ترجمه فارسی مقاله سری‌های زمانی مصنوعی برای تشخیص ناهنجاری در میکروسرویس‌های ابری

چکیده

This paper proposes a framework for time series generation built to investigate anomaly detection in cloud microservices. In the field of cloud computing, ensuring the reliability of microservices is of paramount concern and yet a remarkably challenging task. Despite the large amount of research in this area, validation of anomaly detection algorithms in realistic environments is difficult to achieve. To address this challenge, we propose a framework to mimic the complex time series patterns representative of both normal and anomalous cloud microservices behaviors. We detail the pipeline implementation that allows deployment and management of microservices as well as the theoretical approach required to generate anomalies. Two datasets generated using the proposed framework have been made publicly available through GitHub.

چکیده به فارسی (ترجمه ماشینی)

در این مقاله چارچوبی برای تولید سری زمانی ساخته شده برای بررسی تشخیص ناهنجاری در میکروسرویسهای ابر ارائه شده است.در زمینه محاسبات ابری ، اطمینان از قابلیت اطمینان میکروسرویس از اهمیت ویژه ای برخوردار است و در عین حال یک کار قابل توجه چالش برانگیز است.علیرغم تحقیقات زیادی در این زمینه ، اعتبارسنجی الگوریتم های تشخیص ناهنجاری در محیط های واقع بینانه دشوار است.برای پرداختن به این چالش ، ما چارچوبی را برای تقلید از الگوهای سری زمانی پیچیده نماینده رفتارهای میکروسروس های ابر عادی و غیر عادی ارائه می دهیم.ما جزئیات اجرای خط لوله را که امکان استقرار و مدیریت میکروسرویس و همچنین رویکرد نظری مورد نیاز برای تولید ناهنجاری ها را فراهم می کند ، جزئیات می دهیم.دو مجموعه داده تولید شده با استفاده از چارچوب پیشنهادی از طریق GitHub در دسترس عموم قرار گرفته است.