Suche

AWACS/AWACS²


Anticipating unWanted behavior in Autonomic Computing Systems

Projektstart: 01.01.2007
Projektende: 31.12.2010
Laufzeit: 24 Monate
Projektträger: DAAD (Deutscher Akademischer Austausch Dienst)
Projektverantwortung vor Ort: Dipl.-Inf. Holger Kasinger
Beteiligte Wissenschaftler der Universität Augsburg: Prof. Dr. Bernhard Bauer
Beteiligte Wissenschaftler / Kooperationen: Prof. Dr. Jörg Denzinger (University of Calgary)

Zusammenfassung

AWACS:

Vom Entwickler unbeabsichtigte und nicht vorhersehbare Zustände können selbst-organisierende, emergente und damit autonome Systeme zur Laufzeit dazu veranlassen, durch falsche Selbst-Adaption ein ungewolltes, schädliches Verhalten zu offenbaren. Das AWACS-Projekt hat das Ziel, derartige, kritische Systemzustände während der Laufzeit bereits vor ihrem Auftreten proaktiv zu bestimmen, und das ungewollte Verhalten mittels geeigneter Selbst-Adaptions-Mechanismen zu vermeiden.

AWACS²:

Unerwartete und nicht vorhersehbare Situationen zur Laufzeit können selbst einen korrekt funktionierenden Advisor dazu veranlassen, ein selbst-organisierendes emergentes System in zuvor unbekannte Systemzustände zu adaptieren. Auf der einen Seite sind diese unbekannten Zustände gewünscht oder vielmehr noch benötigt, um das System an sich dynamisch ändernde oder unerwartete Situationen anzupassen. Auf der anderen Seite sind diese unbekannten Zustände unerwünscht, falls sie das System zu einem ungewollten Verhalten führen, z.B. ineffiziente Problemlösungen oder gar Systemabstürze. Allerdings schränkt ein Verbieten von unbekannten Zuständen oder eine zu späte Wiederkehr von selbigen die Adaptivität des Systems stark ein, während ein zu langes Verweilen hingegen solch eine Wiederkehr zunichte machen kann. Das Ziel des AWACS² (Anticipating Unwanted behavior in Autonomic Computing Systems) Projekts ist es daher, basierend auf den Ergebnissen des AWACS Projekts, ungewolltes Verhalten zur Laufzeit bereits weit vor seinem Auftreten zu antizipieren um einem Advisor genügend Zeit zu geben, irreführende Adaptionen autonom abwenden oder vermeiden zu können, was die Vertrauenswürdigkeit dieser Systeme fördert. Dazu entwickeln wir ein in den Advisor eingebettetes Testsystem, welches permanent möglicherweise ungünstige Situationen, welche zu unbekannten Zuständen bzw. ungewolltem Verhalten führen, im Vornherein testet und ggf. den Advisor zu dementsprechenden Anpassungen seiner Ratschläge veranlasst.

Links: