論文の概要: SequenceFI: Non-intrusive Temporal Fault Injection for Microservice Systems

• arxiv url: http://arxiv.org/abs/2607.20050v1
• Date: Wed, 22 Jul 2026 11:48:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-23 18:51:38.068389
• Title: SequenceFI: Non-intrusive Temporal Fault Injection for Microservice Systems
• Title（参考訳）: SequenceFI: マイクロサービスシステムのための非侵入的一時的フォールトインジェクション
• Abstract要約: 本稿では,マイクロサービスシステムにおける時間的障害注入のための非侵入的フレームワークSequenceFIを提案する。 SequenceFIは、メッセージレベルの送信および受信イベントを観察し、リクエスト実行に沿ってコンパクトな時間的証拠を伝播し、発生に敏感な時間的ガードが満たされた場合にのみ障害をトリガーする。 9つの時間的デフォルトシナリオと450の有効なトライアルの中で、SequenceFIは、未熟または複数回のインジェクションなしで100.0%の時間的成功を達成し、平均的な1回の試行で効果的な構成を見つけ、H-Randomと比較して、総合的なエンドツーエンド検索時間を95.91%削減する。
• 参考スコア（独自算出の注目度）: 9.5902251220409
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fault injection is widely used to evaluate the resilience of microservice systems, where client requests often span multiple services and execution stages. Existing request-level techniques usually control where and what faults are injected, but not when they are activated within a distributed execution. This limitation makes it difficult to reproduce timing-dependent failures, such as failures after state-changing side effects, order-sensitive concurrent responses, and partial failures among repeated downstream calls. This paper presents SequenceFI, a non-intrusive framework for temporal fault injection in microservice systems. SequenceFI observes message-level send and receive events, propagates compact temporal evidence along request executions, and triggers faults only when occurrence-sensitive temporal guards are satisfied. It further synthesizes temporal guards from traces, reducing the need for exhaustive enumeration of temporal fault-injection configurations, while requiring no modifications to application code or serialization libraries. We implement SequenceFI on Kubernetes and evaluate it on four widely used microservice benchmarks. Across nine temporal-fault scenarios and 450 valid trials, SequenceFI achieves 100.0\% temporal success without premature or multiple injections, finds effective configurations in one attempt on average, and reduces aggregate end-to-end search time by 95.91\% compared with H-Random.
• Abstract（参考訳）: フォールトインジェクションは、クライアント要求が複数のサービスや実行ステージにまたがるマイクロサービスシステムのレジリエンスを評価するために広く使用されている。 既存の要求レベルのテクニックは通常、どこにどの障害が注入されるかを制御するが、分散実行内でアクティベートされた場合ではない。 この制限により、状態変化による副作用、順序に敏感な同時応答、繰り返しダウンストリーム呼び出し中の部分的障害など、タイミング依存的な障害の再現が困難になる。 本稿では,マイクロサービスシステムにおける時間的障害注入のための非侵入的フレームワークSequenceFIを提案する。 SequenceFIは、メッセージレベルの送信および受信イベントを観察し、リクエスト実行に沿ってコンパクトな時間的証拠を伝播し、発生に敏感な時間的ガードが満たされた場合にのみ障害をトリガーする。 さらに、トレースから時間的ガードを合成し、時間的障害注入構成の徹底的な列挙の必要性を減らし、アプリケーションコードやシリアライズライブラリの変更を必要としない。 当社では、KubernetesにSequenceFIを実装し、広く使用されている4つのマイクロサービスベンチマークで評価しています。 9つの時間的デフォルトシナリオと450の有効な試行の中で、SequenceFIは、未熟または複数回のインジェクションなしで100.0\%の時間的成功を達成し、平均的な1回の試行で効果的な構成を見つけ、H-Randomと比較して総合的なエンドツーエンド検索時間を95.91\%削減する。

