論文の概要: Towards a Robust Quality Assurance Framework for Cloud Computing Environments

• arxiv url: http://arxiv.org/abs/2502.13526v1
• Date: Wed, 19 Feb 2025 08:29:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-20 14:00:55.514592
• Title: Towards a Robust Quality Assurance Framework for Cloud Computing Environments
• Title（参考訳）: クラウドコンピューティング環境のためのロバスト品質保証フレームワークを目指して
• Authors: Mohammed Alharbi, RJ Qureshi,
• Abstract要約: 現在のQAフレームワークは定義が不十分で、自動化されていないことが多く、オンデマンドのクラウドベースの環境に必要な柔軟性が欠如している。 本稿では、クラウドコンピューティングシステムにおけるQAの詳細な枠組みと、標準化、自動化、適応可能なシステムの提唱について述べる。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Trends such as cloud computing raise issues regarding stable and uniform quality assurance and validation of software requirements. Current QA frameworks are poorly defined, often not automated, and lack the flexibility needed for on-demand, cloud based environments. These gaps lead to inconsistencies in service delivery, challenges in scaling organizational capacity, and internal and external inefficiencies that affect the reliability and effectiveness of cloud services. This paper presents a detailed framework for QA in cloud computing systems and advocates for standardized, automated, and adaptable systems to address these challenges. It aims to establish generic QA policies, incorporate intelligent techniques to enhance extendibility, and create adaptive solutions to manage the inherent attributes of cloud computing environments. The proposed framework is evaluated through survey questionnaires from industry practitioners, and descriptive statistics summarize the results. The study demonstrates the promise, effectiveness, and potential applicability of integrating a single QA framework to enhance the software functionality, dependability, and future adaptability in cloud computing systems
• Abstract（参考訳）: クラウドコンピューティングのようなトレンドは、安定的で均一な品質保証とソフトウェア要件の検証に関する問題を提起している。 現在のQAフレームワークは定義が不十分で、自動化されていないことが多く、オンデマンドのクラウドベースの環境に必要な柔軟性が欠如している。 これらのギャップは、サービスデリバリの不整合、組織能力のスケールアップにおける課題、クラウドサービスの信頼性と有効性に影響を与える内部的および外部的非効率につながります。 本稿では,クラウドコンピューティングシステムにおけるQAの詳細な枠組みと,これらの課題に対処するための標準化された,自動化された,適応可能なシステムの提唱について述べる。 汎用的なQAポリシを確立し、拡張性を高めるインテリジェントなテクニックを取り入れ、クラウドコンピューティング環境固有の属性を管理するための適応的なソリューションを作成することを目的としている。 提案手法は, 産業従事者のアンケート調査によって評価され, 記述統計が結果を要約している。 この研究は、クラウドコンピューティングシステムにおけるソフトウェア機能、信頼性、将来の適応性を高めるために単一のQAフレームワークを統合することの約束、有効性、および潜在的適用性を示す。

