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
- Privacy-Preserving Distributed Learning for Residential Short-Term Load
Forecasting [11.185176107646956]
電力システムの負荷データは、住宅ユーザの日常のルーチンを不注意に明らかにし、彼らの財産のセキュリティにリスクを及ぼす可能性がある。
我々はマルコフスイッチ方式の分散学習フレームワークを導入し、その収束は厳密な理論的解析によって実証される。
実世界の電力系統負荷データを用いたケーススタディにより,提案アルゴリズムの有効性を検証した。
論文 参考訳(メタデータ) (2024-02-02T16:39:08Z) - Diffusion-Based Particle-DETR for BEV Perception [94.88305708174796]
Bird-Eye-View (BEV)は、自律走行車(AV)における視覚知覚のための最も広く使われているシーンの1つである。
近年の拡散法は、視覚知覚のための不確実性モデリングに有望なアプローチを提供するが、BEVの広い範囲において、小さな物体を効果的に検出することができない。
本稿では,BEVにおける拡散パラダイムと最先端の3Dオブジェクト検出器を組み合わせることで,この問題に対処する。
論文 参考訳(メタデータ) (2023-12-18T09:52:14Z) - An Incremental Unified Framework for Small Defect Inspection [40.04980812923493]
インクリメンタル統一フレームワーク(Incrmental Unified Framework, IUF)は、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、機能競合の問題を軽減する。
我々は,OASA(Object-Aware Self-Attention)を導入し,セマンティック境界を明確にする。
Scientist Compression Loss (SCL)は、非原始意味空間を最適化するために統合されている。
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) - Degradation-Aware Unfolding Half-Shuffle Transformer for Spectral
Compressive Imaging [142.11622043078867]
圧縮画像と物理マスクからパラメータを推定し,これらのパラメータを用いて各イテレーションを制御する,DAUF(Degradation-Aware Unfolding Framework)を提案する。
HST を DAUF に接続することにより,HSI 再構成のための変換器の深部展開法であるデグレーション・アウェア・アンフォールディング・ハーフシャッフル変換器 (DAUHST) を確立した。
論文 参考訳(メタデータ) (2022-05-20T11:37:44Z) - Impact of Channel Variation on One-Class Learning for Spoof Detection [5.549602650463701]
スポット検出はASVシステムの信頼性を高めるが、チャネルの変動により著しく低下する。
MCTに最適なデータ供給戦略は何か?スプーフ検出では分かっていない。
本研究は、データ供給とミニバッチの低重要度プロセスが、より良いパフォーマンスのために改善する必要性の認識を高めることの関連性を強調した。
論文 参考訳(メタデータ) (2021-09-30T07:56:16Z) - 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) - Real-World Anomaly Detection by using Digital Twin Systems and
Weakly-Supervised Learning [3.0100975935933567]
本稿では, 産業環境における異常検出に対する弱い制御手法を提案する。
これらのアプローチでは、Digital Twinを使用して、機械の通常の動作をシミュレートするトレーニングデータセットを生成する。
提案手法の性能を,実世界のデータセットに応用した様々な最先端の異常検出アルゴリズムと比較した。
論文 参考訳(メタデータ) (2020-11-12T10:15:56Z) - Pairwise Supervised Hashing with Bernoulli Variational Auto-Encoder and
Self-Control Gradient Estimator [62.26981903551382]
バイナリ潜在変数を持つ変分自動エンコーダ(VAE)は、文書検索の精度の観点から最先端のパフォーマンスを提供する。
本稿では、クラス内類似度とクラス間類似度に報いるために、個別潜伏型VAEを用いたペアワイズ損失関数を提案する。
この新しいセマンティックハッシュフレームワークは、最先端技術よりも優れたパフォーマンスを実現する。
論文 参考訳(メタデータ) (2020-05-21T06:11:33Z)
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。