論文の概要: A Multi-Head Attention Approach for SLA Compliance Monitoring in Data Centers

• arxiv url: http://arxiv.org/abs/2605.05354v1
• Date: Wed, 06 May 2026 18:31:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-08 22:27:11.372983
• Title: A Multi-Head Attention Approach for SLA Compliance Monitoring in Data Centers
• Title（参考訳）: データセンターにおけるSLAコンプライアンスモニタリングのためのマルチヘッドアテンションアプローチ
• Authors: Omanshu Thapliyal,
• Abstract要約: データセンタにおけるサービスレベルの合意(SLA)は、電力、温度、湿度の正確なしきい値を定義します。 SLAルールを構造化オブジェクトとしてエンコードして,手作業によるアノテーションを使わずにトレーニングデータを生成するフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Service level agreements (SLAs) in data center colocation contracts define precise thresholds for power, temperature, and humidity, with tiered violation penalties expressed as credits against monthly recurring charges. Traditional reactive monitoring detects breaches only after they occur, limiting remediation opportunities. We present a framework that encodes SLA rules as structured JSON objects to generate training data without manual annotation. We train a per-customer multi-head transformer model in which each attention head specializes in one SLA rule, learning temporal dependencies that precede violations by 30 minutes. Post-training, the inference service emits structured prediction events transformed into three role-specific views: finance schemas exposing credit liability, operations schemas surfacing risk scores and recommended interventions, and compliance schemas bundling predictions with immutable telemetry signatures for audit. By aligning model architecture directly with contractual obligations, this framework enables operators to anticipate SLA breaches, prioritize corrective actions, and minimize financial penalties.
• Abstract（参考訳）: データセンターのコロケーション契約におけるサービスレベル合意(SLA)は、電力、温度、湿度の正確なしきい値を定義する。 従来のリアクティブ監視は、障害の発生後にのみ検出し、修復の機会を制限する。 本稿では、SLAルールを構造化JSONオブジェクトとしてエンコードして、手動のアノテーションなしでトレーニングデータを生成するフレームワークを提案する。 我々は、各アテンションヘッドが1つのSLAルールに特化し、違反に先立って30分遅れた時間依存を学習する、顧客ごとのマルチヘッドトランスフォーマーモデルを訓練する。 トレーニング後、推論サービスは構造化された予測イベントを3つのロール固有のビューに変換する: 信用責任を暴露する金融スキーマ、リスクスコアと推奨介入を克服するオペレーションスキーマ、監査のための不変テレメトリシグネチャと予測をバンドルするコンプライアンススキーマ。 このフレームワークは、モデルアーキテクチャを直接契約上の義務と整合させることで、運用担当者がSLA違反を予測し、修正措置を優先順位付けし、財務上の罰則を最小化することを可能にする。

