Monitoring applications: An immune inspired algorithmfor software-fault detection

Abstract

Large-scale software systems are in general difficult to manage and monitor. In many cases, these systemsdisplay unexpected behavior, especially after being updated or when changes occur in their environment(operating system upgrades or hardware migrations, to name a few). Therefore, to handle a chang-ing environment, it is desirable to base fault detection and performance monitoring on self-adaptivetechniques.Several studies have been carried out in the past which, inspired on the immune system, aim at solvingcomplex technological problems. Among them, anomaly detection, pattern recognition, system securityand data mining are problems that have been addressed in this framework.There are similarities between the software fault detection problem and the identification of thepathogens that are found in natural immune systems. Being inspired by vaccination and negative andclonal selection observed in these systems, we developed an effective self-adaptive model to monitorsoftware applications analyzing the metrics of system resources.

دانلود رایگان مقاله انگلیسی                          1.89 MB

چکیده

مدیریت و نظارت سیستم های نرم افزار مقیاس بزرگ در کل سخت می باشند. در اکثر موارد، این سیستم ها رفتار غیرمنتظره مخصوصا بعد از آپدیت شدن یا هنگام وقوع تغییرات در محیط شان (ترفیع های سیستم عامل یا مهاجرت های سخت افزاری) نشان می دهند. بنابراین، برای کنترل محیط در حال تغییر، نظارت کارایی و تشخیص خرابی برمبنای تکنیک های خود انطباقی، مطلوب است. مطالعات متعددی در گذشته انجام گرفتند که با الهام از سیستم ایمنی، هدفشان، حل مسائل تکنولوژیکی پیچیده است. در میان آنها، تشخیص ناهنجاری، تشخیص الگو، امنیت سیستم و داده کاوی مسائلی هستند که در این چارچوب مورد بررسی قرار گرفته اند. شباهت هایی بین مسئله تشخیص خرابی نرم افزار و شناسایی پاتوژن هایی هستند که در سیستم های ایمنی طبیعی یافت می شوند. با الهام از واکسیناسیون و انتخاب غیرجنسی و منفی مشاهده شده در این سیستم ها، یک مدل خود انطباقی موثر برای نظارت کاربردهای نرم افزاری با آنالیز معیارهای منابع سیستم توسعه دادیم.

تعداد صفحات مقاله انگلیسی:10 صفحه
تعداد صفحات مقاله فارسی:23 صفحه