DETECTING MISCONFIGURATION AND/OR BUG(S) IN LARGE SERVICE(S) USING CORRELATED CHANGE ANALYSIS

Described herein is a system and method for detecting correlated changes (e.g., between code files and configuration files). For a plurality of code files and a plurality of configuration files, a correlated change model is trained to identify correlated changes across the code files and the configuration files using a machine learning algorithm that discovers change rules using a support parameter, and, a confidence parameter, and, a refinement algorithm that refines the discovered change rules. The correlated change model comprising the change rules is stored. The correlated change model can be used to identify potential issue(s) regarding a particular file (e.g., changed code or configuration file(s)). Information regarding the identified potential issue(s) can be provided to a user. L'invention concerne un système et un procédé de détection de changements corrélés (par exemple entre des fichiers de code et des fichiers de configuration). Pour une pluralité de fichiers de code et une pluralité de fichiers de configuration, un modèle de changement corrélé est entraîné pour identifier des changements corrélés à travers les fichiers de code et les fichiers de configuration en utilisant un algorithme d'apprentissage automatique qui découvre des règles de changement en utilisant un paramètre de support, ainsi qu'un paramètre de confiance et un algorithme d'affinement qui affine les règles de changement découvertes. Le modèle de changement corrélé comprenant les règles de changement est stocké. Le modèle de changement corrélé peut être utilisé pour identifier un ou plusieurs problèmes potentiels concernant un fichier particulier (par exemple un code ou un ou plusieurs fichiers de configuration modifiés). Des informations concernant le ou les problèmes potentiels identifiés peuvent être fournies à un utilisateur.