ヒト免疫システムを模倣したWeb3.0時代におけるクラウド・エッジ自動修復基盤の構築

项目来源

日本学术振兴会基金(JSPS)

项目主持人

田村 慶信

项目受资助机构

山口大学

项目编号

23K11066

立项年度

2023

立项时间

未公开

研究期限

未知 / 未知

项目级别

国家级

受资助金额

4680000.00日元

学科

情報ネットワーク関連

学科代码

未公开

基金类别

基盤研究(C)

关键词

エッジコンピューティング ; ヒト免疫システム ; 信頼性 ; 最適化 ; クラウドコンピューティング ; 深層学習 ; Web3.0 ;

参与者

未公开

参与机构

山口大学,大学院創成科学研究科

项目标书摘要:本研究課題では,安心安全な社会の実現を目的として,エッジコンピューティング環境における高信頼化手法を提案してきた.クラウドコンピューティング環境は一極集中型であることから,現在ではエッジコンピューティングが主流となっている.このようなエッジコンピューティングは,分散型環境であることから,運用段階における信頼性評価と管理が難しい.こうしたエッジコンピューティング環境に対する信頼性評価法として,ジャンプ拡散過程モデルの数理的深化と高性能化とともに,申請者の既存研究を数理的に精緻化した.具体的には,数理モデルと深層学習を融合した新たなクラウド最適化フレームワークを確立した.本研究課題の2年目においては,著書2冊,著書(分担執筆)2冊,学術論文(査読付)3編,国際会議論文(査読付)7編(国際共著含む),研究報告3編,研究発表6件,基調講演1件,および受賞1件の研究業績を残してきた.上述した研究業績により,現象を物理的に表現した数理モデルと,内部をブラックボックスとして扱う深層学習という,温故知新の考え方に基づき相反するアプローチを用いることで,多角的な側面からエッジコンピューティング環境における高信頼化と最適化を図ることが可能となった.特に,深層学習に基づくエッジコンピューティング環境における信頼性評価および最適化に関する研究をメインとした業績を多くアウトプットできており,本研究課題における2年目の進捗状況としては,順調であるといえる.これまでは,クラウドコンピューティングが主流であった.一極集中型のクラウドサービスにおいては,ひとたび障害が発生すると全てのサービスが利用できなくなるという欠点が存在している.したがって,最近では,一極集中型のクラウドコンピューティングではなく,端末側にエッジサーバを設置したエッジコンピューティングに変わりつつある.これにより,システムが分散化されるため,障害に強いシステムを構築し運用することが可能となる.本研究課題では,1年目において,免疫システムを模倣したバグの修正者自動割り当てメカニズムを深層学習により構築した.また,クラウドに対する複数のエッジからの相互作用を統計的独立性に基づき雑音として組み込み,一般化ジャンプ拡散過程モデルを提案した.さらに,2年目においては,提案手法の実測データに対する適合性を証明するとともに,揺らぎ特性を有する稼働率を導出した.具体的には,提案手法の有効性を証明するために,既存手法に対する適合性評価結果を実測データに基づく数値例とともに示した.また,温故知新の考え方から,既存手法として知られるソフトウェア信頼度成長モデルを教師信号とした深層学習に基づくエッジコンピューティングに対する信頼性評価法を提案した.特に,実際のエッジコンピューティングにおいて使用されているオープンソースソフトウェアのフォールトデータを利用した数値例を示すとともに,エッジコンピューティングの運用段階を考慮した信頼性評価尺度として稼働率を導出し,その適用可能性について議論した.深層学習手法では長期的な予測が難しいという欠点があったが,提案手法は物理モデルを教師信号として組み込んでいるため,長期的な稼働率の推定が可能となった.本研究成果は,査読付学術論文誌および国際会議論文等において広く公表してきた.3年目においては,本研究課題の集大成として,これまでに申請者が開発してきた信頼性評価ツールのソースコードを再利用しつつ,数理モデルに関する知識がなくとも提案手法を容易に利用できるように提案手法をオープンソースソフトウェアのツールとして実装・公開する.また,ツールの機能と性能を検証する.さらに,2年目において提案された手法の実測データに対する適合性を証明する.特に,エッジコンピューティングに対する揺らぎ特性を有する稼働率を導出する.その際,実際のオープンなクラウドエッジ環境から得られた実測データに基づき,ヒト免疫による自然治癒メカニズムに基づく最適化研究を継続的に遂行し,深層学習に基づくフォールトビッグデータの学習と推定アルゴリズムを構築する.さらに,ヒト免疫機構を模倣することにより,オープンソースソフトウェアのバグトラッキングシステムに取り入れる仕組みに基づいた提案手法に対する有効性を検証することで,様々なWeb3.0型サービスに対して安心・安全な分散型自立システムを構築できるものと考える.本研究課題における集大成として,ヒト免疫による自然治癒メカニズムに基づく最適化研究に関する論文を公表する.また,これまでの提案手法に基づくアプリケーションソフトウェア開発に関する論文を投稿する.さらには,開発されたアプリケーションソフトウェアの性能検証に関する論文を海外の査読付学術論文誌へ投稿する.Reason:本研究課題では,安心安全な社会の実現を目的として,エッジコンピューティング環境における高信頼化手法を提案してきた.クラウドコンピューティング環境は一極集中型であることから,現在ではエッジコンピューティングが主流となっている.このようなエッジコンピューティングは,分散型環境であることから,運用段階における信頼性評価と管理が難しい.こうしたエッジコンピューティング環境に対する信頼性評価法として,ジャンプ拡散過程モデルの数理的深化と高性能化とともに,申請者の既存研究を数理的に精緻化した.具体的には,数理モデルと深層学習を融合した新たなクラウド最適化フレームワークを確立した.本研究課題の2年目においては,著書2冊,著書(分担執筆)2冊,学術論文(査読付)3編,国際会議論文(査読付)7編(国際共著含む),研究報告3編,研究発表6件,基調講演1件,および受賞1件の研究業績を残してきた.上述した研究業績により,現象を物理的に表現した数理モデルと,内部をブラックボックスとして扱う深層学習という,温故知新の考え方に基づき相反するアプローチを用いることで,多角的な側面からエッジコンピューティング環境における高信頼化と最適化を図ることが可能となった.特に,深層学習に基づくエッジコンピューティング環境における信頼性評価および最適化に関する研究をメインとした業績を多くアウトプットできており,本研究課題における2年目の進捗状況としては,順調であるといえる。Outline of Research at the Start:クラウドに数百億台の機器がネットにつながるような未来の「超データ社会」を実現するためには,クラウドとのデータのやり取りをなるべく抑える必要があり,中央集権型のクラウドだけでなくエッジコンピューティングが鍵を握っている.本研究課題では,これまでになかったアプローチとして,ヒト免疫システムの自然治癒メカニズムに基づき,エッジコンピューティングの背後にある特徴量を自動で抽出し,不規則な障害拡散状態の特性を解明する。

