論文の概要: An Effective Docker Image Slimming Approach Based on Source Code Data Dependency Analysis

• arxiv url: http://arxiv.org/abs/2501.03736v1
• Date: Tue, 07 Jan 2025 12:28:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-08 15:50:17.899440
• Title: An Effective Docker Image Slimming Approach Based on Source Code Data Dependency Analysis
• Title（参考訳）: ソースコードデータ依存分析に基づくDockerイメージスライミングの効果的なアプローチ
• Authors: Jiaxuan Han, Cheng Huang, Jiayong Liu, Tianwei Zhang,
• Abstract要約: 本稿ではデルタSCALPELという画像スリム化モデルを提案する。 静的データ依存分析を使用して、プロジェクトコードの環境依存を抽出します。 画像サイズを61.4%まで削減し、通常のプロジェクトの運用を保証できる。
• 参考スコア（独自算出の注目度）: 11.488840420390394
• License:
• Abstract: Containerization is the mainstream of current software development, which enables software to be used across platforms without additional configuration of running environment. However, many images created by developers are redundant and contain unnecessary code, packages, and components. This excess not only leads to bloated images that are cumbersome to transmit and store but also increases the attack surface, making them more vulnerable to security threats. Therefore, image slimming has emerged as a significant area of interest. Nevertheless, existing image slimming technologies face challenges, particularly regarding the incomplete extraction of environment dependencies required by project code. In this paper, we present a novel image slimming model named {\delta}-SCALPEL. This model employs static data dependency analysis to extract the environment dependencies of the project code and utilizes a data structure called the command linked list for modeling the image's file system. We select 20 NPM projects and two official Docker Hub images to construct a dataset for evaluating {\delta}-SCALPEL. The evaluation results show that {\delta}-SCALPEL can reduce image sizes by up to 61.4% while ensuring the normal operation of these projects.
• Abstract（参考訳）: コンテナ化は、現在のソフトウェア開発の主流であり、実行環境のさらなる設定なしに、プラットフォーム間でソフトウェアを使用できる。 しかし、開発者が作成した多くのイメージは冗長であり、不要なコード、パッケージ、コンポーネントを含んでいる。 この過剰な処理は、送信や保存が困難であるだけでなく、攻撃面の増大につながるため、セキュリティ上の脅威に対して脆弱である。 そのため、画像スリム化は重要な関心領域として現れてきた。 それでも、既存の画像スリム化技術は、特にプロジェクトコードに必要な環境依存関係の完全な抽出に関して、課題に直面している。 本稿では,新しい画像スリム化モデルである {\delta}-SCALPELを提案する。 このモデルは静的データ依存分析を用いてプロジェクトコードの環境依存を抽出し、画像のファイルシステムをモデル化するためにコマンドリンクリストと呼ばれるデータ構造を利用する。 我々は20のNPMプロジェクトと2つの公式Docker Hubイメージを選択して、 {\delta}-SCALPELを評価するデータセットを構築します。 評価結果から, 画像サイズを61.4%削減し, 正常な運用を保証できることがわかった。

