論文の概要: Predicting Software Reliability in Softwarized Networks

• arxiv url: http://arxiv.org/abs/2407.21224v1
• Date: Tue, 30 Jul 2024 22:26:46 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-01 19:14:52.981614
• Title: Predicting Software Reliability in Softwarized Networks
• Title（参考訳）: ソフトワーズドネットワークにおけるソフトウェア信頼性の予測
• Authors: Hasan Yagiz Ozkan, Madeleine Kaufmann, Wolfgang Kellerer, Carmen Mas-Machuca,
• Abstract要約: 以前のリリースのコードと特定のプロジェクトのバグ履歴に関する知識は、SRGMに基づいた新しいソフトウェアリリースのソフトウェア信頼性を評価するために利用できる。 このフレームワークの2つの特定のオープンソースプロジェクトに対する例証的な実装について詳述する。
• 参考スコア（独自算出の注目度）: 10.64460581091531
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Providing high quality software and evaluating the software reliability in softwarized networks are crucial for vendors and customers. These networks rely on open source code, which are sensitive to contain high number of bugs. Both, the knowledge about the code of previous releases as well as the bug history of the particular project can be used to evaluate the software reliability of a new software release based on SRGM. In this work a framework to predict the number of the bugs of a new release, as well as other reliability parameters, is proposed. An exemplary implementation of this framework to two particular open source projects, is described in detail. The difference between the prediction accuracy of the two projects is presented. Different alternatives to increase the prediction accuracy are proposed and compared in this paper.
• Abstract（参考訳）: 高品質なソフトウェアを提供し、ソフトワーズドネットワークにおけるソフトウェア信頼性を評価することは、ベンダーや顧客にとって非常に重要です。 これらのネットワークは、多数のバグを含むことに敏感なオープンソースコードに依存している。 以前のリリースのコードおよび特定のプロジェクトのバグ履歴に関する知識は、SRGMに基づいた新しいソフトウェアリリースのソフトウェア信頼性を評価するために使用できる。 この作業では、新しいリリースのバグの数と他の信頼性パラメータを予測するフレームワークが提案されている。 このフレームワークを2つの特定のオープンソースプロジェクトに実装した例が、詳しく説明されている。 2つのプロジェクトの予測精度の違いを示す。 本稿では,予測精度を向上させるための代替案を提案し,比較した。

関連論文リスト

• The Impact of SBOM Generators on Vulnerability Assessment in Python: A Comparison and a Novel Approach [56.4040698609393]
  Software Bill of Materials (SBOM) は、ソフトウェア構成における透明性と妥当性を高めるツールとして推奨されている。 現在のSBOM生成ツールは、コンポーネントや依存関係を識別する際の不正確さに悩まされることが多い。 提案するPIP-sbomは,その欠点に対処する新しいピップインスパイアされたソリューションである。
  論文  参考訳（メタデータ） (2024-09-10T10:12:37Z)
• Agent-Driven Automatic Software Improvement [55.2480439325792]
  本提案は,Large Language Models (LLMs) を利用したエージェントの展開に着目して,革新的なソリューションの探求を目的とする。 継続的学習と適応を可能にするエージェントの反復的性質は、コード生成における一般的な課題を克服するのに役立ちます。 我々は,これらのシステムにおける反復的なフィードバックを用いて,エージェントの基盤となるLLMをさらに微調整し,自動化されたソフトウェア改善のタスクに整合性を持たせることを目指している。
  論文  参考訳（メタデータ） (2024-06-24T15:45:22Z)
• Predicting Likely-Vulnerable Code Changes: Machine Learning-based Vulnerability Protections for Android Open Source Project [0.0]
  本稿では,ソースコードの変更に対するセキュリティレビューを選択的にトリガするフレームワークを提案する。 このフレームワークは、コード変更がソースコードリポジトリに送信される前に、コミット前に追加のセキュリティレビューを自動的に要求することができる。
  論文  参考訳（メタデータ） (2024-05-26T18:17:46Z)
• Size biased Multinomial Modelling of detection data in Software testing [1.7532822703595772]
  バグサイズや最終的なバグサイズを利用して、ソフトウェアの信頼性をより正確に判断する上で役立ちます。 このモデルはシミュレーションによって検証され、その後、重要な宇宙アプリケーションテストデータに使用される。
  論文  参考訳（メタデータ） (2024-05-24T17:57:34Z)
• Revisiting Confidence Estimation: Towards Reliable Failure Prediction [53.79160907725975]
  多くの信頼度推定法は誤分類誤りを検出するのに有害である。 本稿では, 最先端の故障予測性能を示す平坦な最小値を求めることにより, 信頼性ギャップを拡大することを提案する。
  論文  参考訳（メタデータ） (2024-03-05T11:44:14Z)
• Modelling Open-Source Software Reliability Incorporating Swarm Intelligence-Based Techniques [0.0]
  ソフトウェア業界では、2つのソフトウェアエンジニアリングのベストプラクティスが共存している。 クローズドソースソフトウェア信頼性予測のためのメタヒューリスティック最適化アルゴリズムの適用により、重要かつ正確な結果が得られた。 品質指標として、オープンソースのソフトウェア信頼性に関する結果は、オープンソースのソフトウェア信頼性成長モデリングの問題を解決するのに大いに役立ちます。
  論文  参考訳（メタデータ） (2024-01-05T06:46:03Z)
• VULNERLIZER: Cross-analysis Between Vulnerabilities and Software Libraries [4.2755847332268235]
  VULNERLIZERは脆弱性とソフトウェアライブラリ間のクロス分析のための新しいフレームワークである。 CVEとソフトウェアライブラリのデータとクラスタリングアルゴリズムを使用して、脆弱性とライブラリ間のリンクを生成する。 トレーニングされたモデルは、75%以上の予測精度に達する。
  論文  参考訳（メタデータ） (2023-09-18T10:34:47Z)
• Exploring the Trade-off between Plausibility, Change Intensity and Adversarial Power in Counterfactual Explanations using Multi-objective Optimization [73.89239820192894]
  自動対物生成は、生成した対物インスタンスのいくつかの側面を考慮すべきである。 本稿では, 対実例生成のための新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2022-05-20T15:02:53Z)
• Underproduction: An Approach for Measuring Risk in Open Source Software [9.701036831490766]
  「アンダープロダクション」は、ソフトウェアエンジニアリングの労働力の供給が、生産されたソフトウェアに依存している人々の要求と一致しないときに起こる。 本稿では、ソフトウェアにおける相対的アンダープロダクションを特定するための概念的フレームワークと、我々のフレームワークを包括的データセットに適用するための統計的手法を提案する。
  論文  参考訳（メタデータ） (2021-02-27T23:18:21Z)
• Robust and Transferable Anomaly Detection in Log Data using Pre-Trained Language Models [59.04636530383049]
  クラウドのような大規模コンピュータシステムにおける異常や障害は、多くのユーザに影響を与える。 システム情報の主要なトラブルシューティングソースとして,ログデータの異常検出のためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-02-23T09:17:05Z)
• Learning Accurate Dense Correspondences and When to Trust Them [161.76275845530964]
  2つの画像に関連する密度の高い流れ場と、堅牢な画素方向の信頼度マップの推定を目指しています。 フロー予測とその不確実性を共同で学習するフレキシブルな確率的アプローチを開発する。 本手法は,幾何学的マッチングと光フローデータセットに挑戦する最新の結果を得る。
  論文  参考訳（メタデータ） (2021-01-05T18:54:11Z)

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。