## Abstract クラウドは、コモディティハードウェアの大規模なクラスタを活用することで、ソフトウェアシステムの運用コストを最適化する大きな機会を提供しますが、ソフトウェアアプリケーションの信頼性に大きな影響を与えます。クラウドの実行環境上でのアプリケーションの制御ができないことは、欠陥を注入した重訓練に依存して信頼性の問題に対処する最先端のアプローチの適用性を大きく制限しています。 この論文では、正のトレーニングのみに依存し、クラウドシステムの制約の中で動作することができる、軽量な故障局所化アプローチであるLOUDを提案する。LOUDは機械学習とグラフ理論に依存している。LOUDは機械学習モデルを正しい実行のみで訓練し、機械学習技術の結果をグラフ理論アルゴリズムで精緻化することで、正のサンプルでの訓練から生じる不正確さを補償する。本論文で報告された実験結果は、LOUDが軽量な正の学習のみに依存することで、高精度に故障箇所を特定できることを確認したものである。 [[2018__ICST__Localizing Faults in Cloud Systems__translations]]