論文の概要: The Abstention Protocol: RCA for Clos Fabrics
- arxiv url: http://arxiv.org/abs/2608.21412v1
- Date: Tue, 11 Aug 2026 14:31:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 05:09:55.324761
- Title: The Abstention Protocol: RCA for Clos Fabrics
- Title（参考訳）: Abstention Protocol: RCA for Clos Fabrics
- Abstract要約: 重み付き融合をPAM型吸収代数に置き換えた生産RCAシステムである textscCoreSec を提案する。
テレメトリエージェントは、証拠が曖昧である場合に決定論的決定と明示的な棄権をもたらす制御フラグを使用して構成される。
CoreSecは、修正することなく、さまざまな環境にわたって安定的で説明可能なRCA動作を提供する。
- 参考スコア（独自算出の注目度）: 1.4782129768183936
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Root cause analysis (RCA) in large datacenter networks is challenging because telemetry is noisy, partial, and asynchronous. Score-based approaches degrade under these conditions, often yielding unstable or incorrect attributions. We present \textsc{CoreSec}, a production RCA system that replaces weighted fusion with a PAM-style abstention algebra. Telemetry agents are composed using control flags that yield deterministic decisions and explicit abstention when evidence is ambiguous. CoreSec combines this algebra with topology-aware configurations that capture failure surfaces across Clos fabrics and converge monotonically as evidence accumulates. Deployed at hyperscale, CoreSec provides stable and explainable RCA behavior across diverse environments without retuning. Our experience shows that structured composition with abstention forms a practical foundation for automated RCA in real-world cloud networks.
- Abstract（参考訳）: 大規模なデータセンターネットワークにおけるルート原因分析(RCA)は、テレメトリがノイズが多く、部分的であり、非同期であるため困難である。
スコアベースのアプローチはこれらの条件下で劣化し、しばしば不安定または誤った属性をもたらす。
本稿では、重み付き融合をPAM型吸収代数に置き換える生産RCAシステムであるtextsc{CoreSec}を提案する。
テレメトリエージェントは、証拠が曖昧である場合に決定論的決定と明示的な棄権をもたらす制御フラグを使用して構成される。
CoreSecはこの代数と、Closファブリック全体にわたる障害面をキャプチャし、エビデンスが蓄積されるにつれて単調に収束するトポロジー対応の構成を組み合わせる。
ハイパースケールでデプロイされたCoreSecは、修正することなく、さまざまな環境にわたって安定的で説明可能なRCA動作を提供する。
我々の経験から,構造化構成が現実のクラウドネットワークにおけるRCAの実践的基盤となっていることが分かる。
関連論文リスト
- When Agents Look Like Beacons: NIDS Evasion by Model Context Protocol Traffic [0.5076419064097734]
明示的なネットワーク層表示がなければ,MPPトラフィックはCommand and Control (C2) のビーカリング動作に類似していることが示される。
本稿では,エージェントNative Native ALPNと標準帯域外ヘッダを含むエージェントベースのネットワーク表示標準を提案する。
論文 参考訳（メタデータ） (2026-09-16T17:27:42Z) - A Deployment-Oriented and Resource-Efficient Neuro-Symbolic Framework for Explainable DDoS Detection in Operational Technology Networks [1.202468381202799]
本稿では,資源制約環境下での堅牢なDDoS検出に特化して設計されたニューロシンボリック・フレームワークを提案する。
このフレームワークは、浅い決定木をシンボル成分としてゲートリカレントユニット(GRU)ニューラルネットワークを融合する。
ハイブリッドモデルは、3つの実世界のベンチマークDDoSデータセットで評価される。
論文 参考訳（メタデータ） (2026-08-17T16:18:15Z) - Integration-First Structural Coverage for Embedded Software:Trace-Based Evidence, Hybrid Runtime Analysis, and Cross-Variant Consolidation [42.52742840006677]
本稿では,統合テストとシステムテストをベースライン測定として扱う統合ファーストカバレッジ戦略について述べる。
テストレベル、テスト実行、変種、ビルド構成にエビデンスをマージする統合レイヤであるHyper Coverageについても説明します。
論文 参考訳（メタデータ） (2026-08-13T14:46:33Z) - Coverage Analysis of Rydberg Atom Quantum Receiver Arrays: A Stochastic Geometry Approach [55.47164192369501]
ライドバーグ原子量子受信機(RAQR)は、量子制限感度とブロードバンドチューナビリティを提供する。
密集した展開において、集合的干渉は原子トランスデューサを小さな信号状態から外すことができる。
本稿では、RAQRフロントエンドを幾何学的カバレッジ分析に埋め込むことで、この問題に対処する。
論文 参考訳（メタデータ） (2026-05-22T04:05:13Z) - Trust-Aware Routing for Distributed Generative AI Inference at the Edge [0.34376560669160394]
本稿では,分散生成推論のための信頼度を考慮した協調フレームワークG-TRACを提案する。
G-TRACは、アルゴリズム経路選択とシステムレベルのプロトコル設計を統合し、堅牢な分散推論を保証する。
論文 参考訳（メタデータ） (2026-03-30T16:07:11Z) - Dynamic analysis enhances issue resolution [53.50448142467294]
DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。
テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。
Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
論文 参考訳（メタデータ） (2026-03-23T14:48:54Z) - CIRCUS: Circuit Consensus under Uncertainty via Stability Ensembles [1.3011345529764784]
そこで本研究では,CIRCUSが閾値ローバストな「コア」回路を生成できることを示す。
Gemma-2-2BとLlama-3.2-1Bでは、厳密なコンセンサス回路はコンストラクタの結合よりも40倍小さい。
我々はさらに,合意を確定したノードが非合意制御と一致しない場合に,アクティベーションパッチの因果関係を検証した。
論文 参考訳（メタデータ） (2026-02-28T07:44:04Z) - Cloud-OpsBench: A Reproducible Benchmark for Agentic Root Cause Analysis in Cloud Systems [51.2882705779387]
Cloud-OpsBenchは、State Snapshot Paradigmを使用して、クラウドの決定論的デジタルツインを構築する大規模なベンチマークである。
フルスタックにまたがる40の根本原因タイプに452の障害ケースがある。
論文 参考訳（メタデータ） (2026-02-28T05:04:42Z) - RCAgent: Cloud Root Cause Analysis by Autonomous Agents with Tool-Augmented Large Language Models [46.476439550746136]
近年,クラウド根本原因分析(RCA)における言語モデル (LLM) の適用が活発に検討されている。
RCAgentは、実用的でプライバシに配慮した産業RCA利用のためのツール強化LDM自律エージェントフレームワークである。
RCAgentはGPTファミリではなく、内部的にデプロイされたモデル上で動作し、フリーフォームのデータ収集とツールによる包括的な分析を行うことができる。
論文 参考訳（メタデータ） (2023-10-25T03:53:31Z) - Searching Central Difference Convolutional Networks for Face
Anti-Spoofing [68.77468465774267]
顔認識システムにおいて、顔の反偽造(FAS)が重要な役割を担っている。
最先端のFASメソッドの多くは、スタック化された畳み込みと専門家が設計したネットワークに依存している。
ここでは、中央差分畳み込み(CDC)に基づくフレームレベルの新しいFAS手法を提案する。
論文 参考訳（メタデータ） (2020-03-09T12:48:37Z)
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。