文献

J-GLOBAL ID：202102266442785042   整理番号：21A0893459

軟化インフラストラクチャーにおける異常検出のためのLSTMベースラジオグラフィー【JST・京大機械翻訳】

LSTM-based radiography for anomaly detection in softwarized infrastructures

著者 (3件)： Diamanti Alessio (Orange Labs,Orange,92320 Chatillon,France) ,  Vilchez Jose Manuel Sanchez (Orange Labs,Orange,92320 Chatillon,France) ,  Secci Stefano (Cnam,Paris,75003 Paris,France)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ITC 32  ページ： 28-36  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： レガシーと新しいネットワークサービスは,完全に仮想化された環境で配備され,設計されることが期待される。5Gから始めて,NFVは,インフラストラクチャプロバイダネットワーク内に統合されたサービスのために,仕様で形式的に要求される煉瓦になる。この進化は,仮想資源仮想-Machine(VM)ベース,コンテナベースおよび/またはサーバレスプラットフォームの配置をもたらし,インフラストラクチャコンポーネントの深い仮想化を呼んでいる。また,そのようなネットワークソフト化により,さらに論理的ネットワーク仮想化,多層化,マルチアクターおよびマルチアクセスサービスを解放し,高いアベイラビリティ,セキュリティ,プライバシーおよびレジリエンス要求を実現できるようにした。しかし,導出された成分不均一性は,異常の検出と特性化を困難にするので,異常検出とNFVスタックの対応する再構成の間の関係は異常を緩和する。本論文では,仮想化ネットワーク化サービスにおける異常を検出し,特性化するために,Long-Short-Term-Memory(LSTM)オートエンコーダに基づく教師なし機械学習データ駆動手法を提案した。ラジオグラフィー可視化により,この手法は,LSTMベースオートエンコーダの軽量で反復平均2乗再構成誤差解析による任意の仮想化ネットワークサービスの名目パラメータ値からの偏差をスポットし,記述することができる。Kubernetesを用いて展開されたvIMS証明概念に関する実験的試験を通して,提案した方法を実装し,検証した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： コンテナ ,  煉瓦 ,  誤差解析 ,  レジリエンス ,  可視化 ,  プライバシー ,  アベイラビリティ ,  再構成 ,  *ラジオグラフィー ,  *インフラストラクチャー ,  キャラクタリゼーション ,  セキュリティ
準シソーラス用語： ネットワークサービス ,  異常検出 ,  仮想化 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 軟化 ,  インフラストラクチャー ,  異常検出 ,  LSTM ,  ラジオグラフィー