본 논문은 장기간 실행되는 시스템에 영향을 미치는 소프트웨어 노화 현상을 해결하기 위해, 동적 워크로드 환경에서 머신러닝 기반의 적응형 접근 방식을 제안한다. 정적 모델과 컨셉 드리프트 시나리오를 위해 개발된 DDM(Drift Detection Method) 및 ADWIN(Adaptive Windowing)을 활용한 적응형 모델을 비교 평가한다. 시뮬레이션된 급격한, 점진적인, 그리고 반복적인 워크로드 변화 실험 결과, 정적 모델은 보이지 않는 워크로드 프로필에 적용 시 성능 저하를 겪는 반면, ADWIN을 사용한 적응형 모델은 높은 정확도를 유지하며 모든 시나리오에서 0.93 이상의 F1-Score를 달성했다.
