論文の概要: Rethinking Vulnerability Remediation as a Capacity Allocation Problem

• arxiv url: http://arxiv.org/abs/2608.28509v1
• Date: Fri, 28 Aug 2026 16:42:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-31 17:16:04.412825
• Title: Rethinking Vulnerability Remediation as a Capacity Allocation Problem
• Title（参考訳）: キャパシティアロケーション問題としての脆弱性修復の再考
• Abstract要約: 本研究では,脆弱性修復をApache Jira,Mozilla Bugzilla,Red Hat Security errata,5つのパブリックJira組織,npm依存グラフを使用したフローコントロール問題として評価する。 プライマリイシュートラッカの到着時間の94～100%は、キャパシティ以上と推定されるキューに入る。 フロー制御解析は、オーバーロードからドレインキューへの遷移は、より短い解像度時間に関連付けられ、重度ファーストのシークエンシングは、固定容量における臨界遅延を減少させ、キャパシティ予約は、長時間の臨界遅延を減少させる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As AI accelerates vulnerability discovery, remediation throughput may become a greater constraint than prioritisation accuracy. This study evaluates vulnerability remediation as a flow-control problem using Apache Jira, Mozilla Bugzilla, Red Hat security errata, five public Jira organisations, and an npm dependency graph. Apache resolution times are strongly heavy-tailed, while 94-100% of arrivals in the primary issue trackers enter queues estimated to be at or above capacity. Queue-context models provide only moderate predictive discrimination and are largely matched by simple project-level baselines. Severity-to-speed discrimination varies substantially across systems. Flow-control analyses show larger operational effects: transitions from overloaded to draining queues are associated with shorter resolution times, severity-first sequencing reduces critical-item delay at fixed capacity, and capacity reservation can reduce prolonged critical-item delays. Owner-level analyses further show that available capacity is useful only when it is located where demand occurs or can be transferred through relevant expertise connections. These findings support treating vulnerability remediation as a flow-control and capacity-allocation problem rather than solely a ranking problem.
• Abstract（参考訳）: AIが脆弱性発見を加速するにつれて、修復のスループットは優先順位付けの精度よりも大きな制約になる可能性がある。 本研究では,脆弱性修復をApache Jira,Mozilla Bugzilla,Red Hat Security errata,5つのパブリックJira組織,npm依存グラフを使用したフローコントロール問題として評価する。 プライマリイシュートラッカの到着時間の94～100%は、キャパシティ以上と推定されるキューに入る。 キューコンテキストモデルは、適度な予測的識別しか提供せず、ほとんどの場合、単純なプロジェクトレベルのベースラインによって一致します。 深刻さとスピードの区別はシステムによって大きく異なる。 フロー制御解析は、オーバーロードからドレインキューへの遷移は、より短い解像度時間に関連付けられ、重度ファーストのシークエンシングは、固定容量における臨界遅延を減少させ、キャパシティ予約は、長時間の臨界遅延を減少させる。 所有者レベルの分析により、利用可能なキャパシティは、需要が発生した場所や、関連する専門的接続を通じて転送可能な場所にある場合にのみ有用であることが示された。 これらの知見は,フローコントロールとキャパシティアロケーションの問題として,単にランキングの問題ではなく,脆弱性修復を治療することを支援する。

