論文の概要: DRIVE: Dockerfile Rule Mining and Violation Detection
- arxiv url: http://arxiv.org/abs/2212.05648v3
- Date: Tue, 25 Jul 2023 08:11:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-24 13:56:05.442058
- Title: DRIVE: Dockerfile Rule Mining and Violation Detection
- Title(参考訳): DRIVE: Dockerfileルールマイニングと違反検出
- Authors: Yu Zhou, Weilin Zhan, Zi Li, Tingting Han, Taolue Chen, Harald Gall
- Abstract要約: DockerfileはDockerイメージを構築するための一連の命令を定義し、コンテナ化されたアプリケーションをサポートするためにインスタンス化することができる。
最近の研究は、Dockerfileのかなりの品質問題を明らかにしている。
我々は、暗黙のルールをマイニングし、Dockerfileでそのようなルールの潜在的な違反を検出する新しいアプローチを提案する。
- 参考スコア(独自算出の注目度): 6.510749313511299
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A Dockerfile defines a set of instructions to build Docker images, which can
then be instantiated to support containerized applications. Recent studies have
revealed a considerable amount of quality issues with Dockerfiles. In this
paper, we propose a novel approach DRIVE (Dockerfiles Rule mIning and Violation
dEtection) to mine implicit rules and detect potential violations of such rules
in Dockerfiles. DRIVE firstly parses Dockerfiles and transforms them to an
intermediate representation. It then leverages an efficient sequential pattern
mining algorithm to extract potential patterns. With heuristic-based reduction
and moderate human intervention, potential rules are identified, which can then
be utilized to detect potential violations of Dockerfiles. DRIVE identifies 34
semantic rules and 19 syntactic rules including 9 new semantic rules which have
not been reported elsewhere. Extensive experiments on real-world Dockerfiles
demonstrate the efficacy of our approach.
- Abstract(参考訳): DockerfileはDockerイメージを構築するための一連の命令を定義し、コンテナ化されたアプリケーションをサポートするためにインスタンス化することができる。
最近の研究は、Dockerfileのかなりの品質問題を明らかにしている。
本稿では,暗黙のルールをマイニングし,そのようなルールの潜在的な違反を検出するための新しいアプローチドライブ(dockerfiles rule mining and violation detection)を提案する。
DRIVEはまずDockerfileを解析し、中間表現に変換する。
次に、効率的なシーケンシャルパターンマイニングアルゴリズムを利用して潜在的なパターンを抽出する。
ヒューリスティックに基づく削減と適度な人間の介入により、潜在的なルールが特定され、dockerfileの潜在的な違反を検出するために使用することができる。
driveは34のセマンティックルールと19の構文ルールを特定し、他に報告されていない9つの新しいセマンティックルールを含む。
実世界のdockerfilesに関する広範な実験は、このアプローチの有効性を示しています。
関連論文リスト
- Empirical Study of the Docker Smells Impact on the Image Size [1.006218778776515]
本稿では,Dockerイメージのサイズに対する14のDockerの匂いの影響について検討する。
11313のオープンソースDockerfileから16,145のDocker臭いが検出され、修復されました。
最も影響のある臭いは、一般的に遭遇し、比較的簡単に修正できるパッケージマネージャに関連している。
論文 参考訳(メタデータ) (2023-12-21T14:35:43Z) - Continual-MAE: Adaptive Distribution Masked Autoencoders for Continual Test-Time Adaptation [49.827306773992376]
連続的テスト時間適応(CTTA)は、ソース事前学習モデルから目標分布の連続的な変化に移行するために提案される。
提案手法は,CTTAタスクの分類とセグメンテーションの両方において,最先端の性能を実現する。
