  参考訳（メタデータ） (2024-11-06T15:38:31Z)
• Task-Oriented Real-time Visual Inference for IoVT Systems: A Co-design Framework of Neural Networks and Edge Deployment [61.20689382879937]
  タスク指向エッジコンピューティングは、データ分析をエッジにシフトすることで、この問題に対処する。 既存の手法は、高いモデル性能と低いリソース消費のバランスをとるのに苦労している。 ニューラルネットワークアーキテクチャを最適化する新しい協調設計フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-29T19:02:54Z)
• Bisimulation metric for Model Predictive Control [44.301098448479195]
  Bisimulation Metric for Model Predictive Control (BS-MPC) は、目的関数にbisimulation metric lossを組み込んでエンコーダを直接最適化する新しい手法である。 BS-MPCは、トレーニング時間を削減することにより、トレーニング安定性、入力ノイズに対する堅牢性、および計算効率を向上させる。 我々は,DeepMind Control Suiteから連続制御および画像ベースタスクのBS-MPCを評価する。
  論文  参考訳（メタデータ） (2024-10-06T17:12:10Z)
• LUCID: A Framework for Reducing False Positives and Inconsistencies Among Container Scanning Tools [0.0]
  本稿では,複数のスキャンツールによって提供される偽陽性や不整合を低減できるLUCIDというフレームワークを提案する。 その結果,我々のフレームワークは不整合を70%削減できることがわかった。 また、異なる重大度レベルを84%の精度で分類し、予測できる動的分類コンポーネントを作成します。
  論文  参考訳（メタデータ） (2024-05-11T16:58:28Z)
• An Incremental Unified Framework for Small Defect Inspection [38.760135052751714]
  Incremental Unified Framework(IUF)を提案し、パイプラインに新しいオブジェクトを継続的に統合する場合に、機能衝突の問題を軽減することができる。 最先端のトランスフォーマーを用いて、異なるセマンティックバウンダリを規定するために、OASA(Object-Aware Self-Attention)を導入する。 本手法は, 動的かつスケーラブルな産業検査に欠かせない, 最先端の性能を実現する。
  論文  参考訳（メタデータ） (2023-12-14T13:22:18Z)
• Threshold-adaptive Unsupervised Focal Loss for Domain Adaptation of Semantic Segmentation [25.626882426111198]
  意味的セグメンテーションのための教師なしドメイン適応(UDA)は近年研究の注目を集めている。 本稿では,セマンティックセグメンテーションのための2段階エントロピーに基づくUDA手法を提案する。 本稿では,DeepLabV2を用いたSynTHIA-to-CityscapesとGTA5-to-Cityscapesにおける最先端の58.4%と59.6%のmIoUと,軽量BiSeNetを用いた競合性能を実現する。
  論文  参考訳（メタデータ） (2022-08-23T03:48:48Z)
• Learning Representations for CSI Adaptive Quantization and Feedback [51.14360605938647]
  本稿では,周波数分割二重化システムにおける適応量子化とフィードバックの効率的な手法を提案する。 既存の研究は主に、CSI圧縮のためのオートエンコーダ(AE)ニューラルネットワークの実装に焦点を当てている。 1つはポストトレーニング量子化に基づくもので、もう1つはAEのトレーニング中にコードブックが見つかる方法である。
  論文  参考訳（メタデータ） (2022-07-13T08:52:13Z)
• Layer Pruning on Demand with Intermediate CTC [50.509073206630994]
  我々はコネクショニスト時間分類(CTC)に基づくASRの訓練と刈り取り方法を提案する。 本稿では,Transformer-CTCモデルをオンデマンドで様々な深さでプルーニングできることを示し,GPU上でのリアルタイム係数を0.005から0.002に改善した。
  論文  参考訳（メタデータ） (2021-06-17T02:40:18Z)
• CoCoMoT: Conformance Checking of Multi-Perspective Processes via SMT (Extended Version) [62.96267257163426]
  我々はCoCoMoT(Computing Conformance Modulo Theories)フレームワークを紹介する。 まず、純粋な制御フロー設定で研究したSATベースのエンコーディングを、データ認識ケースに持ち上げる方法を示す。 次に,プロパティ保存型クラスタリングの概念に基づく新しい前処理手法を提案する。
  論文  参考訳（メタデータ） (2021-03-18T20:22:50Z)

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。