ໃນສະພາບແວດລ້ອມຂອງອິນເຕີເນັດໃນມື້ນີ້ທີ່ມີຄຸນນະພາບຄຸນນະພາບອິນເຕີເນັດແລະຄຸນນະພາບອິນເຕີເນັດ, ຄວາມປອດໄພຂອງລະບົບແມ່ນບໍ່ໄດ້ຖືກປິ່ນປົວໂດຍການປິ່ນປົວຢ່າງງ່າຍດາຍ, ແຕ່ໂດຍການຮ່ວມເພດທີ່ສົມບູນແບບລະຫວ່າງ microservices, ອັດຕະໂນມັດ, ແລະມາດຕະຖານການຝຶກອົບຮົມເຄື່ອງ. ເພື່ອຮູ້ວິທີທີ່ AI ທີ່ສາມາດປິ່ນປົວສາມາດປ່ຽນແປງວິສະວະກໍາຄວາມປອດໄພ, ພວກເຮົາມີຄວາມສົນໃຈກັບ Adithya Jakkaraju, ຜູ້ຊ່ຽວຊານຂອງ IEEE International Conference on Advances in Next-Generation Computer Science (ICANCS) 2025 Best Paper, ການຄາດຄະເນດິນຟ້າອຸດສາຫະກໍາ (AI) ສະ ຫນັບ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ການສອບເສັງ AI ສໍາລັບ Microservices Resilient: A Transparency-Driven Approach Q: Can you summarize the core idea behind your research? ພວກເຮົາ ກໍາ ລັງເຮັດທຸລະກິດໃນ 2012. ພວກເຮົາແມ່ນບໍລິສັດທີ່ໃຫຍ່ທີ່ສຸດ ສໍາ ລັບຜູ້ໃຫ້ບໍລິການລູກຄ້າຂອງພວກເຮົາ. ພວກເຮົາແມ່ນບໍລິສັດທີ່ໃຫຍ່ທີ່ສຸດ ສໍາ ລັບຜູ້ໃຫ້ບໍລິການລູກຄ້າຂອງພວກເຮົາ. ພວກເຮົາແມ່ນບໍລິສັດທີ່ໃຫຍ່ທີ່ສຸດ ສໍາ ລັບຜູ້ໃຫ້ບໍລິການລູກຄ້າຂອງພວກເຮົາ. ພວກເຮົາແມ່ນບໍລິສັດທີ່ໃຫຍ່ທີ່ສຸດ ສໍາ ລັບຜູ້ໃຫ້ບໍລິການລູກຄ້າຂອງພວກເຮົາ. Adithya: Q: What specific problems do black-box AI systems create in production environments? Black-box AI ສະ ຫນັບ ສະ ຫນັບ ສະ ຫນັບ ສະ ຫນັບ ສະ ຫນັບ ສະ ຫນັບ ສະ ຫນັບ ສະ ຫນັບ ສະ ຫນັບ ສະ ຫນັບ ສະ ຫນັບ ສະ ຫນັບ ສະ ຫນັບ ສະ ຫນູນ ສະ ຫນັບ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ: Adithya: 
 
 
 
 ການຄາດຄະເນດິນດີຕ້ອນຮັບ: ການວິສະວະກອນບໍ່ສາມາດຄາດຄະເນດິນດີຕ້ອນຮັບການບໍລິການຫຼັງຈາກນັ້ນຫຼັງຈາກນັ້ນຫຼັງຈາກນັ້ນ. ການທົດສອບປະສິດທິພາບທີ່ຜ່ານມາ: ການທົດສອບປະສິດທິພາບທີ່ຜ່ານມາ: ການທົດສອບປະສິດທິພາບທີ່ຜ່ານມາ ການຄາດຄະເນດິນດີຕ້ອນຮັບ: ການຄາດຄະເນດິນດີຕ້ອນຮັບ: ການຄາດຄະເນດິນດີຕ້ອນຮັບ: ການຄາດຄະເນດິນດີຕ້ອນຮັບ ໃນສະພາບແວດລ້ອມ microservices ຂະຫນາດໃຫຍ່, ຄໍາຮ້ອງສະຫມັກເຫຼົ່ານີ້ໄດ້ປັບປຸງຢ່າງງ່າຍດາຍ, ເຮັດໃຫ້ເປັນຜົນປະໂຫຍດ cascading ແລະເວລາການປິ່ນປົວເພີ່ມເຕີມ. Q: How does your framework address these challenges? ສະຖຽນລະພາບອຸປະກອນການຝຶກອົບຮົມແລະການຝຶກອົບຮົມການຝຶກອົບຮົມ ITS Adithya: ວິທີການ: 
 
 
 
