論文の概要: XTrace: A Non-Invasive Dynamic Tracing Framework for Android Applications in Production

• arxiv url: http://arxiv.org/abs/2512.21555v1
• Date: Thu, 25 Dec 2025 08:06:21 GMT
• ステータス: 情報取得中
• システム内更新日: 2025-12-29 12:01:00.381073
• Title: XTrace: A Non-Invasive Dynamic Tracing Framework for Android Applications in Production
• Title（参考訳）: XTrace: 運用中のAndroidアプリケーションのための非侵襲動的トレースフレームワーク
• Authors: Qi Hu, Jiangchao Liu, Xin Yu, Lin Zhang, Edward Jiang,
• Abstract要約: XTraceは、新しい動的トレースフレームワークである。 Android ART仮想マシンの高度に安定して内蔵されたインスツルメンテーション機構を利用して,高性能なメソッドインターセプションを実現する。 XTraceは11以上の深刻なオンラインクラッシュと複数のパフォーマンスボトルネックを診断し、根本原因のローカライゼーション効率を90%以上改善した。
• 参考スコア（独自算出の注目度）: 17.171409459225746
• License:
• Abstract: As the complexity of mobile applications grows exponentially and the fragmentation of user device environments intensifies, ensuring online application stability faces unprecedented challenges. Traditional methods, such as static logging and post-crash analysis, lack real-time contextual information, rendering them ineffective against "ghost bugs" that only manifest in specific scenarios. This highlights an urgent need for dynamic runtime observability: intercepting and tracing arbitrary methods in production without requiring an app release. We propose XTrace, a novel dynamic tracing framework. XTrace introduces a new paradigm of non-invasive proxying, which avoids direct modification of the virtual machine's underlying data structures. It achieves high-performance method interception by leveraging and optimizing the highly stable, built-in instrumentation mechanism of the Android ART virtual machine. Evaluated in a ByteDance application with hundreds of millions of daily active users, XTrace demonstrated production-grade stability and performance. Large-scale online A/B experiments confirmed its stability, showing no statistically significant impact (p > 0.05) on Crash User Rate or ANR rate, while maintaining minimal overhead (<7 ms startup latency, <0.01 ms per-method call) and broad compatibility (Android 5.0-15+). Critically, XTrace diagnosed over 11 severe online crashes and multiple performance bottlenecks, improving root-cause localization efficiency by over 90%. This confirms XTrace provides a production-grade solution that reconciles the long-standing conflict between stability and comprehensive coverage in Android dynamic tracing.
• Abstract（参考訳）: モバイルアプリケーションの複雑さが指数関数的に増加し、ユーザデバイス環境の断片化が増加し、オンラインアプリケーションの安定性が前例のない課題に直面している。 静的ロギングやポストクラッシュ分析といった従来の手法では、リアルタイムのコンテキスト情報がなく、特定のシナリオでのみ現れる"幽霊バグ"に対して効果がない。 アプリケーションリリースを必要とせずに、運用中の任意のメソッドをインターセプトし、トレースする。 我々は,新しい動的トレースフレームワークであるXTraceを提案する。 XTraceは、仮想マシンの基盤となるデータ構造を直接修正するのを避ける、非侵襲的なプロキシの新しいパラダイムを導入している。 Android ART仮想マシンの高度に安定して内蔵されたインスツルメンテーション機構を利用して,高性能なメソッドインターセプションを実現する。 XTraceは、毎日数億人のアクティブユーザを持つByteDanceアプリケーションで評価され、プロダクショングレードの安定性とパフォーマンスを示した。 大規模なオンラインA/B実験は安定性を確認し、クラッシュユーザ率やANRレートに統計的に有意な影響(p > 0.05)は示さなかったが、オーバーヘッドは最小限に抑えられた(起動レイテンシは7ms、メソッド毎の<0.01ms)。 批判的に、XTraceは11以上の深刻なオンラインクラッシュと複数のパフォーマンスボトルネックを診断し、根本原因のローカライゼーション効率を90%以上改善した。 これにより、XTraceは、Androidの動的トレースにおける安定性と包括的カバレッジの間の長年の対立を緩和する、プロダクショングレードのソリューションを提供する。

