Projet SPIREC

Supervision et prédiction multi-niveaux pour infrastructures géo-distribuées et hétérogènes dans le continuum Cloud/Edge/IoT

— Aperçu

Définir des méthodes, utilisant notamment l’apprentissage automatique distribué, pour permettre leur gestion efficace, fournir des moyens de les sécuriser et assurer une variété de propriétés de qualité de service.

Mario Südholt, professeur IMT

Mots-Clés : Supervision, prédiction, mitigation ; infrastructures, applications et piles logicielles hétérogènes multi-niveaux ; IA, continuum Cloud/Edge/Internet of Things

Le cloud constitue aujourd’hui la principale infrastructure sur laquelle sont construites les plus grandes applications distribuées au monde. De nouvelles exigences apparaissent pour les capacités de calcul et de stockage à la périphérie et les nombreux appareils de l’internet des objets qui font partie des villes intelligentes, de l’industrie du futur, des réseaux de véhicules… L’écosystème cybernétique qui en résulte, le continuum Cloud-Edge-IoT, est caractérisé par des infrastructures très hétérogènes ainsi que par des applications et des piles logicielles multicouches. La surveillance des infrastructures et des applications, la détection des anomalies dans l’exécution des services et des applications ainsi que la prédiction de l’utilisation des ressources sont des services fondamentaux pour le continuum. Ils permettent de sécuriser les applications et d’assurer de nombreuses propriétés de qualité de service. Cependant, l’hétérogénéité croissante et l’utilisation de piles logicielles de plus en plus complexes nécessitent de nouvelles méthodes pour le développement de ces services. Le projet SPIREC relèvera les défis de la supervision des services du continuum, de la détection de leurs anomalies d’exécution et de la prédiction de l’utilisation de leurs ressources.

Les partenaires développeront également des composants logiciels et des outils afin d’intégrer ces fonctionnalités dans les infrastructures et les applications existantes, en particulier SLICES et les futurs écosystèmes logiciels.

— Les missions

— Nos recherches

Collecte et modélisation de données pour la supervision et la détection d’anomalies

Définition d’un modèle de données hiérarchisées pour la supervision et la détection d’anomalies dans le continuum CEI


Surveillance pour larges infrastructures et applications dans des environnements hétérogènes du continuum CEI

– Les techniques de surveillance actuelles ne couvrent pas le continuum, les piles logicielles et le réseau à définition logicielle
– Les techniques d’apprentissages réparties ne sont pas adaptées à la supervision et la détection d’anomalies dans des environnements hétérogènes


Intelligence artificielle multicritères répartie pour la prédiction d’utilisation de ressources

– Définir un modèle pour l’apprentissage réparti pour infrastructures hétérogènes multi-niveaux
– Définir des techniques pour la prédiction d’utilisation de ressources
– Définir d’une architecture de composants logiciels pour la prédiction d’utilisation de ressources


Applications, validation, implémentation et intégration

– Fournir des besoins d’applications réelles
– Assurer la correction et l’efficacité des solutions fournies
– Montrer l’applicabilité des solutions
– Fournir des composants et des outils logiciels avec intégration partielle dans SLICES-FR

— Les partenaires

Le consortium

INRIA, IMT, CNRS, CEA, Université Versailles
Saint-Quentin en Yvelines, Université de Lorraine

— Équipe de recherche

13 permanents (non financés par le projet) :
25 personnes financées par le projet dont:
8 doctorants
8 postdoctorants
9 ingénieurs

Implantation des équipes en France


Autres projets

Les commentaires sont clos.