論文 参考訳(メタデータ) (2023-12-19T15:34:52Z) - PPIDSG: A Privacy-Preserving Image Distribution Sharing Scheme with GAN
in Federated Learning [2.0507547735926424]
分散学習(FL)は、分散クライアントでのプライバシー保護のための協調トレーニングを可能にするため、注目を集めている。
最近の研究によると、個人データを敵に公開するリスクは依然として残っている。
GAN(PPIDSG)を用いたプライバシー保護型画像配信方式を提案する。
論文 参考訳(メタデータ) (2023-12-16T08:32:29Z) - Learning from Rich Semantics and Coarse Locations for Long-tailed Object
Detection [157.18560601328534]
RichSemは、正確なバウンディングボックスを必要とせずに、粗い場所からリッチなセマンティクスを学ぶための堅牢な方法である。
我々はこれらのソフトセマンティクスを学習し、長い尾を持つ物体検出のための特徴表現を強化するために、セマンティクス分岐を検出器に追加する。
本手法は,複雑なトレーニングやテスト手順を必要とせず,最先端の性能を実現する。
論文 参考訳(メタデータ) (2023-10-18T17:59:41Z) - D3G: Exploring Gaussian Prior for Temporal Sentence Grounding with
Glance Annotation [21.071625900780962]
時間文グラウンドティング(TSG)は、与えられた自然言語クエリーで、未編集のビデオから特定の瞬間を見つけることを目的としている。
本研究では,TSGタスクのアノテーションコストを削減しつつ,TSGタスクの競合性能を維持することを目的としている。
本稿では,Glanceアノテーション(D3G)を用いた動的ガウス事前ベースグラウンドフレームワークを提案する。
論文 参考訳(メタデータ) (2023-08-08T11:49:04Z) - Automated Static Warning Identification via Path-based Semantic
Representation [37.70518599085676]
本稿では、深層ニューラルネットワークの強力な特徴抽出と表現能力を用いて、警告識別のための制御フローグラフパスからコードセマンティクスを生成する。
事前訓練された言語モデルを微調整し、パスシーケンスを符号化し、モデル構築のための意味表現をキャプチャする。
論文 参考訳(メタデータ) (2023-06-27T15:46:45Z) - Studying the Practices of Deploying Machine Learning Projects on Docker [9.979005459305117]
Dockerはコンテナ化サービスであり、Webサイト、データベース、アプリケーションのAPI、機械学習(ML)モデルを数行のコードで簡単にデプロイできる。
私たちは、MLベースのプロジェクトのデプロイにDockerがどのように使用されているのかを理解するために、探索的な調査を実施しました。
論文 参考訳(メタデータ) (2022-06-01T18:13:30Z) - Revisiting Consistency Regularization for Semi-supervised Change
Detection in Remote Sensing Images [60.89777029184023]
教師付きクロスエントロピー(CE)損失に加えて、教師なしCD損失を定式化する半教師付きCDモデルを提案する。
2つの公開CDデータセットを用いて実験を行った結果,提案手法は教師付きCDの性能に近づきやすいことがわかった。
論文 参考訳(メタデータ) (2022-04-18T17:59:01Z) - Learning to Detect Instance-level Salient Objects Using Complementary
Image Labels [55.049347205603304]
本報告では,本問題に対する第1の弱教師付きアプローチを提案する。
本稿では,候補対象の特定にクラス整合性情報を活用するSaliency Detection Branch,オブジェクト境界をデライン化するためにクラス整合性情報を利用するBundary Detection Branch,サブティナイズ情報を用いたCentroid Detection Branchを提案する。
論文 参考訳(メタデータ) (2021-11-19T10:15:22Z) - Unsupervised Object Detection with LiDAR Clues [70.73881791310495]
本稿では,LiDARの手がかりを用いた非教師対象検出のための最初の実用的手法を提案する。
提案手法では,まず3次元点雲に基づく候補オブジェクトセグメントを生成する。
そして、セグメントラベルを割り当て、セグメントラベルネットワークを訓練する反復的なセグメントラベル処理を行う。
ラベル付けプロセスは、長い尾とオープンエンドの分布の問題を軽減するために慎重に設計されている。
論文 参考訳(メタデータ) (2020-11-25T18:59:54Z) - Adversarial Attack on Community Detection by Hiding Individuals [68.76889102470203]
我々はブラックボックス攻撃に焦点をあて、ディープグラフコミュニティ検出モデルの検出からターゲット個人を隠すことを目的としている。
本稿では,制約付きグラフ生成器として動作するモジュールと,サロゲート型コミュニティ検出モデルとして動作するモジュールを交互に更新する反復学習フレームワークを提案する。
論文 参考訳(メタデータ) (2020-01-22T09:50:04Z)
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。