関連論文リスト

• Diagnosing Temporal Misalignment in Multichannel Time-Series Classification with Minimum Description Length [2.664567992874808]
  同期問題は、分類性能が最適以下である間も検出されないことがある。 本手法は,センサ群に対して時間的候補シフトを適用し,残りのチャネルの表現を通して,1つのグループをいかに効率的にエンコードできるかを計測する。 そこで本手法は,時系列学習パイプライン全体の時間的ずれの検出,理解,修正を行う汎用ツールを提供する。
  論文  参考訳（メタデータ） (2026-09-13T15:24:24Z)
• Autonomous Cyber Defense: Real-Time Attack Detection and Mitigation in Software-Defined Networks Using Machine Learning [78.29352305480285]
  最近の侵入では、最初のアクセスと最初の横移動の間の間隔は27秒と短いことが観察されている。 本稿では,ソフトウェア定義ネットワークにおける攻撃をオペレーターの関与なしに検出・ブロックするクローズドループフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-22T18:38:39Z)
• Aionoscope: Debugging Latent-State Accessibility in Time-Series Representations [59.34593956287438]
  Aionoscope(アイオノスコープ)は、凍結した時系列表現における潜在状態のアクセシビリティを検査するための診断ツールである。 アイオノスコープはプロセス生成を観察レンダリングから切り離し、正確な分類と密度のラベルを持つシード合成ストリームを生成する。
  論文  参考訳（メタデータ） (2026-07-01T13:54:20Z)
• FuseChain: Runtime Evidence Reconstruction for Software Supply-Chain Attacks [3.6426165164108206]
  ソフトウェアサプライチェーン(SSC)攻撃は、ますます多段階、クロスソース、一時的な分散化が進んでいる。 FUSECHAINは、マルチソースソフトウェアサプライチェーンテレメトリを、統合されたイベント時軸上の時間的異種グラフとして表現している。
  論文  参考訳（メタデータ） (2026-06-14T13:24:00Z)
• LiveFMBench: Unveiling the Power and Limits of Agentic Workflows in Specification Generation [75.05397479715576]
  大規模言語モデル(LLM)とエージェントは有望な進歩を示しているが、その真の能力と失敗モードは未だ不明である。 CプログラムのためのLCMおよびエージェントベースの形式仕様生成に関する、最初の体系的および汚染に配慮した研究を提案する。
  論文  参考訳（メタデータ） (2026-05-02T11:31:33Z)
• Maxwait: A Generalized Mechanism for Distributed Time-Sensitive Systems [0.45880283710344055]
  マックスウェイトは 意外な一般性を持った 単純な調整機構だ PTIDES、Chandy-and-Misraのような古典的な分散システムメソッドにヌルメッセージの有無、ジェファーソンのTime-Warp、ランポートの時間ベースの障害検出を仮定する。 maxwaitは、通信遅延が境界付けられたときに論理時間一貫性を強制し、境界が破られたときに構造化された障害処理を提供する。
  論文  参考訳（メタデータ） (2026-01-29T00:57:25Z)
• FastFI: Enhancing API Call-Site Robustness in Microservice-Based Systems with Fault Injection [8.84679612879872]
  フォールトインジェクションはソフトウェアの信頼性を評価するための重要なテクニックであり、システムの欠陥を積極的に検出することを可能にする。 FastFIは、マイクロサービスベースのシステムにおけるAPIコールサイトの堅牢性を高めるための、フォールトインジェクション誘導フレームワークである。 FastFIは、最先端のベースラインと比較して、エンドツーエンドのフォールトインジェクション時間を平均76.12%削減する。
  論文  参考訳（メタデータ） (2026-01-21T09:24:54Z)
• Sequential Testing for Descriptor-Agnostic LiDAR Loop Closure in Repetitive Environments [12.304166871828777]
  逐次確率比テスト(SPRT)としてLiDARループクロージャを定式化する多フレームループクロージャ検証法を提案する。 単一の記述子比較から決定したり、後期反復閉点(ICP)検証と固定しきい値を使用する代わりに、検証者はクエリと各候補間の記述子類似性の短い時間ストリームを蓄積する。 この精度優先ポリシーは、構造的に反復的な屋内環境における偽陽性を抑制するように設計されている。
  論文  参考訳（メタデータ） (2025-12-10T09:20:09Z)
• 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)
• ORCHID: Streaming Threat Detection over Versioned Provenance Graphs [11.783370157959968]
  本稿では,リアルタイムイベントストリーム上でプロセスレベルの脅威を詳細に検出する新しいProv-IDSであるORCHIDを提案する。 ORCHIDは、バージョン付き前処理グラフのユニークな不変特性を利用して、グラフ全体を逐次RNNモデルに反復的に埋め込む。 我々は、DARPA TCを含む4つの公開データセット上でORCHIDを評価し、ORCHIDが競合する分類性能を提供できることを示す。
  論文  参考訳（メタデータ） (2024-08-23T19:44:40Z)
• PeFAD: A Parameter-Efficient Federated Framework for Time Series Anomaly Detection [51.20479454379662]
  私たちはaを提案します。 フェデレートされた異常検出フレームワークであるPeFADは、プライバシーの懸念が高まっている。 我々は、4つの実際のデータセットに対して広範な評価を行い、PeFADは既存の最先端ベースラインを最大28.74%上回っている。
  論文  参考訳（メタデータ） (2024-06-04T13:51:08Z)
• Sequential Kernelized Independence Testing [77.237958592189]
  我々は、カーネル化依存度にインスパイアされたシーケンシャルなカーネル化独立試験を設計する。 シミュレーションデータと実データの両方にアプローチのパワーを実証する。
  論文  参考訳（メタデータ） (2022-12-14T18:08:42Z)
• Tracking the risk of a deployed model and detecting harmful distribution shifts [105.27463615756733]
  実際には、デプロイされたモデルのパフォーマンスが大幅に低下しないという、良心的なシフトを無視することは理にかなっている。 我々は,警告を発射する有効な方法は,(a)良性な警告を無視しながら有害なシフトを検知し,(b)誤報率を増大させることなく,モデル性能の連続的なモニタリングを可能にすることを論じる。
  論文  参考訳（メタデータ） (2021-10-12T17:21:41Z)
• Bandit Quickest Changepoint Detection [55.855465482260165]
  すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。 有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。 本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
  論文  参考訳（メタデータ） (2021-07-22T07:25:35Z)

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。