論文の概要: Sharpening Kubernetes Audit Logs with Context Awareness
- arxiv url: http://arxiv.org/abs/2506.16328v1
- Date: Thu, 19 Jun 2025 14:02:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-23 19:00:05.101814
- Title: Sharpening Kubernetes Audit Logs with Context Awareness
- Title（参考訳）: コンテキスト認識によるKubernetes監査ログのシャープ化
- Authors: Matteo Franzil, Valentino Armani, Luis Augusto Dias Knob, Domenico Siracusa,
- Abstract要約: K8sは、クラスタ内のAPIインタラクションを追跡する強力な機能である監査ログを提供する。
クラスタ内のすべてのコンポーネントが対話し、ユーザのアクションに応答するので、大量のデータを継続的に生成します。
K8NTEXTは、コンテキストを再構築することでK8s監査ログを合理化するための新しい手法である。
我々は,50,100以上の相関行動を含む複雑な操作であっても,常に正確なコンテキスト再構築を提供することを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Kubernetes has emerged as the de facto orchestrator of microservices, providing scalability and extensibility to a highly dynamic environment. It builds an intricate and deeply connected system that requires extensive monitoring capabilities to be properly managed. To this account, K8s natively offers audit logs, a powerful feature for tracking API interactions in the cluster. Audit logs provide a detailed and chronological record of all activities in the system. Unfortunately, K8s auditing suffers from several practical limitations: it generates large volumes of data continuously, as all components within the cluster interact and respond to user actions. Moreover, each action can trigger a cascade of secondary events dispersed across the log, with little to no explicit linkage, making it difficult to reconstruct the context behind user-initiated operations. In this paper, we introduce K8NTEXT, a novel approach for streamlining K8s audit logs by reconstructing contexts, i.e., grouping actions performed by actors on the cluster with the subsequent events these actions cause. Correlated API calls are automatically identified, labeled, and consistently grouped using a combination of inference rules and a Machine Learning model, largely simplifying data consumption. We evaluate K8NTEXT's performance, scalability, and expressiveness both in systematic tests and with a series of use cases. We show that it consistently provides accurate context reconstruction, even for complex operations involving 50, 100 or more correlated actions, achieving over 95 percent accuracy across the entire spectrum, from simple to highly composite actions.
- Abstract（参考訳）: Kubernetesはマイクロサービスの事実上のオーケストレータとして登場し、非常にダイナミックな環境にスケーラビリティと拡張性を提供する。
厳密で深く接続されたシステムを構築し、適切に管理するためには広範な監視機能が必要である。
この理由から、K8sはクラスタ内のAPIインタラクションを追跡する強力な機能である監査ログをネイティブに提供している。
監査ログはシステム内のすべてのアクティビティの詳細な時系列記録を提供する。
クラスタ内のすべてのコンポーネントが対話し、ユーザアクションに応答するため、大量のデータを連続的に生成する。
さらに、各アクションはログ全体に分散したセカンダリイベントのカスケードをトリガーし、明示的なリンクをほとんど、あるいは全く持たないため、ユーザ主導の操作の背後にあるコンテキストを再構築することは困難である。
そこで本稿では,K8NTEXTという,K8s監査ログの合理化のための新しい手法について紹介する。
関連するAPI呼び出しは、推論ルールと機械学習モデルを組み合わせて、自動的に識別され、ラベル付けされ、一貫してグループ化される。
我々は,K8NTEXTの性能,スケーラビリティ,表現性を,系統テストと一連のユースケースで評価した。
その結果,50,100以上の相関行動を含む複雑な動作であっても,単純な動作から高度に複合的な動作に至るまで,スペクトル全体で95%以上の精度を達成できることがわかった。
関連論文リスト
- CORG: Generating Answers from Complex, Interrelated Contexts [57.213304718157985]
現実世界のコーパスでは、知識は文書間で頻繁に再帰するが、曖昧な命名、時代遅れの情報、エラーのためにしばしば矛盾を含む。
以前の研究では、言語モデルはこれらの複雑さに苦しむことが示されており、典型的には孤立した単一要因に焦点を当てている。
