面向软件定义系统的因果根因分析方法系统性综述与软件定义车辆适用性研究

《IEEE Access》：Causal Root Cause Analysis in Software-Defined Systems: A Review with Context-aware Causal Observability as a Case Study

　　软件定义系统，涵盖软件定义网络（SDN）、软件定义存储（SDS）、信息物理系统（CPS）、物联网（IoT），以及近年兴起的软件定义车辆（SDV），正变得越来越复杂且软件密集，这使得可靠的诊断对于系统性能至关重要，在安全关键领域更是关乎运行安全。然而，形式化因果根因分析（RCA）方法在这些领域中的采用仍不均衡，尤其是在新兴的SDV领域。本文提出了一种基于PRISMA的系统性综述方法，针对软件定义系统的因果RCA方法，按照其因果形式化程度对现有方法进行分类，涵盖从结构因果模型到概率图模型和基于依赖关系的方法，并评估了这些方法在SDV中的适用性。综述表明，许多现有的可观测性和诊断实践仍主要基于相关性，限制了其在动态且高度互依赖的环境中捕捉真正因果关系的能力。此外，综述还发现，针对SDV的因果RCA研究仍处于早期阶段，现有方法主要依赖概率因果发现，而对更明确的结构因果建模采用有限。鉴于SDV在架构复杂性、动态交互和安全关键特性方面的要求，这一差距尤为重要。本文以SDV为代表性案例研究，探讨了关键挑战，包括遥测数据的异质性、实时约束、安全关键操作以及对上下文感知因果分析的需求。最后，本文概述了未来的研究方向，包括因果感知的可观测性框架、上下文因果分析、开放基准测试基础设施以及轻量级实时因果推理，旨在实现面向软件定义系统的更具可解释性、可靠性和安全对齐的诊断方法。