関連論文リスト

• Transforming the Hybrid Cloud for Emerging AI Workloads [81.15269563290326]
  このホワイトペーパーでは、AIワークロードの複雑さの増大に対応するために、ハイブリッドクラウドシステムを変革することを想定している。 提案したフレームワークは、エネルギー効率、性能、コスト効率において重要な課題に対処する。 この共同イニシアチブは、ハイブリッドクラウドをセキュアで効率的で持続可能なプラットフォームとして確立することを目的としています。
  論文  参考訳（メタデータ） (2024-11-20T11:57:43Z)
• Building Castles in the Cloud: Architecting Resilient and Scalable Infrastructure [0.0]
  本論文では,クラウド環境内におけるコンテキスト設計に必要な重要な対策について考察する。 レプリケーションサーバ、フォールトトレランス、ディザスタバックアップ、高可用性のためのロードバランシングの必要性について検討している。
  論文  参考訳（メタデータ） (2024-10-29T04:56:34Z)
• 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)
• FedCAda: Adaptive Client-Side Optimization for Accelerated and Stable Federated Learning [57.38427653043984]
  フェデレートラーニング(FL)は、分散クライアント間の機械学習モデルの協調トレーニングにおいて、顕著なアプローチとして登場した。 我々は,この課題に対処するために設計された,革新的なクライアント適応アルゴリズムであるFedCAdaを紹介する。 我々はFedCAdaが適応性、収束性、安定性、全体的な性能の点で最先端の手法より優れていることを実証する。
  論文  参考訳（メタデータ） (2024-05-20T06:12:33Z)
• The intelligent prediction and assessment of financial information risk in the cloud computing model [8.381780312169049]
  本報告では,クラウドコンピューティングと金融情報処理の共通点について考察する。 セキュリティとプライバシの懸念に対処しながら、データ処理の効率性と正確性を向上させるインテリジェントなソリューションの必要性について論じる。 金融業界におけるクラウドコンピューティングに関連する集中リスクを軽減するための政策勧告を提案する。
  論文  参考訳（メタデータ） (2024-04-14T18:42:20Z)
• Feature Selection using the concept of Peafowl Mating in IDS [2.184775414778289]
  クラウドコンピューティングはインフラストラクチャベース、プラットフォームベース、ソフトウェアベースのサービスを提供します。 この技術の人気は、パフォーマンス、高いレベルのコンピューティング能力、低コストのサービス、スケーラビリティ、可用性、柔軟性にある。 クラウド環境におけるデータの入手性とオープン性は、サイバー攻撃の世界に対して脆弱である。 侵入検知システムを用いて攻撃を検知し、情報セキュリティを確保する。
  論文  参考訳（メタデータ） (2024-02-03T06:04:49Z)
• Reconfigurable Intelligent Surface (RIS)-Assisted Entanglement Distribution in FSO Quantum Networks [62.87033427172205]
  自由空間光(FSO)量子チャネルに依存する量子ネットワーク(QN)は、光ファイバー基盤の確立が困難でコストがかかる環境における量子アプリケーションをサポートすることができる。 エンタングルメント分布のための仮想視線を提供する費用効率の高いフレームワークとして,再構成可能なインテリジェントサーフェス(RIS)を用いたFSOベースのQNを提案する。
  論文  参考訳（メタデータ） (2024-01-19T17:16:40Z)
• The Security and Privacy of Mobile Edge Computing: An Artificial Intelligence Perspective [64.36680481458868]
  Mobile Edge Computing (MEC)は、クラウドコンピューティングと情報技術(IT)サービスをネットワークのエッジで配信できるようにする新しいコンピューティングパラダイムである。 本稿では,人工知能(AI)の観点からMECのセキュリティとプライバシに関する調査を行う。 新たなセキュリティとプライバシの問題に加えて、AIの観点からの潜在的なソリューションにも重点を置いています。
  論文  参考訳（メタデータ） (2024-01-03T07:47:22Z)
• Scalable, Distributed AI Frameworks: Leveraging Cloud Computing for Enhanced Deep Learning Performance and Efficiency [0.0]
  近年、人工知能(AI)とクラウドコンピューティングの統合は、AIアプリケーションの計算要求の増加に対処するための有望な道として現れている。 本稿では,クラウドコンピューティングを活用したスケーラブルな分散AIフレームワークの総合的研究を行い,ディープラーニングの性能向上と効率化について述べる。
  論文  参考訳（メタデータ） (2023-04-26T15:38:00Z)
• 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)
• Analyzing the Performance of Smart Industry 4.0 Applications on Cloud Computing Systems [1.292804228022353]
  クラウドベースのDeep Neural Network (DNN)アプリケーションは、Industrial 4.0に欠かせない部分になっている。 捕獲されていない場合、品質・オブ・サービス(QoS)の低さや、石油やガス産業といった重要な分野の災害につながる可能性がある。 本研究は,2つの視点から推定時間の記述的分析を行う。
  論文  参考訳（メタデータ） (2020-12-11T00:18:05Z)

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。