論文の概要: eIRWR: Enhanced Iterative Random Walk with Restart for Scalable Root Cause Analysis in Microservices

• arxiv url: http://arxiv.org/abs/2608.08073v1
• Date: Sat, 08 Aug 2026 11:34:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-11 19:16:36.648849
• Title: eIRWR: Enhanced Iterative Random Walk with Restart for Scalable Root Cause Analysis in Microservices
• Title（参考訳）: eIRWR: マイクロサービスにおけるスケーラブルなルート原因分析の再起動による反復的ランダムウォークの強化
• Authors: Saiful Khan, Afrah Farea,
• Abstract要約: 再スタート型反復ランダムウォーク(eIRWR)を提案する。 eIRWRは、最も疑わしいノードに再起動質量を集中させる。 平均相反ランク(MRR)は、適度な根起点の視認率で0.75で、最高の集計基準線よりも2.8倍改善され、再調整されたPRよりもはるかに高い。
• 参考スコア（独自算出の注目度）: 0.5156484100374058
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Root cause analysis (RCA) in microservice architectures needs to pinpoint the originating faulty service responsible for the cascading symptoms seen across hundreds or thousands of interdependent services. Graph-based random walk methods propagate anomaly evidence over the service dependency graph. However, existing anomaly-restart walks leave much of the localization signal unused: they restart from the raw anomaly vector, which is dominated by loud downstream victims rather than the quieter source. Through a controlled ablation, we first show that the "resilience damping" often applied to the transition matrix is mathematically equivalent to raising the restart probability; we therefore benchmark against a restart-tuned Personalized PageRank (PPR) rather than its default configuration. We then present Enhanced Iterative Random Walk with Restart (eIRWR), which (a) concentrates restart mass on the most suspicious nodes through power-law teleportation sharpening, (b) augments the transition matrix with self-loops and backward edges so that probability accumulates at cascade sources, and (c) refines its belief across an outer loop. On three large-scale topologies (12K-25K nodes) from the Alibaba Microservice Trace Dataset, eIRWR attains a Mean Reciprocal Rank (MRR) of 0.75 at moderate root-cause visibility, a 2.8 times improvement over the best aggregate-metric baseline and well above a restart-tuned PPR. At high visibility, it reaches MRR= 0.94, while running in under 25ms on graphs with 17,000 nodes, making it suitable for online deployment.
• Abstract（参考訳）: マイクロサービスアーキテクチャにおける根本原因分析(RCA)は、数百ないし数千の相互依存サービスに見られるカスケード症状の原因となる障害サービスを特定する必要がある。 グラフベースのランダムウォーク手法は、サービス依存グラフ上の異常な証拠を伝搬する。 しかし、既存の異常再起動ウォークは、ローカライゼーション信号の多くを未使用のまま残しており、より静かなソースではなく下流の犠牲者が支配する生の異常ベクトルから再起動する。 制御されたアブレーションにより、遷移行列にしばしば適用される「レジリエンス減衰」が、再起動確率の上昇と数学的に等価であることを示し、従って、デフォルトの設定ではなく、再起動調整されたパーソナライズドページランク(PPR)に対してベンチマークを行う。 次に、再スタートによる反復ランダムウォーク(eIRWR)を提示する。 (a) 電力則のテレポーテーションシャープニングにより、最も疑わしいノードに再起動質量を集中させる。 b) 遷移行列を自己ループと後方エッジで拡張し、確率がカスケード源に蓄積するようにし、 (c) 外側のループを越えてその信念を洗練させる。 Alibaba Microservice Trace Datasetの3つの大規模トポロジ(12K-25Kノード)では、eIRWRは、中程度のルート原因の可視性で平均相反ランク(MRR)が0.75に達し、最高の集計基準よりも2.8倍改善され、再調整されたPRよりもはるかに高い。 高可視性では、MRR=0.94に到達し、17,000ノードのグラフ上で25ms以下で動作するため、オンラインデプロイメントに適している。

関連論文リスト

• 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)
• HunterAgent: Neuro-Symbolic Attack Trace Reconstruction under Anti-Forensics [4.5096964986324]
  脅威狩りは、不均一な丸太を越えて因果攻撃鎖を再構築する必要がある。 我々は,コストバウンドグラフ検索としてトレース再構成を再構成するニューロシンボリックなフレームワークであるHunterAgentを提案する。 HunterAgentは86.1%の平均F1を達成し、トップエージェントベースラインを26.7F1、KAIROSを17.1F1で上回っている。
  論文  参考訳（メタデータ） (2026-05-28T02:38:12Z)
• Clipping Bottleneck: Stabilizing RLVR via Stochastic Recovery of Near-Boundary Signals [83.0127582612634]
  Near-boundary Rescue (NSR) は最小限のプラグ・アンド・プレイの修正であり、失った信号を回復するために、アウト・オブ・バウンドトークンを保持する。 NSRはトレーニングの安定性を大幅に改善し、DAPOやGSPOといった強力なベースライン上で一貫したゲインを提供する。
  論文  参考訳（メタデータ） (2026-05-21T16:45:31Z)
• Thinking Traps in Long Chain-of-Thought: A Measurable Study and Trap-Aware Adaptive Restart [27.904791075662896]
  TAAR(Trap-Aware Adaptive Restart)は,部分軌道から2つの信号を予測するための診断ポリシーをトレーニングするテスト時間制御フレームワークである。 推測時、TAARは予測されたトラップセグメントの前に軌道を切断し、復号を適応的に再起動する。 実験の結果,TAARはモデルパラメータを微調整することなく推論性能を向上させることがわかった。
  論文  参考訳（メタデータ） (2026-01-17T07:26:02Z)
• TARG: Training-Free Adaptive Retrieval Gating for Efficient RAG [46.122203287541005]
  トレーニングフリーのAdaptive Retrieval Gating (TARG) は、ベースモデルからの短い非遅延ドラフトのみを使用していつ取得するかを決定する、単発のポリシーである。 NQ-Open、TriviaQA、PopQAでは、TARGは一貫して精度と効率のフロンティアをシフトさせる。
  論文  参考訳（メタデータ） (2025-11-12T23:09:52Z)
• Revisiting Glorot Initialization for Long-Range Linear Recurrences [35.51491162256673]
  Glorotは安定した信号伝搬を保証するように設計されている。 スペクトル半径の小さな正の偏差は時間を通して増幅され、隠れた状態が爆発する。 本稿では,Grorotのスペクトル半径をわずかに下方へシフトさせる簡易な次元認識再スケーリングを提案する。
  論文  参考訳（メタデータ） (2025-05-26T11:04:59Z)
• Disentangled Causal Graph Learning for Online Unsupervised Root Cause Analysis [49.910053255238566]
  ルート原因分析(RCA)は、システム監視データを分析することにより、システム障害/障害の根本原因を特定することができる。 従来の研究は主にオフラインのRCAアルゴリズムの開発に重点を置いており、しばしば手動でRCAプロセスを開始する必要がある。 我々は、RCAプロセスを自動的に起動し、RCAモデルを漸進的に更新できる新しいオンラインRCAフレームワークであるCORALを提案する。
  論文  参考訳（メタデータ） (2023-05-18T01:27:48Z)
• DM-VIO: Delayed Marginalization Visual-Inertial Odometry [62.746533939737446]
  本稿では,遅延残差化とポーズグラフバンドル調整に基づく視覚慣性システムDM-VIOを提案する。 我々は,EuRoC,TUM-VI,および4Seasonsデータセットを用いて,空飛ぶドローン,大規模ハンドヘルド,自動車シナリオからなるシステムの評価を行った。
  論文  参考訳（メタデータ） (2022-01-11T18:30:37Z)
• iDARTS: Improving DARTS by Node Normalization and Decorrelation Discretization [51.489024258966886]
  微分可能なArchiTecture Search(DARTS)は、ネットワーク表現の継続的緩和を使用し、GPUデーにおいて、ニューラルネットワークサーチ(NAS)を約数千倍高速化する。 しかし、DARTSの探索過程は不安定であり、訓練の時期が大きくなると著しく劣化する。 そこで本研究では,DARTSの改良版であるiDARTSを提案する。
  論文  参考訳（メタデータ） (2021-08-25T02:23:30Z)

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。