  • 排序方式:
  • 1
  • /
  • 1.Noise Analysis for OSS Stochastic Differential Equation Model as Training Data of Deep Learning

    • 关键词:
    • Big data;Data reliability;Deep learning;Differential equations;Random processes;Reliability analysis;Software reliability;Stochastic models;Stochastic systems;Big fault data;Deep learning;Fault data;Noise analyse;Open-source softwares;Reliability assessments;Sensitivity analyzes;Stochastic differential equation models;Training data;Wiener process
    • Tamura, Yoshinobu;Miyamoto, Shoichiro;Yamada, Shigeru;Yasui, Takumi;Zhou, Lei
    • 《1st International Conference on Consumer Technology, ICCT-Pacific 2025》
    • 2025年
    • March 29, 2025 - March 31, 2025
    • Matsue, Japan
    • 会议

    We focus on the noise analysis by using stochastic differential equation model as training data of deep learning. Then, we use the solution process of stochastic differential equation for the software fault analysis to the training data. Also, several numerical examples are shown in this paper. Moreover, this paper shows several sensitivity analyses for the actual big fault data. © 2025 IEEE.

    ...
  • 2.OSS Fault Removal System Based on Deep Learning Inspired by Immune System

    • 关键词:
    • ;Bug tracking system;Deep learning;Fault big data;Fault removal;Human bodies;Open-source softwares;Pathogenic microorganisms;Removal systems;Software fault;Source codes
    • Tamura, Yoshinobu;Miyamoto, Shoichiro;Anand, Adarsh;Takeda, Haruki;Zhou, Lei;Kapur, Pramod Kumar;Heima, Souta;Yamada, Shigeru
    • 《9th IEEE/ACIS International Conference on Big Data, Cloud Computing, and Data Science, BCD 2024》
    • 2024年
    • July 16, 2024 - July 18, 2024
    • Kitakyushu, Japan
    • 会议

    This paper focuses on the reliability of open source software (OSS). In particular, the proposed method is based on the deep learning by using the fault big data obtained from the bug tracking system. The immune system of human body takes on the role of the protection for the pathogenic microorganisms. Recently, the source code and complexity of OSS system become large year by year. Then, we assume that the OSS fault removal system is similar to the pathogenic microorganisms. We propose the OSS fault removal system based on deep learning inspired by immune system in this paper. © 2024 IEEE.

    ...
  • 3.Deep Learning Approach for OSS Reliability Assessment Considering Fault Modification

    • 关键词:
    • Big data;Deep learning;Fault detection;Learning systems;Open systems;Reliability analysis;Software reliability;Software testing;Deep learning;Fault modification;Faults detection;Learning approach;Maintenance efforts;Open-source softwares;Software fault;Software reliability assessment;Software reliability growth models;Testing effort
    • Tamura, Yoshinobu;Yamada, Shigeru
    • 《28th ISSAT International Conference on Reliability and Quality in Design, RQD 2023》
    • 2023年
    • August 3, 2023 - August 5, 2023
    • San Francisco, CA, United states
    • 会议

    This paper focuses on the fault big data of open source software (OSS). The fault detection phenomenon depends on the maintenance effort, because the number of software fault is influenced by the effort expenditure. Actually, the software reliability growth models with testing-effort have been proposed in the past. In this paper, we apply the deep learning approach to the OSS fault big data. Then, we show several reliability assessment measures based on the deep learning. Moreover, several numerical illustrations based on the proposed deep learning model are shown in this paper. © RQD 2023. All rights reserved.All right reserved.

    ...
  • 排序方式:
  • 1
  • /