Buchumschlag

Praxium: Diagnosing Cloud Anomalies with AI-based Telemetry and Dependency Analysis

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kumar, Rohan, Li, Jason, Zhang, Zongshun, Qasim, Syed Mohammad, Stringhini, Gianluca, Coskun, Ayse K.
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Software Engineering Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Advancing Software Security and Reliability in Cloud Platforms through AI-based Anomaly Detection
von: Saleh, Sabbir M., et al.
Veröffentlicht: (2024)

Try with Simpler -- An Evaluation of Improved Principal Component Analysis in Log-based Anomaly Detection
von: Yang, Lin, et al.
Veröffentlicht: (2023)

RCAEval: A Benchmark for Root Cause Analysis of Microservice Systems with Telemetry Data
von: Pham, Luan, et al.
Veröffentlicht: (2024)

On the Effectiveness of Log Representation for Log-based Anomaly Detection
von: Wu, Xingfang, et al.
Veröffentlicht: (2023)

Anomaly Detection in Large-Scale Cloud Systems: An Industry Case and Dataset
von: Islam, Mohammad Saiful, et al.
Veröffentlicht: (2024)

Comparative Analysis of Quantum and Classical Support Vector Classifiers for Software Bug Prediction: An Exploratory Study
von: Nadim, Md, et al.
Veröffentlicht: (2025)

Instrumentation of Software Systems with OpenTelemetry for Software Visualization
von: Hansen, Malte, et al.
Veröffentlicht: (2024)

The Cost of Convenience: Identifying, Analyzing, and Mitigating Predatory Loan Applications on Android
von: Akanji, Olawale Amos, et al.
Veröffentlicht: (2026)

On the Freshness of Pinned Dependencies in Maven
von: Vikram, Vasudev, et al.
Veröffentlicht: (2025)

On Developers' Self-Declaration of AI-Generated Code: An Analysis of Practices
von: Kashif, Syed Mohammad, et al.
Veröffentlicht: (2025)

Quantum vs. Classical Machine Learning Algorithms for Software Defect Prediction: Challenges and Opportunities
von: Nadim, Md, et al.
Veröffentlicht: (2024)

KPIRoot+: An Efficient Integrated Framework for Anomaly Detection and Root Cause Analysis in Large-Scale Cloud Systems
von: Gu, Wenwei, et al.
Veröffentlicht: (2025)

FusionLog: Cross-System Log-based Anomaly Detection via Fusion of General and Proprietary Knowledge
von: Zhao, Xinlong, et al.
Veröffentlicht: (2025)

Explainability as a Compliance Requirement: What Regulated Industries Need from AI Tools for Design Artifact Generation
von: Shah, Syed Tauhid Ullah, et al.
Veröffentlicht: (2025)

Enhancing Web Service Anomaly Detection via Fine-grained Multi-modal Association and Frequency Domain Analysis
von: Yang, Xixuan, et al.
Veröffentlicht: (2025)

Transfer learning for conflict and duplicate detection in software requirement pairs
von: Malik, Garima, et al.
Veröffentlicht: (2023)

An Architecture for Privacy-Preserving Telemetry Scheme
von: Odoh, Kenneth
Veröffentlicht: (2025)

REGAL: A Registry-Driven Architecture for Deterministic Grounding of Agentic AI in Enterprise Telemetry
von: Agrawal, Yuvraj
Veröffentlicht: (2026)

FedLAD: A Modular and Adaptive Testbed for Federated Log Anomaly Detection
von: Liao, Yihan, et al.
Veröffentlicht: (2025)

Automated Cloud Infrastructure-as-Code Reconciliation with AI Agents
von: Yang, Zhenning, et al.
Veröffentlicht: (2025)

Integrating Large Language Models for Automated Structural Analysis
von: Liang, Haoran, et al.
Veröffentlicht: (2025)

Can Hessian-Based Insights Support Fault Diagnosis in Attention-based Models?
von: Jahan, Sigma, et al.
Veröffentlicht: (2025)

An ML-based Approach to Predicting Software Change Dependencies: Insights from an Empirical Study on OpenStack
von: Arabat, Ali, et al.
Veröffentlicht: (2025)

LogPurge: Log Data Purification for Anomaly Detection via Rule-Enhanced Filtering
von: Zhang, Shenglin, et al.
Veröffentlicht: (2025)

DeputyDev -- AI Powered Developer Assistant: Breaking the Code Review Logjam through Contextual AI to Boost Developer Productivity
von: Khare, Vishal, et al.
Veröffentlicht: (2025)

Fault Localization in Deep Learning-based Software: A System-level Approach
von: Morovati, Mohammad Mehdi, et al.
Veröffentlicht: (2024)

LogELECTRA: Self-supervised Anomaly Detection for Unstructured Logs
von: Yamanaka, Yuuki, et al.
Veröffentlicht: (2024)

ASTD Patterns for Integrated Continuous Anomaly Detection In Data Logs
von: Jabri, Chaymae El, et al.
Veröffentlicht: (2024)

Assessing the Quality and Security of AI-Generated Code: A Quantitative Analysis
von: Sabra, Abbas, et al.
Veröffentlicht: (2025)

Identifying Performance Issues in Cloud Service Systems Based on Relational-Temporal Features
von: Gu, Wenwei, et al.
Veröffentlicht: (2023)

LogLead -- Fast and Integrated Log Loader, Enhancer, and Anomaly Detector
von: Mäntylä, Mika, et al.
Veröffentlicht: (2023)

Hypergraph-Guided Regex Filter Synthesis for Event-Based Anomaly Detection
von: Ferreira, Margarida, et al.
Veröffentlicht: (2025)

Graph Neural Networks based Log Anomaly Detection and Explanation
von: Li, Zhong, et al.
Veröffentlicht: (2023)

Diagnosing Violations of State-based Specifications in iCFTL
von: Stratan, Cristina, et al.
Veröffentlicht: (2025)

A Comprehensive Study of Machine Learning Techniques for Log-Based Anomaly Detection
von: Ali, Shan, et al.
Veröffentlicht: (2023)

OneLog: Towards End-to-End Training in Software Log Anomaly Detection
von: Hashemi, Shayan, et al.
Veröffentlicht: (2021)

Is Your Anomaly Detector Ready for Change? Adapting AIOps Solutions to the Real World
von: Poenaru-Olaru, Lorena, et al.
Veröffentlicht: (2023)

FAME: Failure-Aware Mixture-of-Experts for Message-Level Log Anomaly Detection
von: Wang, Huanchi, et al.
Veröffentlicht: (2026)

ANVIL: Anomaly-based Vulnerability Identification without Labelled Training Data
von: Wang, Weizhou, et al.
Veröffentlicht: (2024)

Beyond Window-Based Detection: A Graph-Centric Framework for Discrete Log Anomaly Detection
von: Qi, Jiaxing, et al.
Veröffentlicht: (2025)