論文の概要: The TeamPlay Project: Analysing and Optimising Time, Energy, and
Security for Cyber-Physical Systems
- arxiv url: http://arxiv.org/abs/2306.06115v1
- Date: Thu, 1 Jun 2023 09:25:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-24 03:54:38.887834
- Title: The TeamPlay Project: Analysing and Optimising Time, Energy, and
Security for Cyber-Physical Systems
- Title（参考訳）: TeamPlayプロジェクト:サイバー物理システムのための時間、エネルギー、セキュリティの分析と最適化
- Authors: Benjamin Rouxel (UNIMORE), Christopher Brown, Emad Ebeid (SDU),
Kerstin Eder, Heiko Falk (TUHH), Clemens Grelck (UvA), Jesper Holst, Shashank
Jadhav (TUHH), Yoann Marquer, Marcos Martinez De Alejandro (TAS-E), Kris
Nikov, Ali Sahafi (SDU), Ulrik Pagh Schultz Lundquist (SDU), Adam Seewald,
Vangelis Vassalos, Simon Wegener (Angewandte Informatik), Olivier Zendra
(DiverSe, DiverSe)
- Abstract要約: エネルギー、時間、セキュリティ(ETS)といった非機能特性は、サイバー物理システム(CPS)プログラミングにおいてますます重要になっている。
この記事では、2018年1月から2021年6月までのEU Horizon 2020プログラムで資金提供された研究プロジェクトであるTeamPlayについて説明する。
- 参考スコア（独自算出の注目度）: 0.4155804480954426
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Non-functional properties, such as energy, time, and security (ETS) are
becoming increasingly important in Cyber-Physical Systems (CPS) programming.
This article describes TeamPlay, a research project funded under the EU Horizon
2020 programme between January 2018 and June 2021. TeamPlay aimed to provide
the system designer with a toolchain for developing embedded applications where
ETS properties are first-class citizens, allowing the developer to reflect
directly on energy, time and security properties at the source code level. In
this paper we give an overview of the TeamPlay methodology, introduce the
challenges and solutions of our approach and summarise the results achieved.
Overall, applying our TeamPlay methodology led to an improvement of up to 18%
performance and 52% energy usage over traditional approaches.
- Abstract（参考訳）: エネルギー、時間、セキュリティ(ETS)といった非機能特性は、サイバー物理システム(CPS)プログラミングにおいてますます重要になっている。
この記事では、2018年1月から2021年6月までのEU Horizon 2020プログラムで資金提供された研究プロジェクトであるTeamPlayについて説明する。
TeamPlayは、ETSプロパティが第一級市民である組み込みアプリケーションを開発するためのツールチェーンをシステムデザイナに提供することを目的としており、開発者はソースコードレベルでエネルギー、時間、セキュリティプロパティを直接反映できる。
本稿では、TeamPlayの方法論の概要を説明し、我々のアプローチの課題と解決策を紹介し、その結果を要約する。
全体として、TeamPlayの方法論を適用することで、従来のアプローチよりも最大18%のパフォーマンスと52%のエネルギー使用率が向上しました。
関連論文リスト
- Can Large-Language Models Help us Better Understand and Teach the Development of Energy-Efficient Software? [2.8812501020074968]
エネルギー効率のよいソフトウェア工学の技術は、しばしば学部のカリキュラムから欠落している。
本稿では,エネルギー効率のよいソフトウェアのための学習用モジュールの開発について提案する。
論文 参考訳（メタデータ） (2024-10-30T01:09:32Z) - Fair Resource Allocation in Virtualized O-RAN Platforms [15.613171815892809]
O-RANシステムとその汎用コンピューティングプラットフォーム(O-Cloud)への展開は、前例のない性能向上をもたらすことが期待されているパラダイムシフトである。
本稿では,Oクラウドのエネルギーコストとサーバのハードウェア,キャパシティ,データトラフィック特性への依存性を評価する一連の実験について述べる。
