该论文提出了一种无需训练即可检测容器化微服务环境中异常行为的新方法 REPLICAWATCHER。传统的基于异常的入侵检测系统需要建立全面的行为基线，但在微服务等动态环境中，“正常”概念频繁变化，导致基线老化并逐渐失效，需要定期重新训练，这在安全应用场景中颇具挑战。REPLICAWATCHER 的核心洞察是：微服务中为容错或可扩展性而部署的副本（replicas）会执行类似任务并呈现相似行为模式。通过实时观察同一服务的多个容器实例的行为，任何偏离其对应副本的显著差异都可作为安全威胁的重要指标。该方法完全无需训练阶段，避免了基线更新和模型老化问题。实验评估表明，REPLICAWATCHER 对正常行为偏移具有鲁棒性，无需重新训练即可保持有效性。与最先进的基于训练的方法相比，其性能相当，平均精确率达 91.08%，召回率达 98.35%。该研究适用于安全运维工程师、微服务架构师及威胁检测研究人员，尤其适合动态变化环境下的异常检测场景。