論文の概要: Toward Understanding Operating System Defects

• arxiv url: http://arxiv.org/abs/2608.20643v1
• Date: Fri, 21 Aug 2026 00:37:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-24 14:49:32.31037
• Title: Toward Understanding Operating System Defects
• Title（参考訳）: オペレーティングシステムの欠陥の理解に向けて
• Abstract要約: 我々は3つの異なる代表的オペレーティングシステムから1,500の欠陥を大規模に調査する。 私たちの知る限りでは、この種の研究はこの領域で最大のものである。
• 参考スコア（独自算出の注目度）: 4.663925985762935
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Operating systems (OS) serve as the foundation for all other software systems, and thus defects in OSes can lead to severe conquences, such as system crashes and data corruption, affecting billions of users. This broad impact underscores the necessity and importance of ensuring OS quality. Understanding the characteristics of OS defects is a fundamental step in this quality assurance task, as it facilitates the design of effective defect detection and debugging approaches. In this work, we conduct a large-scale study of 1,500 defects from three distinct and representative operating systems (Android, Linux, and HarmonyOS) spanning both mobile and desktop environments. To the best of our knowledge, this is the largest study of its kind in this domain. By analyzing the distribution of OS defects across multiple classification dimensions, including the OS layer where defects occur, the functions they affect, how they are triggered, their severity, and the code elements involved in their repair, as well as performing joint analysis between dimensions and cross-OS similarity comparisons, we summarize several major findings that contribute to a comprehensive understanding of OS defects across systems. Based on these findings, we provide a series of actionable implications for better OS defect detection and debugging, offering guidelines for future research aimed at improving OS quality assurance.
• Abstract（参考訳）: オペレーティングシステム(OS)は、他のすべてのソフトウェアシステムの基盤として機能するため、OSの欠陥は、システムのクラッシュやデータの破損など、数十億のユーザに影響を与える深刻なコンクエンスを引き起こす可能性がある。 この大きな影響は、OSの品質を保証する必要性と重要性を浮き彫りにする。 OS欠陥の特徴を理解することは、この品質保証タスクの基本的なステップであり、効果的な欠陥検出とデバッグアプローチの設計を容易にする。 本研究では,モバイルおよびデスクトップ環境にまたがる3つのオペレーティングシステム(Android, Linux, HarmonyOS)の1500の欠陥を大規模に調査する。 私たちの知る限りでは、この種の研究はこの領域で最大のものである。 欠陥の発生するOS層,その影響する機能,トリガの程度,修理に関わるコード要素などのOS欠陥の分布を解析し,ディメンジョンとOS間の類似性の比較を共同で行うことにより,システム間のOS欠陥の包括的理解に寄与するいくつかの重要な知見を要約する。 これらの知見に基づいて、我々は、OSの品質保証を改善することを目的とした将来の研究のためのガイドラインとして、OSの欠陥検出とデバッグを改善するための一連の実行可能な意味を提供する。

