論文の概要: GapFuzz: Cross-Plane Divergence Fuzzing for Distributed SDN Controllers
- arxiv url: http://arxiv.org/abs/2606.11035v1
- Date: Tue, 09 Jun 2026 16:05:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-11 16:42:38.062326
- Title: GapFuzz: Cross-Plane Divergence Fuzzing for Distributed SDN Controllers
- Title（参考訳）: GapFuzz: 分散SDNコントローラのためのクロスプレーンダイバージェンスファズ
- Authors: Moustapha Awwalou Diouf, Samuel Ouya, Jacques Klein, Tegawendé F. Bissyandé,
- Abstract要約: GapFuzzは、すべてのレプリカとカーネル-データパスアクションをクエリすることで、グローバルなクロスプレーン状態を再構築する。
3ノードの ONOS 2.7 クラスタ上で、GapFuzz は81.7% の試行で分岐判定を生成する。
- 参考スコア（独自算出の注目度）: 9.89983280769344
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Distributed Software-Defined Networking (SDN) clusters replicate flow state asynchronously between a master node and its backups, leaving a window during which two backup nodes can each commit a contradictory rule, the master can serialize both into the data plane, and the kernel datapath can latch onto an action that no node believes authoritative. Existing SDN fuzzers miss this fault: they confine their oracle to the control plane, target a single controller, or do not steer concurrency to provoke replication races. We present GapFuzz, a stateful concurrency fuzzer for distributed SDN clusters. GapFuzz injects pairs of contradictory Northbound requests on two non-master nodes with controlled inter-injection delay $Δt$, and reconstructs the global cross-plane state by querying every replica and the kernel-datapath action through ovs-appctl ofproto/trace. A two-phase timing search detects whether a divergence exists, then doubles and bisects on $Δt$ to bound the injection-time window; a lifetime probe labels each verdict transient or persistent and assigns it to one of four cross-plane state classes derived from the ONOS 2.7 source. On a three-node ONOS 2.7 cluster, GapFuzz produces a divergent verdict in 81.7% of attempts ($N=50$, Wilson 95% CI $[77.3, 85.4]$%); every divergence sits between the cluster's authoritative state and the kernel datapath. Phase 2 separates a 5 ms race window for one template from a doubling-cap regime ($Δt_{\max}=10.24$ s) for six others, and 99.4% of divergences persist past 30 s. Replacing the kernel-datapath probe with the OpenFlow user-space probe used by prior fuzzers drops detection by 26.6 percentage points overall and by 46.5 points after excluding canonicalization-forced verdicts.
- Abstract（参考訳）: 分散Software-Defined Networking (SDN)クラスタは、マスタノードとそのバックアップ間で非同期にフロー状態を複製し、2つのバックアップノードがそれぞれ矛盾するルールをコミットできるウィンドウを残し、マスタはデータプレーンに両方のシリアライズが可能で、カーネルデータパスは、ノードが信頼できると信じていないアクションにラッチすることができる。
既存のSDNファジィザは、この失敗を見逃している。彼らは、託宣をコントロールプレーンに閉じ込めたり、単一のコントローラをターゲットにしたり、レプリケーションレースを誘発する並行性を操縦しない。
本稿では,分散SDNクラスタ用のステートフル並列ファザであるGapFuzzを紹介する。
GapFuzzは、制御されたインジェクション間遅延を持つ2つの非マスターノードに矛盾するNorthboundリクエストを注入し、すべてのレプリカとカーネル-datapathアクションをovs-appctl ofproto/traceを通じてクエリすることで、グローバルなクロスプレーン状態を再構築する。
二相タイミング探索は、分岐が存在するかどうかを検出し、次に$Δt$で二重化してインジェクションタイムウィンドウをバインドする。
3ノードのONOS 2.7クラスタでは、GapFuzzは81.7%の試行(N=50$, Wilson 95% CI $[77.3, 85.4]$%)で分岐判定を生成する。
フェーズ2では、1つのテンプレートに対して5msのレースウィンドウを、他の6つのテンプレートに対して2倍の上限(Δt_{\max}=10.24$ s)から分離する。
カーネル・データパスプローブをOpenFlowのユーザ空間プローブに置き換えると、前者のファズナーによる検出は26.6ポイント、正準化強制判定を除いた46.5ポイント減少する。
関連論文リスト
- AttackPathGNN: Cross-function vulnerability detection in smart contracts using state interference graphs and conjunction pooling [3.8615905456206256]