 SHAP ແລະ LIME ໄດ້ຖືກນໍາໃຊ້ເພື່ອສອບເສັງການຄຸ້ມຄອງທີ່ແຕກຕ່າງກັນໃນລະດັບ feature. Networks Bayesian ໄດ້ຖືກນໍາໃຊ້ເພື່ອຊອກຫາເສັ້ນທາງຜົນກະທົບ probabilistic ໃນໄລຍະການເຊື່ອມຕໍ່ການບໍລິການ. ການສອບເສັງ counterfactual ເຮັດໃຫ້ປະສິດທິພາບສໍາລັບການປະຕິບັດການຂະຫຍາຍຕົວແລະການປິ່ນປົວໂດຍສະແດງໃຫ້ເຫັນວ່າສິ່ງທີ່ຈະກວດສອບຄວາມຜິດພາດ. ນີ້ຮັບປະກັນວ່າທຸກການປະຕິບັດຂອງ AI ແມ່ນລວມກັບການສອບເສັງຢ່າງງ່າຍດາຍແລະເຕັກໂນໂລຊີໄດ້. Q: Was this approach validated with real system data? ສະພາບແວດລ້ອມໄດ້ຖືກຢັ້ງຢືນໂດຍໃຊ້ສະພາບແວດລ້ອມ microservices ເຊັ່ນດຽວກັນກັບການຜະລິດທີ່ມີຫຼາຍກ່ວາ 38 ການບໍລິການຕິດຕັ້ງໃນ clusters Kubernetes. ຄວາມປອດໄພເຊັ່ນດຽວກັນກັບຄວາມປອດໄພ, ຄວາມປອດໄພ, ຄວາມປອດໄພແລະຄວາມປອດໄພຂອງການເຄື່ອນໄຫວໄດ້ຖືກເຂົ້າລະຫັດຢ່າງວ່ອງໄວ. Adithya: ຄວາມຄິດເຫັນທີ່: 
 
 
 
 ການຫຼຸດລົງ 42% ໃນ Time Mean To Recovery (MTTR) ການປັບປຸງ 35% ໃນຄໍາຮ້ອງສະຫມັກ mitigation ທີ່ດີເລີດ ເຖິງ 53% ການກວດສອບອຸປະກອນທີ່ດີເລີດໂດຍການຄົ້ນຄວ້າທີ່ຄາດຄະເນດິນເຕີເນັດ ຄວາມຄິດເຫັນນີ້ສະແດງໃຫ້ເຫັນວ່າການປັບປຸງຜົນປະໂຫຍດການເຮັດວຽກໄດ້ຢ່າງງ່າຍດາຍ. Q: Many engineers worry that explainability adds performance overhead. How does your work address this? ການຄາດຄະເນດິນດີຕ້ອນຮັບໄດ້ຖືກຕ້ອງ. ການຄາດຄະເນດິນດີຕ້ອນຮັບໄດ້ຖືກຄາດຄະເນດິນດີຕ້ອນຮັບຢ່າງວ່ອງໄວ. ການຄາດຄະເນດິນດີຕ້ອນຮັບໄດ້ນໍາໃຊ້ປະມານ 15-20% ການຄາດຄະເນດິນດີຕ້ອນຮັບເພີ່ມເຕີມ, ລວມທັງການຄາດຄະເນດິນດີຕ້ອນຮັບການຄາດຄະເນດິນດີຕ້ອນຮັບການຄາດຄະເນດິນດີຕ້ອນຮັບການຄາດຄະເນດິນດີຕ້ອນຮັບການຄາດຄະເນດິນດີຕ້ອນຮັບ. Adithya: Q: How does this research translate to regulated industries like finance and insurance? ອຸດສາຫະກໍາການຄວບຄຸມຕ້ອງການບໍ່ພຽງແຕ່ຄວາມປອດໄພ, ແຕ່ຄວາມຮັບຜິດຊອບ. ລະບົບ AI must explain their decisions to auditors, regulators, and executive stakeholders. By producing cryptographically audited explanation logs and trace-aligned diagnostics, framework enables organizations to meet governance requirements while still benefiting from automation. This is especially critical in financial services, where unexplained system behavior can have regulatory and economic consequences. Adithya: Q: Did the explainability layer change how engineers interacted with incidents? ການຄາດຄະເນດິນດີຕ້ອນຮັບຂອງພວກເຮົາແມ່ນການຄາດຄະເນດິນດີຕ້ອນຮັບຂອງພວກເຮົາ. ການຄາດຄະເນດິນດີຕ້ອນຮັບຂອງພວກເຮົາແມ່ນການຄາດຄະເນດິນດີຕ້ອນຮັບຂອງພວກເຮົາ. Adithya: Q: What makes this work different from existing AIOps approaches? ຄໍາຖາມທີ່ດີທີ່ສຸດ. ການແກ້ໄຂ AIOps ຫຼາຍກວ້າງຂວາງກ່ຽວກັບຄວາມຖືກຕ້ອງຂອງການຄາດຄະເນດິນດີຕ້ອນຮັບ, ແຕ່ບໍ່ຮູ້ສຶກວ່າສາມາດດໍາເນີນການ. ການເຮັດວຽກນີ້ຄາດຄະເນດິນດີຕ້ອນຮັບເປັນຄຸນນະສົມບັດຂອງຄວາມປອດໄພ, ບໍ່ວ່າຈະເປັນການຄາດຄະເນດິນດີຕ້ອນຮັບ. ມັນສະຫນອງຮູບແບບອຸດສາຫະກໍາ, ການຄາດຄະເນດິນດີຕ້ອນຮັບປະສິດທິພາບ, ແລະຜົນປະໂຫຍດທີ່ຖືກຄາດຄະເນດິນດີຕ້ອນຮັບທີ່ສະແດງໃຫ້ເຫັນວ່າ AI ທີ່ສາມາດດໍາເນີນການຢ່າງງ່າຍດາຍໃນຂະຫນາດໃຫຍ່, ບໍ່ວ່າຈະເປັນການຄົ້ນຄວ້າ. Adithya: Q: What is the broader takeaway for system architects and engineering leaders? ການນໍາສະເຫນີທີ່ສໍາຄັນແມ່ນວ່າລະບົບ AI ມີຄວາມປອດໄພຕ້ອງເປັນລະບົບທີ່ຮູ້ຈັກ. ອັດຕະໂນມັດໂດຍບໍ່ມີຄວາມປອດໄພເພີ່ມຄວາມປອດໄພໃນຂະນະທີ່ຫຼຸດຜ່ອນຄວາມປອດໄພ. ໂດຍການເຊື່ອມຕໍ່ຄວາມປອດໄພໃນຄວາມປອດໄພທີ່ອະນຸຍາດໂດຍ AI, ບໍລິສັດສາມາດບັນລຸຄວາມປອດໄພທີ່ດີກວ່າ, ຄວາມປອດໄພເພີ່ມເຕີມໃນລະບົບອັດຕະໂນມັດ, ແລະຄວາມປອດໄພເພີ່ມເຕີມໃນລະບົບອັດຕະໂນມັດ. ຄວາມປອດໄພແມ່ນບໍ່ມີຄ່າໃຊ້ຈ່າຍ; ມັນເປັນ multiplier ພະລັງງານສໍາລັບຄວາມປອດໄພ. Adithya: Q: Last question - What’s next for this area of research? ການເຮັດວຽກທີ່ຜ່ານມາຈະສຸມໃສ່ການສອບເສັງ cross-cloud, ການສອບເສັງການຝຶກອົບຮົມ, ແລະການມາດຕະຖານຮູບແບບການສອບເສັງສໍາລັບອຸປະກອນການສອບເສັງ Enterprise. ໃນຂະນະທີ່ AI ຈະເຂົ້າໄປໃນອຸດສາຫະກໍາທີ່ສໍາຄັນ, ການສອບເສັງຈະເປັນສິ່ງທີ່ສໍາຄັນສໍາລັບການກໍ່ສ້າງລະບົບທີ່ບໍ່ພຽງແຕ່ intelligent, ແຕ່ບໍ່ພຽງແຕ່ສາມາດຮັບປະກັນ. Adithya: 
 