複数のコンテキストを個別に処理されたグループに整理するフレームワークであるContext Organizer (CORG)を紹介する。
論文 参考訳（メタデータ） (2025-04-25T02:40:48Z) - Looking around you: external information enhances representations for event sequences [2.1879059908547482]
表現学習は、ストア購入、クライアントトランザクション、一般の人々の振る舞いなど、さまざまなドメインでモデルを生成する。
我々は複数のユーザ表現から情報を集約し、複数のイベントシーケンスのシナリオに対して特定のユーザを増強する手法を開発した。
本研究は,単純なプール技術から,トレーニング可能な注意に基づくカーネルアテンションアグリゲーションまで,多様なアグリゲーションアプローチについて考察する。
論文 参考訳（メタデータ） (2025-02-14T14:59:37Z) - Agglomerative Token Clustering [61.0477253613511]
Agglomerative Token Clustering (ATC)は、新しいトークンマージ手法である。
ATCはすべてのタスクで最先端のパフォーマンスを達成でき、既定の最先端をオフ・ザ・シェルフで適用した場合と同等に動作させることができる。
論文 参考訳（メタデータ） (2024-09-18T12:37:58Z) - A Causality-Aware Pattern Mining Scheme for Group Activity Recognition
in a Pervasive Sensor Space [2.5486448837945765]
スマートスペースにおけるHARの効率的なグループアクティビティ認識手法を提案する。
ルールのセットを利用して、所定のデータストリーム内の因果関係のイベントをハイライトする。
パターンツリーアルゴリズムは成長木構造を用いて頻繁な因果パターンを抽出する。
実験結果から,提案方式は認識精度が高く,実行時のオーバーヘッドも少ないことがわかった。
論文 参考訳（メタデータ） (2023-12-01T07:54:07Z) - SQLNet: Scale-Modulated Query and Localization Network for Few-Shot
Class-Agnostic Counting [71.38754976584009]
CAC(class-agnostic counting)タスクは、最近、任意のクラスの全てのオブジェクトを、入力画像にいくつかの例を付与してカウントする問題を解くために提案されている。
我々は、スケール変調クエリーおよびローカライズネットワーク(Net)と呼ばれる、新しいローカライズベースのCACアプローチを提案する。
クエリとローカライゼーションの段階において、模範者のスケールを完全に探求し、各オブジェクトを正確に位置付けし、その近似サイズを予測することで、効果的なカウントを実現している。
論文 参考訳（メタデータ） (2023-11-16T16:50:56Z) - Improving Weakly Supervised Sound Event Detection with Causal
Intervention [46.229038054764956]
既存の弱教師付き音響事象検出作業は、両タイプの同時発生を同時に調査していない。
まず、構造因果モデル(SCM)を構築し、コンテキストが共起共同設立者の主な原因であることを明らかにする。
因果解析に基づいて、WSSEDの因果介入(CI)手法を提案し、共起共同設立者の負の影響を除去する。
論文 参考訳（メタデータ） (2023-03-10T03:13:36Z) - Triplet Contrastive Learning for Unsupervised Vehicle Re-identification [55.445358749042384]
部分的特徴学習は、車両の再識別におけるセマンティック理解にとって重要な技術である。
本稿では,クラスタ機能を活用したTCL(Triplet Contrastive Learning framework)を提案する。
論文 参考訳（メタデータ） (2023-01-23T15:52:12Z) - Continual Object Detection via Prototypical Task Correlation Guided
Gating Mechanism [120.1998866178014]
pRotOtypeal taSk corrElaTion guided gaTingAnism (ROSETTA)による連続物体検出のためのフレキシブルなフレームワークを提案する。
具体的には、統一されたフレームワークはすべてのタスクで共有され、タスク対応ゲートは特定のタスクのサブモデルを自動的に選択するために導入されます。
COCO-VOC、KITTI-Kitchen、VOCのクラスインクリメンタル検出、および4つのタスクの逐次学習の実験により、ROSETTAが最先端のパフォーマンスを得ることが示された。
論文 参考訳（メタデータ） (2022-05-06T07:31:28Z) - Click-through Rate Prediction with Auto-Quantized Contrastive Learning [46.585376453464114]
ユーザ行動が予測の利益を捉えるのに十分リッチかどうかを考察し、モデルを正規化するためのAQCL(Auto-Quantized Contrastive Learning)損失を提案する。
提案されたフレームワークは、異なるモデルアーキテクチャに非依存であり、エンドツーエンドでトレーニングすることができる。
論文 参考訳（メタデータ） (2021-09-27T04:39:43Z) - Selecting Optimal Trace Clustering Pipelines with AutoML [5.210689364246218]
イベントログからトレースクラスタリングに最も適したパイプラインを推奨する自動機械学習フレームワークを提案する。
当社のフレームワークは,トレースクラスタリングの問題に光を当て,シナリオを考慮した最適なパイプライン選択を支援する。
論文 参考訳（メタデータ） (2021-09-01T22:10:56Z) - Inferring Temporal Compositions of Actions Using Probabilistic Automata [61.09176771931052]
本稿では,動作の時間的構成を意味正規表現として表現し,確率的オートマトンを用いた推論フレームワークを提案する。
我々のアプローチは、長い範囲の複雑なアクティビティを、順序のないアトミックアクションのセットとして予測するか、自然言語文を使ってビデオを取得するという既存の研究とは異なる。
論文 参考訳（メタデータ） (2020-04-28T00:15:26Z)
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。