Solidityスマートコントラクトのための既存の学習ベースの検出は、脆弱性検出を単一関数内のパターンマッチングに還元する。
本稿では,グラフニューラルネットワーク(GNN)であるAttackPathGNNを提案する。
論文 参考訳（メタデータ） (2026-06-04T10:30:24Z) - From Patches to Trajectories: Privileged Process Supervision for Software-Engineering Agents [56.31499185764872]
教師の長い軌道上の監督された微調整(SFT)は、オープンソフトウェアエンジニアリング(SWE)エージェントに調査と推論を浸透させる主要な方法である。
本稿では,P2T (Patches-to-Trajectories) を提案する。P2T (Patches-to-Trajectories) は,P2T (Patches-to-Trajectories) において,P2T (Patches-to-Trajectories) とP2T (Patches-to-Trajectories) の2つの最適化法である。
論文 参考訳（メタデータ） (2026-05-21T04:54:55Z) - Sequential vs. Simultaneous Entanglement Swapping under Optimal Link-Layer Control [1.8829359083448898]
接続レスパケットスイッチング量子ネットワークアーキテクチャは、シーケンシャルエンタングルメントスワップを通じて、マルチホップパスにまたがる絡み合いを分散する。
固定鎖長$n = 4$で各リンクが固定強化学習ポリシーによって制御されることを示す。
シーケンススワップは、$T_cmathrmext/= 25$以下で終了し、$T_cmathrmext/= 50$でリカバリを開始する。
論文 参考訳（メタデータ） (2026-05-05T17:59:22Z) - VeriX-Anon: A Multi-Layered Framework for Mathematically Verifiable Outsourced Target-Driven Data Anonymization [0.0]
VeriX-Anonは、オープンソースのターゲット駆動k匿名化のための多層検証フレームワークである。
認証決定木のメルクル式ハッシュによる決定論的検証、ランダムフォレスト決定境界付近の境界センチネルによる確率的検証、および暗号識別子による正確な重複性ツインズの組み合わせである。
12のシナリオのうち11の偏差を正しく検出した。
論文 参考訳（メタデータ） (2026-04-14T08:22:18Z) - Network-Optimised Spiking Neural Network (NOS) Scheduling for 6G O-RAN: Spectral Margin and Delay-Tail Control [7.382006859754025]
本研究は,ネットワーク最適化スパイキング(NOS)による6G無線アクセスのための遅延対応スケジューラを提案する。
小信号解析は遅延依存しきい値$k_star(Delta)$とスペクトルマージン$delta = k_star(Delta) - gHrho(W)$を生成し、トポロジ、コントローラゲイン、遅延を1つの設計パラメータに圧縮する。
論文 参考訳（メタデータ） (2025-10-13T11:28:28Z) - Collaborative non-parametric two-sample testing [55.98760097296213]
目標は、null仮説の$p_v = q_v$が拒否されるノードを特定することである。
グラフ構造を効率的に活用する非パラメトリックコラボレーティブ2サンプルテスト(CTST)フレームワークを提案する。
提案手法は,f-divergence Estimation, Kernel Methods, Multitask Learningなどの要素を統合する。
論文 参考訳（メタデータ） (2024-02-08T14:43:56Z) - Unsupervised Deep Probabilistic Approach for Partial Point Cloud
Registration [74.53755415380171]
ディープポイントクラウド登録手法は、部分的に重複し、ラベル付きデータに依存するという課題に直面している。
部分的な重なりを持つ点雲に対する教師なしの深い確率的登録フレームワークであるUDPRegを提案する。
UDPRegは3DMatch/3DLoMatchとModelNet/ModelLoNetベンチマークの競合性能を実現しています。
論文 参考訳（メタデータ） (2023-03-23T14:18:06Z) - Sharper Convergence Guarantees for Asynchronous SGD for Distributed and
Federated Learning [77.22019100456595]
通信周波数の異なる分散計算作業者のトレーニングアルゴリズムを示す。
本研究では,より厳密な収束率を$mathcalO!!(sigma2-2_avg!)とする。
また,不均一性の項は,作業者の平均遅延によっても影響されることを示した。
論文 参考訳（メタデータ） (2022-06-16T17:10:57Z) - Deep Federated Anomaly Detection for Multivariate Time Series Data [93.08977495974978]
本稿では,Fed-ExDNN(Federated Exemplar-based Deep Neural Network)を用いて,異なるエッジデバイス上での多変量時系列データの異常検出を行う。
ExDNNとFed-ExDNNは、最先端の異常検出アルゴリズムやフェデレーション学習技術より優れていることを示す。
論文 参考訳（メタデータ） (2022-05-09T05:06:58Z) - Removing Data Heterogeneity Influence Enhances Network Topology
Dependence of Decentralized SGD [15.112499553818953]
D$2$/Exact-diffusionアルゴリズムの非同相収束特性について検討する。
既存の分散アルゴリズムと比較して、D$2$/Exact-diffusionはネットワークトポロジに最も敏感です。
論文 参考訳（メタデータ） (2021-05-17T17:16:52Z) - Multi-Stage Hybrid Federated Learning over Large-Scale D2D-Enabled Fog
Networks [61.30171206892684]
ネットワークを多層クラスタベース構造とみなす階層内モデル学習と層間モデル学習のハイブリッドを開発する。
MH-FLは、デバイス間通信(D2D)を介して形成されたローカルネットワークを含む、クラスタ内のノード間のトポロジー構造を考察している。
異なるネットワーク層におけるデバイスを協調的/協調的にオーケストレーションし、モデルパラメータの局所的なコンセンサスを形成する。
論文 参考訳（メタデータ） (2020-07-18T20:03:07Z)
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。