 ຫນ້າທໍາອິດ » Blogging » Blogging » Blogging » Blogging » Blogging » Blogging » Blogging » Blogging » Blogging ຫນ້າທໍາອິດ » Blogging » Blogging » Blogging » Blogging » Blogging » Blogging » Blogging » Blogging » Blogging ຫນ້າທໍາອິດ / Hackernon . ຊອບແວ Blog Business ຊອບແວ Blog Business ຊອບແວ Blog Business

This story contains new, firsthand information uncovered by the writer.

The is an opinion piece based on the author’s POV and does not necessarily reflect the views of HackerNoon.

ສຽງນີ້ຖືກຜະລິດເປັນພາສາຕົ້ນສະບັບຂອງເລື່ອງ!

ການກໍ່ສ້າງລະບົບການຄອມພິວເຕີທີ່ມີຄວາມປອດໄພທີ່ມີ AI ແລະ microservices

About Author

ຄຳເຫັນ

ວາງປ້າຍ

ບົດຄວາມນີ້ໄດ້ຖືກນໍາສະເຫນີໃນ

Related Stories

Welcome to HackerNoon Decoded: The Best of 2024 Tech Blogging

API Security Testing Based on Schema: Highs and Lows

On Building HackerNoon's Pixel Icon Library

New Year, New Exciting Features: Mint Your Name, Watch Web 2.5 and Meet The Top Startups of The Year

Welcome to HackerNoon Decoded: The Best of 2024 Tech Blogging

API Security Testing Based on Schema: Highs and Lows

On Building HackerNoon's Pixel Icon Library

New Year, New Exciting Features: Mint Your Name, Watch Web 2.5 and Meet The Top Startups of The Year

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps

ການກໍ່ສ້າງລະບົບການຄອມພິວເຕີທີ່ມີຄວາມປອດໄພທີ່ມີ AI ແລະ microservices

About Author

ຄຳເຫັນ

ວາງປ້າຍ

ບົດ​ຄວາມ​ນີ້​ໄດ້​ຖືກ​ນໍາ​ສະ​ເຫນີ​ໃນ

Related Stories

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps

ບົດຄວາມນີ້ໄດ້ຖືກນໍາສະເຫນີໃນ