関連論文リスト

• In-Context LoRA for Diffusion Transformers [49.288489286276146]
  テキスト・ツー・イメージのDiTは、チューニングなしでテキスト内生成を効果的に行うことができることを示す。 我々は、我々のモデル In-Context LoRA (IC-LoRA) を命名する。 我々のパイプラインは、プロンプトにより忠実な高忠実度画像セットを生成する。
  論文  参考訳（メタデータ） (2024-10-31T09:45:00Z)
• ImagiNet: A Multi-Content Dataset for Generalizable Synthetic Image Detection via Contrastive Learning [0.0]
  生成モデルは、実際の写真やアートワークとほとんど区別がつかない、信頼性の高い画像を生成する。 合成画像の識別が困難であるため、オンラインメディアプラットフォームは偽造や誤情報に脆弱である。 合成画像検出のための高分解能かつバランスの取れたデータセットであるImagiNetを紹介する。
  論文  参考訳（メタデータ） (2024-07-29T13:57:24Z)
• Distance Weighted Trans Network for Image Completion [52.318730994423106]
  本稿では,DWT(Distance-based Weighted Transformer)を利用した画像コンポーネント間の関係をよりよく理解するためのアーキテクチャを提案する。 CNNは、粗い事前の局所的なテクスチャ情報を強化するために使用される。 DWTブロックは、特定の粗いテクスチャやコヒーレントな視覚構造を復元するために使用される。
  論文  参考訳（メタデータ） (2023-10-11T12:46:11Z)
• Evaluating Data Attribution for Text-to-Image Models [62.844382063780365]
  我々は,既存の大規模モデルを与えられた模範オブジェクトやスタイルにチューニングする「カストミゼーション」手法による属性評価を行う。 私たちのキーとなる洞察は、これによって、構築によって模範にコンピュータ的に影響される合成画像を効率的に作成できるということです。 問題の本質的な不確実性を考慮することで、一連のトレーニング画像に対してソフトな属性スコアを割り当てることができる。
  論文  参考訳（メタデータ） (2023-06-15T17:59:51Z)
• Object Detection performance variation on compressed satellite image datasets with iquaflow [0.0]
  iquaflowは、画像データセットを変更することで、画質とモデルパフォーマンスの変化を研究するように設計されている。 公開画像データセットを用いたオブジェクト検出モデルの導入に関する展示研究を行っている。
  論文  参考訳（メタデータ） (2023-01-14T11:20:27Z)
• From Coarse to Fine: Hierarchical Pixel Integration for Lightweight Image Super-Resolution [41.0555613285837]
  トランスフォーマーモデルによる画像超解像(SR)の競争性能の向上 SRネットワークのローカルマップ(LAM)の解釈から洞察を得た新しいアテンションブロックを提案する。 細部では、パッチ内自己注意属性(IPSA)モジュールを使用して、局所パッチ内の長距離画素依存性をモデル化する。
  論文  参考訳（メタデータ） (2022-11-30T06:32:34Z)
• Restormer: Efficient Transformer for High-Resolution Image Restoration [118.9617735769827]
  畳み込みニューラルネットワーク(CNN)は、大規模データから一般化可能な画像の事前学習をうまく行う。 トランスフォーマーは、自然言語とハイレベルな視覚タスクにおいて、顕著なパフォーマンス向上を示している。 我々のモデルであるRecovery Transformer (Restormer) は、いくつかの画像復元タスクにおいて最先端の結果を得る。
  論文  参考訳（メタデータ） (2021-11-18T18:59:10Z)
• Variable-Rate Deep Image Compression through Spatially-Adaptive Feature Transform [58.60004238261117]
  空間特徴変換(SFT arXiv:1804.02815)に基づく多目的深部画像圧縮ネットワークを提案する。 本モデルは,任意の画素単位の品質マップによって制御される単一モデルを用いて,幅広い圧縮速度をカバーしている。 提案するフレームワークにより,様々なタスクに対してタスク対応の画像圧縮を行うことができる。
  論文  参考訳（メタデータ） (2021-08-21T17:30:06Z)
• A Pipeline for Vision-Based On-Orbit Proximity Operations Using Deep Learning and Synthetic Imagery [0.0]
  現在、2つの重要な課題が、ビジョンベースの軌道近傍操作にディープラーニングを使用する際の大きな障壁となっている。 ラベル付きトレーニングデータの不足(ターゲット宇宙船のイメージ)は、堅牢なディープラーニングモデルの作成を妨げる。 本稿では、オンビットビジュアルナビゲーションアプリケーション用に特別に開発されたオープンソースのディープラーニングパイプラインについて述べる。
  論文  参考訳（メタデータ） (2021-01-14T15:17:54Z)
• From ImageNet to Image Classification: Contextualizing Progress on Benchmarks [99.19183528305598]
  ImageNet作成プロセスにおける特定の設計選択が、結果のデータセットの忠実性に与える影響について検討する。 私たちの分析では、ノイズの多いデータ収集パイプラインが、結果のベンチマークと、それがプロキシとして機能する実世界のタスクとの間に、体系的なミスアライメントをもたらす可能性があることを指摘しています。
  論文  参考訳（メタデータ） (2020-05-22T17:39:16Z)

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。