不确定条件下基于概率和博弈模型的运行时监控关键技术研究

Run-time monitoring technique has become indispensable means to detect software failure in open environment. However, many uncertainties, such as unclear requirements, changing environments, data acquisition inaccurate and outdated analysis technology, allow existing monitoring approaches often seem unable to meet, resulting in false monitoring results. Accordingly, the project will combine run-time technique with probability and game model, assist with other models, and focus on the uncertainty of monitoring mobile application software systems in an open environment, including: 1) analyzing uncertainty of the source system, establishing reasonable abstraction mechanisms, using different probability models to accurately represent various uncertainties, and defining the semantics of multi-value monitoring results based on game model. 2) a monitoring (observation, analysis, steering and execution) feedback control loop is proposed: i) defining the scope of monitoring, using probabilistic learning algorithm to update the model; ii) model-based analysis and prediction techniques against various non-functional properties are performed; iii) intelligent plan techniques are developed when violations are detects, so that the resulting policies can make balance among different non-functional properties, and minimize the consumption of system resources; iv) different types of execution techniques are developed to make the generated policies executed in a timely manner, and also ensure that models are always synchronized with system. 3) Based on the idea of Cybernetics monitoring load control, an optimally relieving performance bottlenecks approach is proposed under conditions of limited resources. The research and development in this project can provide new ideas for runtime monitoring techniques under conditions of uncertainty, and can also improve software quality of deployed software systems.

运行时监控技术已成为开放环境下检测软件失效不可缺少的手段。然而，需求不明确、环境多变、采集的数据不精确和过时的分析技术等不确定因素使得现有的监控方法时常显得不能适应，可能导致错误的监控结果。据此，本项目将运行时监控技术和概率、博弈模型相结合，并辅助其它模型，以开放环境下的移动软件系统为对象，重点研究其监控过程中的不确定性问题，包括：1)分析系统的不确定源，采用概率模型量化地表示各种不确定性，并定义其基于博弈模型的多值监控语义。2)研究基于观察、分析、调控和执行的闭路监控循环。定义监控范围，采用概率学习算法更新模型；基于模型分析和预测各种失效和威胁；研究在多个非功能属性间达均衡的智能调控技术；研究不同类型的执行技术，及时实施调控，并保证模型和系统同步。3)研究基于控制论的负载控制技术，使得在资源受限的条件下最优化地缓解性能瓶颈。本研究为监控技术的发展提供新思路，以期提高系统部署后的软件质量。

运行时监控技术已成为开放环境下检测软件失效不可缺少的手段。然而，需求不明确、环境多变、采集的数据不精确和过时的分析技术等不确定因素使得现有的监控方法时常显得不能适应，可能导致错误的监控结果。据此，本项目以服务软件为研究对象，提出了一系列新颖的面向服务质量的监控和预测算法。较为重要的成果包括时效感知的服务质量监控方法、多元服务质量监控方法、基于多元时间序列的服务质量预测方法和隐私保护服务质量预测方法等。1）针对现有方法未考虑复杂多变环境，并未对监控的时效性和监控分类带来的类间分布不均衡问题进行深入研究，提出了时效感知的服务质量监控方法。在模拟数据集和开源数据集上的实验结果表明：利用滑动窗口机制可以有效摒弃历史数据的过期信息，结合滑动窗口机制实现的基于信息增益的动态权值算法能够更加准确地监控，总体监控效果明显优先于现有方法。2）针对监控单个服务质量的方法不能达到用户的满意度要求，且明显地降低了实际监控环境中结果的准确性，提出了多元服务质量监控方法M-BSRM。在真实数据集和模拟数据集上的实验结果表明，M-BSRM方法更为有效，比其他方法更实用和有效。3）针对动态预测和长周期预测成为当前的研究重点，提出了基于时间序列的长周期服务质量预测方法，通过网络开源数据和自测数据的实验表明,本方法与传统方法相比有较好预测效果,更适合动态多步预测。4）针对移动边缘计算环境下用户信息泄露严重问题，提出了一种面向隐私保护的服务质量预测方法。通过网络开源数据的实验表明,本方法优于传统环境下的预测效率且相比传统隐私保护法更适合在移动边缘环境下进行服务质量预测。本研究为软件监控技术的发展提供新思路，以期提高系统部署后的软件质量。

内容获取失败，请点击重试