省エネ方式で基地局のデータ負荷をO-Cloudサーバに割り当てる計算ポリシと,省エネ性を回避するため,ユーザ毎の送信ブロックサイズをほぼリアルタイムで決定する無線ポリシを提案する。
論文 参考訳（メタデータ） (2024-02-17T13:57:20Z) - A Case for Sustainability and Environment Friendliness in Software
Development and Architecture Decisions by Taking Energy-Efficient Design
Decisions [0.22252684361733285]
ソフトウェア開発と選択時間におけるエネルギーを意識した選択を通じて、重要な省エネの可能性を示す。
データセンターのエネルギー消費は全世界のエネルギー消費の1%から1.5%を占めると見積もられている。
論文 参考訳（メタデータ） (2023-11-03T03:05:19Z) - Benchmarking Robustness and Generalization in Multi-Agent Systems: A
Case Study on Neural MMO [50.58083807719749]
IJCAI 2022で開催されている第2回Neural MMOチャレンジの結果を報告する。
この競合はマルチエージェントシステムの堅牢性と一般化をターゲットにしている。
環境ラッパー、ベースライン、可視化ツール、そしてさらなる研究のための選択されたポリシーを含むベンチマークをオープンソースにします。
論文 参考訳（メタデータ） (2023-08-30T07:16:11Z) - Online Job Failure Prediction in an HPC System [2.2284709230738544]
この研究は、イタリアのHPCセンターCINECAでホストされている生産機械から抽出されたデータセットに基づいている。
実行中に失敗するジョブは、他のジョブを遅らせる可能性のあるリソースを不必要に占有し、システムのパフォーマンスとエネルギー消費に悪影響を及ぼした。
我々の斬新さは、(i)これらのアルゴリズムと自然言語処理(NLP)ツールを組み合わせることで、ジョブを表現し、(ii)実際のシステムでオンライン方式で作業するためのアプローチの設計にあります。
論文 参考訳（メタデータ） (2023-06-30T07:40:59Z) - ANALYSE -- Learning to Attack Cyber-Physical Energy Systems With
Intelligent Agents [0.0]
ANALYSEは、学習エージェントがサイバー物理エネルギーシステムにおける攻撃を自律的に見つけることができる機械学習ベースのソフトウェアスイートである。
未知の攻撃タイプを見つけ、科学文献から多くの既知のサイバー物理エネルギーシステムの攻撃戦略を再現するように設計されている。
論文 参考訳（メタデータ） (2023-04-21T11:36:18Z) - RangL: A Reinforcement Learning Competition Platform [82.1944886411643]
RangLは、現実世界の動的決定問題に関連する競争を支援することで、強化学習のより広範な普及を促進することを目的としている。
この記事では、RangLチームが開発し、2022 Pathways to Net Zero Challengeにデプロイした再利用可能なコードリポジトリについて説明する。
このチャレンジの勝利の解決策は、2050年までに英国のエネルギー移行政策をゼロ炭素排出量に最適化することである。
論文 参考訳（メタデータ） (2022-07-28T09:44:21Z) - Lifelong Learning Metrics [63.8376359764052]
DARPA Lifelong Learning Machines (L2M) プログラムは、人工知能(AI)システムの進歩を目指している。
本論文は、生涯学習シナリオを実行するエージェントのパフォーマンスの構築と特徴付けのためのフォーマリズムを概説する。
論文 参考訳（メタデータ） (2022-01-20T16:29:14Z) - Realistic simulation of users for IT systems in cyber ranges [63.20765930558542]
ユーザアクティビティを生成するために,外部エージェントを用いて各マシンを計測する。
このエージェントは、決定論的および深層学習に基づく手法を組み合わせて、異なる環境に適応する。
また,会話や文書の作成を容易にする条件付きテキスト生成モデルを提案する。
論文 参考訳（メタデータ） (2021-11-23T10:53:29Z) - Improving Robustness of Reinforcement Learning for Power System Control
with Adversarial Training [71.7750435554693]
電力系統制御のために提案された最先端のRLエージェントが敵攻撃に対して脆弱であることを示す。
具体的には、敵のマルコフ決定プロセスを用いて攻撃方針を学習し、攻撃の有効性を実証する。
本稿では,RLエージェントの攻撃に対する堅牢性を高め,実行不可能な運用上の決定を回避するために,敵の訓練を利用することを提案する。
論文 参考訳（メタデータ） (2021-10-18T00:50:34Z) - Learning, Computing, and Trustworthiness in Intelligent IoT
Environments: Performance-Energy Tradeoffs [62.91362897985057]
Intelligent IoT Environment(iIoTe)は、半自律IoTアプリケーションを協調実行可能な異種デバイスで構成されている。
本稿では,これらの技術の現状を概観し,その機能と性能,特にリソース,レイテンシ,プライバシ,エネルギー消費のトレードオフに注目した。
論文 参考訳（メタデータ） (2021-10-04T19:41:42Z)
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。