関連論文リスト

• DCFA: Dual-view Causal-inspired Attribution for Failure Reasoning in LLM-based Multi-agent Systems [61.11435469308521]
  大規模言語モデルシステムにおける障害帰属のためのトレーニング不要フレームワークDCFAを提案する。 DCFAは、システムトレースから構造化因果インスパイアされた依存性グラフを構築するグローバルモジュールを統合する。 実験の結果、DCFAは最先端のベースラインよりもステップレベルの精度を最大8.27%向上することが示された。
  論文  参考訳（メタデータ） (2026-09-04T05:29:31Z)
• Mind the Long Tail: Understanding the Difficulty of Delay Detection in Business Processes [11.211357105552686]
  残りの時間は典型的には右折であり,遅延が大きい症例はごくわずかである。 さらに, 予測の不確実性は, 遅延の程度で増大することを示す。
  論文  参考訳（メタデータ） (2026-08-14T15:08:14Z)
• Making Every Step Count: Spatio-Temporal Information Allocation for Imaging Inverse Problems [63.904793414062816]
  スペクトルベーススケジューリング(SAS)と計測分割アテンション(MPA)の2つの補完的およびトレーニング不要なコンポーネントを紹介する。 SASは、利用可能なNFEを、スペクトルおよびlogSNR幾何に従ってフロータイムに分散し、セマンティック探索と詳細精細化のバランスを良くする。 MPAは情報を弱い制約のある領域へ誘導し、意味的および構造的忠実性を高める。
  論文  参考訳（メタデータ） (2026-08-12T07:39:22Z)
• Strait: Perceiving Priority and Interference in ML Inference Serving [0.0]
  EmphStraitは、GPU利用率の高い二重優先度推論トラフィックの期限満足度を高めるために設計されたサービスシステムである。 ストレートは、高優先度タスクの期限違反を1.02から11.18ポイント削減し、低優先度タスクの許容コストを発生させる。
  論文  参考訳（メタデータ） (2026-04-30T17:55:28Z)
• Blockchain-Enabled Routing for Zero-Trust Low-Altitude Intelligent Networks [77.17664010626726]
  低高度インテリジェントネットワーク(LAIN)における複数のUAVクラスタによるルーティングに焦点を当てる。 潜在的な脅威によるダメージを最小限に抑えるため,ソフトウェア定義の周辺技術とブロックチェーン技術を用いたゼロトラストアーキテクチャを提案する。 提案手法は,平均E2E遅延を59%削減し,TSRを29%改善することを示した。
  論文  参考訳（メタデータ） (2026-02-27T04:30:35Z)
• Scalable Back-End for an AI-Based Diabetes Prediction Application [0.0]
  本稿では,モバイル糖尿病予測アプリケーション用に設計されたスケーラブルなバックエンドシステムの開発と評価について述べる。 アーキテクチャは水平スケーリング、データベースシャーディング、メッセージキューによる非同期通信を活用する。 このシステムは、最大1万の同時ユーザを問題なく処理できることを示し、スケーラビリティを検証した。
  論文  参考訳（メタデータ） (2025-12-09T00:59:20Z)
• Intra-request branch orchestration for efficient LLM reasoning [52.68946975865865]
  大規模言語モデル(LLM)は、複雑なタスクの正確性を改善するために、推論時推論アルゴリズムにますます依存している。 それまでの作業は、トークンの使用を減らすことを中心に、多くの場合、正確さを犠牲にしつつ、他のレイテンシ要因を見越すことに重点を置いていた。 本稿では,LLMサービスシステムであるDUCHESSについて,予測によって導かれるリクエスト内ブランチオーケストレーションにより,精度を犠牲にすることなく,コストとレイテンシを低減できるシステムを提案する。
  論文  参考訳（メタデータ） (2025-09-29T15:52:08Z)
• Towards Fault Tolerance in Multi-Agent Reinforcement Learning [10.314885753121905]
  エージェントフォールトはマルチエージェント強化学習(MARL)アルゴリズムの性能に重大な脅威をもたらす。 本稿では,MARLの耐故障性を向上させるために,最適化されたモデルアーキテクチャとトレーニングデータサンプリング戦略を併用する。
  論文  参考訳（メタデータ） (2024-11-30T16:56:29Z)
• It Is Time To Steer: A Scalable Framework for Analysis-driven Attack Graph Generation [50.06412862964449]
  アタックグラフ(AG)は、コンピュータネットワークに対するマルチステップ攻撃に対するサイバーリスクアセスメントをサポートする最も適したソリューションである。 現在の解決策は、アルゴリズムの観点から生成問題に対処し、生成が完了した後のみ解析を仮定することである。 本稿では,アナリストがいつでもシステムに問い合わせることのできる新しいワークフローを通じて,従来のAG分析を再考する。
  論文  参考訳（メタデータ） (2023-12-27T10:44:58Z)
• A Universal Error Measure for Input Predictions Applied to Online Graph Problems [57.58926849872494]
  本稿では,入力予測における誤差の定量化のための新しい尺度を提案する。 この尺度は、予測されていない要求と予測されていない実際の要求によるエラーをキャプチャする。
  論文  参考訳（メタデータ） (2022-05-25T15:24:03Z)
• PreGAN: Preemptive Migration Prediction Network for Proactive Fault-Tolerant Edge Computing [12.215537834860699]
  本稿では,GAN(Generative Adrial Network)を用いた複合AIモデルPreGANを提案する。 PreGANは、欠陥検出、診断、分類において最先端のベースライン手法より優れており、高い品質のサービスを実現することができる。
  論文  参考訳（メタデータ） (2021-12-04T09:40:50Z)
• Stochastic bandits with arm-dependent delays [102.63128271054741]
  我々は、単純なUCBベースのアルゴリズムであるPatentBanditsを提案する。 問題に依存しない境界も問題に依存しない境界も、性能の低い境界も提供します。
  論文  参考訳（メタデータ） (2020-06-18T12:13:58Z)

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。