関連論文リスト

• Learning from Change: Predictive Models for Incident Prevention in a Regulated IT Environment [14.341540360996932]
  本研究では,大規模国際銀行における事故予測型リスクスコアリング手法を提案する。 私たちは、機能レベルの洞察を提供するためにSHAP値を適用して、監査可能性と説明可能性を考慮してモデルを構築しました。 この結果から,データ駆動の解釈可能なモデルがルールベースのアプローチより優れていることが示された。
  論文  参考訳（メタデータ） (2026-04-15T04:33:46Z)
• IMPACT: A Dataset for Multi-Granularity Human Procedural Action Understanding in Industrial Assembly [79.737814043505]
  IMPACTは、デプロイメント指向の産業手続き的理解のための5ビューのRGB-Dデータセットである。 実際の組み立てと、プロ向けのツールを備えた商業用アングルグラインダーの分解を中心に構築されている。
  論文  参考訳（メタデータ） (2026-04-12T02:09:19Z)
• Byzantine-Robust and Differentially Private Federated Optimization under Weaker Assumptions [89.52532304099522]
  フェデレートラーニング(FL)は、クライアントが生データを集中せずに共有モデルを共同でトレーニングすることを可能にし、固有のプライバシーレベルを提供する。 グラデーションとモデル更新は機密情報を漏洩する可能性があるが、悪意のあるサーバはビザンティン操作のような敵攻撃をマウントする可能性がある。 これらの脆弱性は、統合されたフレームワーク内の差分プライバシー(DP)とビザンチンの堅牢性に対処する必要性を強調している。 Byz-Clip21-SGD2Mを提案する。
  論文  参考訳（メタデータ） (2026-03-24T17:39:09Z)
• PRISM-FCP: Byzantine-Resilient Federated Conformal Prediction via Partial Sharing [6.066028939131919]
  PRISM-FCPは、ビザンチンの回復力のあるフェデレート・コンフォーマル予測フレームワークである。 トレーニング中、クライアントはラウンド毎にM$$D$パラメータを送信することでアップデートを部分的に共有する。 キャリブレーション中、クライアントは非整合性スコアを特徴づけベクトルに変換し、距離ベースの悪意度スコアを計算し、ビザンティンの貢献を疑うダウンウェイトやフィルタを疑う。
  論文  参考訳（メタデータ） (2026-02-20T18:01:59Z)
• Prediction-Powered Risk Monitoring of Deployed Models for Detecting Harmful Distribution Shifts [51.37000123503367]
  予測駆動型リスクモニタリング(PPRM)を提案する。 PPRMは、合成ラベルを真のラベルの小さなセットと組み合わせることで、ランニングリスクの任意の有意な下界を構築する。 本稿では,画像分類,大規模言語モデル(LLM),通信監視タスクの広範な実験を通じて,PPRMの有効性を実証する。
  論文  参考訳（メタデータ） (2026-02-02T15:32:14Z)
• Temporal-Aligned Meta-Learning for Risk Management: A Stacking Approach for Multi-Source Credit Scoring [0.0]
  本稿では,イタリア中小企業の信用リスク評価のためのメタラーニングフレームワークを提案する。 このアプローチは、ファイナンシャルステートメント参照日時と評価日時を一致させ、発行遅延と非同期データソースから生じるバイアスを軽減する。 経験的検証は、このフレームワークが時間とともに信用リスクの進化を効果的に捉え、標準アンサンブル法に対する時間的一貫性と予測安定性を改善していることを示している。
  論文  参考訳（メタデータ） (2026-01-12T14:36:54Z)
• Safe and Compliant Cross-Market Trade Execution via Constrained RL and Zero-Knowledge Audits [0.5586191108738564]
  本稿では、厳格なコンプライアンスの実施と実行品質のバランスをとるクロスマーケットアルゴリズムトレーディングシステムを提案する。 アーキテクチャは、高レベルプランナー、強化学習実行エージェント、独立コンプライアンスエージェントを含む。 対t検定による95%信頼度レベルへの影響を報告し,CVaRによる尾部リスクの検討を行った。
  論文  参考訳（メタデータ） (2025-10-06T15:52:12Z)
• Error-quantified Conformal Inference for Time Series [55.11926160774831]
  時系列予測の不確かさの定量化は、時系列データの時間的依存と分布シフトのために困難である。 量子化損失関数をスムースにすることで,iError-quantified Conformal Inference (ECI)を提案する。 ECIは有効な誤発見制御と、他のベースラインよりも厳密な予測セットを出力することができる。
  論文  参考訳（メタデータ） (2025-02-02T15:02:36Z)
• Certifiably Byzantine-Robust Federated Conformal Prediction [49.23374238798428]
  本稿では,悪意のあるクライアントに対する堅牢な共形予測を行う新しいフレームワークRob-FCPを提案する。 我々は、さまざまなビザンチン攻撃の下で、悪意のあるクライアントの多様な割合に対するRob-FCPの堅牢性を実証的に実証した。
  論文  参考訳（メタデータ） (2024-06-04T04:43:30Z)
• Controller-Guided Partial Label Consistency Regularization with Unlabeled Data [49.24911720809604]
  本稿では,ラベルレベルと表現レベルの両方において,コントローラ誘導整合正則化を提案する。 信頼度閾値を動的に調整し、整合正則化に参加する各クラスのサンプル数が大まかに等しいようにし、クラス不均衡の問題を緩和する。
  論文  参考訳（メタデータ） (2022-10-20T12:15:13Z)

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。