AI框架通过基于风险的决策增强IT修复安全性

研究人员开发了一个新的IT运维自动化修复框架，将其视为一个风险约束的干预决策问题。该方法利用约束马尔可夫决策过程（CMDPs）来最大化修复成功率，同时遵守有限的虚假修复率（FRR）。该系统包含一个三维风险分解（爆炸半径、可逆性、认知不确定性）以实现可解释的安全性，以及一个适应上下文的人机协作门控机制，该机制会根据值班负载和业务关键性进行调整。在微服务基准测试上的实验表明，FRR显著降低，修复成功率提高，同时值班升级负载也随之减少。 AI

影响 该框架可能带来更安全、更高效的自动化IT系统修复，减少人为错误和运营成本。

排序理由 该条目是一篇研究论文，详细介绍了一个用于IT运维的新AI框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• Chaos Mesh
• Command And Data Processing
• Constrained Markov Decision Processes with Expected Total Reward Criteria
• DagsHub
• Gotit.pub
• Hugging Face
• IT-Ops
• RCAEval
• ScienceCast
• train ticket

• 论文
• 安全
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →