ARMOR: Fehlermodale Fusion für zuverlässiges Microservice-Management

Automatisiertes Incident‑Management ist entscheidend für die Zuverlässigkeit von Microservices. Aktuelle einheitliche Frameworks nutzen multimodale Daten – Metriken, Logs und Traces – um Anomalien, Fehlerursachen und Fehlertypen gleichzeitig zu optimieren. Sie gehen jedoch unrealistisch davon aus, dass alle Modalitäten immer vollständig vorliegen. In der Praxis führen Netzwerk‑Störungen und Agent‑Ausfälle häufig zu fehlenden Modalitäten, was die Leistung der bestehenden Ansätze stark beeinträchtigt.

ARMOR (Missing‑Aware Multimodal Fusion) ist ein selbstüberwachtes Framework, das speziell für Szenarien mit fehlenden Modalitäten entwickelt wurde. Es kombiniert einen asynchronen, modalitätsspezifischen Encoder, der Unterschiede in den Verteilungen von Metriken, Logs und Traces isoliert, mit einem fehlermodalen, gated Fusion‑Mechanismus. Letzterer nutzt lernbare Platzhalter und dynamische Bias‑Kompensation, um Interferenzen zwischen unvollständigen Eingaben zu verhindern.

Durch selbstüberwachtes Auto‑Regression‑Training mit masken‑gesteuerter Rekonstruktion optimiert ARMOR gleichzeitig Anomalie‑Erkennung, Fehler‑Triage und Root‑Cause‑Lokalisierung. Während die ersten beiden Aufgaben keine Fehlerlabels benötigen, nutzt die Triage lediglich Fehlertyp‑Annotationen für einen nachgelagerten Klassifikator. Umfangreiche Experimente zeigen, dass ARMOR unter vollständigen Datenbedingungen den aktuellen Stand der Technik übertrifft und bei schwerem Modalitätsverlust weiterhin robuste Diagnosen liefert.