Détection non supervisée de fautes dans des plateformes infonuagiques

Défi de développement technologique 5G (ENCQOR)

Détection non supervisée de fautes dans des plateformes infonuagiques

Date de lancement du défi :

Le 24 mai 2019

Date limite du défi : 

6 septembre 2019 (Cet appel à projet est échu. Les avis d’intérêts ne sont plus acceptés.)

Énoncé du défi :

Les plateformes infonuagiques hébergent la majorité de services pour la technologie 5G. Les logiciels appartenant à ses plateformes, ainsi que les logiciels 5G qui roulent aussi sur ses plateformes, constituent un système complexe qui peut tomber en panne de manières différentes. L’objectif de ce projet est d’explorer l’utilisation de techniques d’apprentissage machine non-supervisés pour assurer la détection de fautes et anomalies dans des systèmes complexes en utilisant les plateformes infonuagiques comme cas d’utilisation.

Partenaire de projet :

Ericsson Canada Inc.

Durée :

2 ans

Financement disponible :

$60,000 ($30,000/an pour les deux Ph.D.)

Type de candidat :

Université au Québec/Ontario (sélectionnée selon RFP)

Emplacement :

Le travail peut être réalisé dans les laboratoires universitaires ainsi que chez Ericsson à Montréal/Ottawa

Détails du projet :

Le fait de détecter les fautes/pannes de système seulement quand un service est interrompu et les utilisateurs portent plainte a des effets néfastes sur l’aspect opérationnel du système.  Pour assurer une détection des fautes/pannes et anomalies au moment opportun, une technique courante consiste à surveiller le système pour identifier les symptômes de fautes déjà connues. Ceci exige une connaissance apriori du système, au but d’identifier les symptômes/signes de fautes/pannes. Cependant, cette approche n’est pas efficace, car elle dépend des connaissances de l’expert humain pour identifier les fautes/pannes.

Le but de ce projet est de développer une technique non-supervisée (ou bien semi-supervisée) pour détecter les fautes/pannes et anomalies dans une plateforme infonuagique. Ceci comprend :

• Utilisation de plusieurs sources de données incluant la surveillance des paramètres de performance et des fichiers log
• Développement de techniques non-supervisées pour la détection des anomalies, généralisation de la méthode afin de détecter les fautes/pannes en utilisant de techniques semi-supervisées.
• Identification de méthodes de généralisation du modèle acquis/appris au niveau d’un site infonuagique (e.g., un déploiement de test ou environnement laboratoire) à un autre site infonuagique (e.g., système de production en direct).

Objectifs / résultats du projet

Les livrables du projet sont :

• Système de détection de fautes/pannes et anomalies qui satisfait les exigences/spécifications mentionnes ci-dessus
• Publication de papiers de recherche et de brevets qui illustrent les résultats obtenus
• Implémentation pour la validation de principe dans quelques plateformes infonuagiques (comme OpenStack, K8S, etc.)

Expérience du demandeur

2 chercheurs ayant diplôme de PhD avec :

• Bonne expérience en apprentissage machine et plateformes infonuagiques
• Une bonne liste de publication de papiers et rédaction de brevets
• Expérience en apprentissage supervise/semi-supervise, analyse de séries chronologiques, analyse de fichiers log, surveillance de système est un plus

Information additionnelle

• Sans objet