関連論文リスト

• Can Large Language Models Generate Observability-Aware Code? [51.30941152293301]
  本稿では,エージェント生成システムにおける可観測性に関する系統的研究を行う。 その結果,ソースレベルでの診断的セマンティクスと実行時の障害信号との間には,一貫したギャップがあることが判明した。 本稿では,診断的意味論と故障信号暴露の両方を改善するためのガイダンスとして,可観測性指向のスキルを導入する。
  論文  参考訳（メタデータ） (2026-07-07T03:20:52Z)
• Why Does the LLM Stop Computing: An Empirical Study of User-Reported Failures in Open-Source LLMs [50.075587392477935]
  オープンソースのDeepSeek、Llama、Qwenのエコシステムから、705の現実世界の失敗に関する大規模な実証的研究を行った。 ホワイトボックスオーケストレーションは、モデルアルゴリズムの欠陥からデプロイメントスタックのシステム的脆弱性へと、信頼性のボトルネックを移動させます。
  論文  参考訳（メタデータ） (2026-01-20T06:42:56Z)
• Ensembling Large Language Models for Code Vulnerability Detection: An Empirical Evaluation [69.8237598448941]
  本研究では,ソースコードの脆弱性検出において,Large Language Models(LLM)の性能を高めるためのアンサンブル学習の可能性を検討する。 脆弱性検出に適したスタック機能であるDynamic Gated Stacking (DGS)を提案する。
  論文  参考訳（メタデータ） (2025-09-16T03:48:22Z)
• A Defect Classification Framework for AI-Based Software Systems (AI-ODC) [0.0]
  本稿では,Orthogonal Defect Classification(ODC)パラダイムにヒントを得たフレームワークを提案する。 このフレームワークは、AIシステムのデータ、学習、思考の側面に対応するように適応された。
  論文  参考訳（メタデータ） (2025-08-25T11:15:31Z)
• An Empirical Study of Interaction Bugs in ROS-based Software [27.942783950657166]
  本研究は,ロボットオペレーティング・システム(ROS)を用いたロボットシステムにおける相互作用バグ(iBugs)の実証的研究である。 識別されたiBugsは、システム内iBugs、ハードウェアiBugs、環境iBugsの3つの主要なタイプに分類される。 いくつかの発見は、iBugsの性質に光を当て、その予防と検出を改善するための方向性を示唆している。
  論文  参考訳（メタデータ） (2025-07-14T12:56:24Z)
• A Survey of Fuzzing Open-Source Operating Systems [11.770015366564774]
  オープンソースのオペレーティングシステムの脆弱性は、重大なセキュリティリスクを引き起こす。 ファジィング(OSF)は、OSの複雑さと多層インタラクションによって、独特な課題に直面している。 この研究は、最先端のOSF技術について体系的に調査する。
  論文  参考訳（メタデータ） (2025-02-17T02:53:02Z)
• Uncertainty Estimation for 3D Object Detection via Evidential Learning [63.61283174146648]
  本稿では,3次元検出器における鳥の視線表示における明らかな学習損失を利用して,3次元物体検出の不確かさを定量化するためのフレームワークを提案する。 本研究では,これらの不確実性評価の有効性と重要性を,分布外シーンの特定,局所化の不十分な物体の発見,および(偽陰性)検出の欠如について示す。
  論文  参考訳（メタデータ） (2024-10-31T13:13:32Z)
• Interactive System-wise Anomaly Detection [66.3766756452743]
  異常検出は様々なアプリケーションにおいて基本的な役割を果たす。 既存のメソッドでは、インスタンスがデータとして容易に観察できないシステムであるシナリオを扱うのが難しい。 システム埋め込みを学習するエンコーダデコーダモジュールを含むエンドツーエンドアプローチを開発する。
  論文  参考訳（メタデータ） (2023-04-21T02:20:24Z)
• A Survey of Graph-based Deep Learning for Anomaly Detection in Distributed Systems [2.3551989288556774]
  分散システムにおける異常を識別するグラフベースのアルゴリズムの可能性を探る。 私たちの目標の1つは、現実の課題に対処する能力を概念的に分析するグラフベースのアプローチについて、詳細な調査を行うことです。 本研究は,その分野における現状研究論文の概要と,その特性を比較比較・比較するものである。
  論文  参考訳（メタデータ） (2022-06-08T20:19:28Z)
• Towards Unbiased Visual Emotion Recognition via Causal Intervention [63.74095927462]
  本稿では,データセットバイアスによる負の効果を軽減するために,新しい感情認識ネットワーク(IERN)を提案する。 IERNの有効性を検証する一連の設計されたテストと、3つの感情ベンチマークの実験は、IERNが他の最先端のアプローチよりも優れていることを示した。
  論文  参考訳（メタデータ） (2021-07-26T10:40:59Z)
• Monitoring and Diagnosability of Perception Systems [21.25149064251918]
  本稿では,認識システムにおける実行時モニタリングと故障検出と識別のための数学的モデルを提案する。 本稿では,LGSVL自動運転シミュレータとApollo Auto自動運転ソフトウェアスタックを用いた実写シミュレーションにおいて,PerSySと呼ばれるモニタリングシステムを実演する。
  論文  参考訳（メタデータ） (2020-11-11T23:03:14Z)

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。