## Memo ## Memo with LLM ## Abstract 計算集約型かつ遅延に敏感なアプリケーションの急速な需要増加に対応するため、モバイルエッジコンピューティング（MEC）は学術界と産業界の両方から大きな注目を浴びています。しかし、エッジサービスのランタイム信頼性は、内部状態の動的変化と外部環境の影響により時間経過とともに変動します。これにより、エッジサービスの信頼性データストリームの分布が概念ドリフトの形で変動します。深刻な信頼性ドリフトは、エッジサービスがパフォーマンス異常や実行時障害に直面している可能性を示します。エッジサービスの安定した動作を確保するため、本研究ではエッジサービス適応のための[[コンセプトドリフト|Concept Drift]]に基づく実行時信頼性異常検出手法「A-Detection」を提案します。大規模ストリーミングデータサンプリングと特徴量抽出のため、リザーバーサンプリングと特異値分解（SVD）を統合します。Jensen Shannon（JS）ダイバージェンス[[JSダイバージェンス]]を用いて、実行時エッジサービス信頼性異常検出のためのデータストリーム分布の類似度指標であるFDCを開発しました。実行中のエッジサービスで異常が検出された場合、チェックポイントリトライと計算オフロードを組み合わせることで、実行時信頼性適応を実装します。広範な実験結果により、A-Detectionの有効性と効率性が検証され、実証されています。