論文の概要: owl2proto: Enabling Semantic Processing in Modern Cloud Micro-Services
- arxiv url: http://arxiv.org/abs/2411.06562v1
- Date: Sun, 10 Nov 2024 19:01:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-12 14:11:27.004851
- Title: owl2proto: Enabling Semantic Processing in Modern Cloud Micro-Services
- Title（参考訳）: owl2proto: 現代的なクラウドマイクロサービスにおけるセマンティック処理の実現
- Authors: Christian Banse, Angelika Schneider, Immanuel Kunz,
- Abstract要約: セマンティックテクノロジーは、セマンティックテクノロジーをクラウドに導入する際の大きな障害であると主張する。
OWLをprotobufデータ形式に自動変換する。
- 参考スコア（独自算出の注目度）: 2.4578723416255754
- License:
- Abstract: The usefulness of semantic technologies in the context of security has been demonstrated many times, e.g., for processing certification evidence, log files, and creating security policies. Integrating semantic technologies, like ontologies, in an automated workflow, however, is cumbersome since they introduce disruptions between the different technologies and data formats that are used. This is especially true for modern cloud-native applications, which rely heavily on technologies such as protobuf. In this paper we argue that these technology disruptions represent a major hindrance to the adoption of semantic technologies into the cloud and more effort and research is required to overcome them. We created one such approach called $\textit{owl2proto}$, which provides an automatic translation of OWL ontologies into the protobuf data format. We showcase the seamless integration of an ontology and transmission of semantic data in an already existing cloud micro-service.
- Abstract（参考訳）: セキュリティの文脈におけるセマンティック技術の有用性は、認証証拠の処理、ログファイルの作成、セキュリティポリシーの作成など、何度も実証されてきた。
しかし、オントロジーのようなセマンティックテクノロジを自動化ワークフローに統合するのは、さまざまなテクノロジと使用するデータフォーマットの中断を導入するため、厄介である。
これは、Protobufのような技術に大きく依存している、モダンなクラウドネイティブアプリケーションに特に当てはまる。
本稿では、これらの技術破壊が、クラウドへのセマンティック技術導入の大きな障害であり、それらを克服するためには、より多くの努力と研究が必要であると論じる。
私たちは、OWLオントロジーをprotobufデータ形式に自動変換する、$\textit{owl2proto}$というアプローチを作成しました。
既存のクラウドマイクロサービスにおけるオントロジーのシームレスな統合とセマンティックデータの伝達について紹介する。
関連論文リスト
- How to integrate cloud service, data analytic and machine learning technique to reduce cyber risks associated with the modern cloud based infrastructure [0.0]
クラウド技術、機械学習、データ可視化技術を組み合わせることで、ハイブリッドエンタープライズネットワークは大量のデータを保持できる。
従来のセキュリティ技術は、クラウドプラットフォームの急速なデータ爆発に対処できない。
機械学習を利用したセキュリティソリューションとデータ可視化技術は、セキュリティ脅威の検出、データ漏洩、ソフトウェア脆弱性の自動検出において、重要な役割を担っている。
論文 参考訳（メタデータ） (2024-05-19T16:10:03Z) - Text2Data: Low-Resource Data Generation with Textual Control [104.38011760992637]
自然言語は、人間が機械とシームレスに対話するための共通かつ直接的な制御信号として機能する。
ラベルのないデータを用いて教師なし拡散モデルを用いて基礎となるデータ分布を理解する新しいアプローチであるText2Dataを提案する。
制御性を確保し、破滅的な忘れを効果的に防止する、新しい制約最適化ベースの学習目標を通じて制御可能な微調整を行う。
論文 参考訳（メタデータ） (2024-02-08T03:41:39Z) - HasTEE+ : Confidential Cloud Computing and Analytics with Haskell [50.994023665559496]
信頼性コンピューティングは、Trusted Execution Environments(TEEs)と呼ばれる特別なハードウェア隔離ユニットを使用して、コテナントクラウドデプロイメントにおける機密コードとデータの保護を可能にする。
低レベルのC/C++ベースのツールチェーンを提供するTEEは、固有のメモリ安全性の脆弱性の影響を受けやすく、明示的で暗黙的な情報フローのリークを監視するための言語構造が欠如している。
私たちは、Haskellに埋め込まれたドメイン固有言語(cla)であるHasTEE+を使って、上記の問題に対処します。
論文 参考訳（メタデータ） (2024-01-17T00:56:23Z) - Integrating Homomorphic Encryption and Trusted Execution Technology for
Autonomous and Confidential Model Refining in Cloud [4.21388107490327]
同型暗号化と信頼性の高い実行環境技術は、自律的な計算の機密性を保護することができる。
モデル精錬方式の設計にこれらの2つの手法を統合することを提案する。
論文 参考訳（メタデータ） (2023-08-02T06:31:41Z) - A Survey on Machine Learning for Geo-Distributed Cloud Data Center
Management [4.226118870861363]
クラウドサービスプロバイダは、運用コストを削減し、サービス品質を向上させるために、データセンタを世界中に配布しています。
このような大規模かつ複雑なソフトウェアワークロードとハードウェアリソースのオーケストレーションは、効率的な解決が難しい問題です。
本稿では,クラウドデータセンタ管理問題に対する最先端の機械学習技術について概説する。
論文 参考訳（メタデータ） (2022-05-17T03:14:54Z) - SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。
しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
論文 参考訳（メタデータ） (2021-12-22T14:45:37Z) - Edge-Cloud Polarization and Collaboration: A Comprehensive Survey [61.05059817550049]
クラウドとエッジ両方のAIの体系的なレビューを行います。
私たちはクラウドとエッジモデリングの協調学習メカニズムを最初にセットアップしました。
我々は現在進行中の最先端AIトピックの可能性と実践経験について議論する。
論文 参考訳（メタデータ） (2021-11-11T05:58:23Z) - Auto-Split: A General Framework of Collaborative Edge-Cloud AI [49.750972428032355]
本稿では,Huawei Cloudのエッジクラウド共同プロトタイプであるAuto-Splitの技法と技術実践について述べる。
私たちの知る限りでは、Deep Neural Network(DNN)分割機能を提供する既存の産業製品はありません。
論文 参考訳（メタデータ） (2021-08-30T08:03:29Z) - A Cloud Computing Capability Model for Large-Scale Semantic Annotation [0.0]
本稿では,Webコンテンツセマンティックアノテーションの課題にクラウドコンピューティングを活用することに焦点を当てる。
一連の要件が定義され、それらを促進するためにクラウドコンピューティングのメカニズムがマッピングされる。
本稿では,クラウドプラットフォームを通じてWeb上で大規模セマンティックアノテーションを実現するためのアプローチを提案する。
論文 参考訳（メタデータ） (2020-06-24T17:23:06Z) - A Privacy-Preserving Distributed Architecture for
Deep-Learning-as-a-Service [68.84245063902908]
本稿では,ディープラーニング・アズ・ア・サービスのための分散アーキテクチャを提案する。
クラウドベースのマシンとディープラーニングサービスを提供しながら、ユーザの機密データを保存できる。
論文 参考訳（メタデータ） (2020-03-30T15:12:03Z)
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。