関連論文リスト

• OS-Oracle: A Comprehensive Framework for Cross-Platform GUI Critic Models [54.44308299945632]
  クロスプラットフォームGUI批判データのためのスケーラブルなデータパイプライン、教師付き微調整と一貫性保護グループによる相対的なポリシー最適化を組み合わせた2段階のトレーニングパラダイム、モバイル、Web、デスクトッププラットフォームにおける批判モデルのパフォーマンスを評価するための総合ベンチマークであるOS-Critic Benchの3つのコアコントリビューションを紹介します。 結果として得られた批判モデルであるOS-Oracle-7Bは、OS-Critic Bench上のオープンソースのVLMの最先端のパフォーマンスを達成し、モバイルドメインのプロプライエタリモデルを上回っている。
  論文  参考訳（メタデータ） (2025-12-18T08:29:50Z)
• A Multi-Drone Multi-View Dataset and Deep Learning Framework for Pedestrian Detection and Tracking [4.94365026098608]
  本稿では,連続的な位置変化を伴う8台のドローンの同期映像を特徴とするMATRIXについて紹介する。 我々のフレームワークは、リアルタイムカメラキャリブレーションによる動的ドローンによる監視の難しさに対処する。 提案手法は,検出精度と追跡精度を$sim$90%,トラジェクトリの$sim$80%で頑健な性能を維持する。
  論文  参考訳（メタデータ） (2025-11-06T11:22:19Z)
• LibIHT: A Hardware-Based Approach to Efficient and Evasion-Resistant Dynamic Binary Analysis [4.42052953892569]
  LibIHTは、パフォーマンスへの影響を最小限に抑えてプログラム制御フローをキャプチャする、ハードウェア支援のトレースフレームワークである。 我々は,OSカーネルモジュールとユーザ空間ライブラリとしてLibIHTを実装し,良質なベンチマークプログラムと対向型アンチインストラメンテーションサンプルの両方で評価する。
  論文  参考訳（メタデータ） (2025-10-17T22:42:33Z)
• What You Have is What You Track: Adaptive and Robust Multimodal Tracking [72.92244578461869]
  本研究では,時間的に不完全なマルチモーダルデータを用いたトラッカー性能に関する総合的研究を行った。 我々のモデルは9つのベンチマークでSOTA性能を達成し、従来の完全性と欠落したモダリティ設定の両方で優れている。
  論文  参考訳（メタデータ） (2025-07-08T11:40:21Z)
• CrackESS: A Self-Prompting Crack Segmentation System for Edge Devices [5.051837985130048]
  本稿では,コンクリートひび割れの検出・分断を行う新しいシステムであるCrackESSを紹介する。 我々は,3つのデータセット(Khanhhaのデータセット,Crack500,CrackCR)で実験を行い,登山ロボットシステムにおけるCrackESSの有効性と有効性を示す。
  論文  参考訳（メタデータ） (2024-12-10T05:50:50Z)
• Task-Oriented Real-time Visual Inference for IoVT Systems: A Co-design Framework of Neural Networks and Edge Deployment [61.20689382879937]
  タスク指向エッジコンピューティングは、データ分析をエッジにシフトすることで、この問題に対処する。 既存の手法は、高いモデル性能と低いリソース消費のバランスをとるのに苦労している。 ニューラルネットワークアーキテクチャを最適化する新しい協調設計フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-29T19:02:54Z)
• Exploring Dynamic Transformer for Efficient Object Tracking [58.120191254379854]
  効率的なトラッキングのための動的トランスフォーマーフレームワークであるDyTrackを提案する。 DyTrackは、様々な入力に対して適切な推論ルートを設定することを学習し、利用可能な計算予算をより活用する。 複数のベンチマークの実験では、DyTrackは単一のモデルで有望な速度精度のトレードオフを実現している。
  論文  参考訳（メタデータ） (2024-03-26T12:31:58Z)
• HardTaint: Production-Run Dynamic Taint Analysis via Selective Hardware Tracing [27.45127151561509]
  HardTaintは、プロダクション実行動的テナントトラッキングを実現するシステムである。 実行時のオーバーヘッドは9%程度で、これは最先端よりも桁違いに低い。
  論文  参考訳（メタデータ） (2024-02-27T06:24:01Z)
• Cascaded Regression Tracking: Towards Online Hard Distractor Discrimination [202.2562153608092]
  本稿では,2段階の逐次回帰トラッカーを提案する。 第1段階では, 容易に同定可能な負の候補を抽出する。 第2段階では、残留するあいまいな硬質試料をダブルチェックするために、離散サンプリングに基づくリッジ回帰を設計する。
  論文  参考訳（メタデータ） (2020-06-18T07:48:01Z)

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。