Bayesian dynamic scheduling for service composition testing

Résumé : Aujourd'hui la connectivité entre les systèmes se standardise. Il supprime l'intervention humaine et permet aux systèmes distribués d'accomplir des tâches longues et complexes. La SOA est une approche fondée sur le modèle qui s'appuie sur des contrats et qui permet aux systèmes existants de collaborer par échange de messages. De multiples organisations peuvent, automatiser des échanges de services sans risquer leur confidentialité. Cette collaboration est à l'origine des difficultés concernant le test, parce que si il a des échanges entre les différents partenaires, le fonctionnement interne de processus résultant dans l'information échangé est limité à certains partenaires/testeurs. Ceci nous place dans un cadre de tests boîte grise où les systèmes sont des boîtes noires et seulement l'échange de message est visible. C'est pourquoi nous proposons une approche probabiliste en utilisant l'inférence bayésienne pour tester les SOA. Le deuxième défi est leur taille. Etant donné que les systèmes sont connectés de manière lâche en les couplant deux par deux selon les spécifications, une SOA peut contenir un nombre très important de participants et donc une grande taille. La taille des SOA se reflète dans la complexité de l'inférence bayésienne. Cette seconde contrainte pousse à chercher de meilleure solution pour l'inférence bayésienne. Afin de faire face à la taille et la densité de la BN, même pour de petits services architectures, les techniques d'inférence par compilation dirigée par les modèles qui permet la génération rapide de circuits arithmétiques directement à partir du modèle de l'architecture des services et de la suite de tests sont en cours d'élaboration.
Type de document :
Thèse
Artificial Intelligence [cs.AI]. Université Pierre et Marie Curie - Paris VI, 2015. English. 〈NNT : 2015PA066100〉
Liste complète des métadonnées

https://tel.archives-ouvertes.fr/tel-01170994
Contributeur : Abes Star <>
Soumis le : jeudi 2 juillet 2015 - 16:23:13
Dernière modification le : vendredi 31 août 2018 - 09:25:53
Document(s) archivé(s) le : mardi 25 avril 2017 - 21:55:46

Fichier

2015PA066100.pdf
Version validée par le jury (STAR)

Identifiants

  • HAL Id : tel-01170994, version 1

Collections

Citation

Ariele Maesano. Bayesian dynamic scheduling for service composition testing. Artificial Intelligence [cs.AI]. Université Pierre et Marie Curie - Paris VI, 2015. English. 〈NNT : 2015PA066100〉. 〈tel-01170994〉

Partager

Métriques

Consultations de la notice

427

Téléchargements de fichiers

630