시스템 복잡성의 증가와 동적인 런타임 환경(runtime environments)으로 인해 현대 웹 애플리케이션의 신뢰성과 회복 탄력성(resilience)을 보장하는 것은 여전히 중요한 과제로 남아 있습니다. 본 연구는 공유 지식 베이스 기반의 모니터-분석-계획-실행(MAPE-K) 모델을 기반으로 하며, 적응형 결함 복구를 위해 AutoFix에서 영감을 얻은 메커니즘이 통합된 모듈형 자가 치유(self-healing) 프레임워크를 제안합니다. 설계 및 개발 연구(DDR) 접근 방식을 사용하여, 서비스 충돌(service crashes), 메모리 누수(memory leaks), 데이터베이스 연결 끊김(database disconnections)을 포함한 20가지 런타임 장애 시나리오에 걸친 통제된 결함 주입(fault injection) 실험을 통해 시스템을 구현하고 평가했습니다. 실험 결과, 제안된 프레임워크는 평균 결함 탐지 F1-score 90.7%와 복구 성공률 93.2%를 달성했습니다. AutoFix 모듈은 평균 복구 시간(TTR, time-to-recovery)을 56.2% 단축하여 평균 3.92초의 복구 시간을 달성했습니다. 시스템 처리량(throughput)은 결함 상황에서도 88%에서 95% 사이를 유지했으며, 응답 시간(response time)은 3.1%만 증가했습니다. 또한, 반복적인 피드백 메커니즘은 여러 사이클에 걸쳐 복구 효율성을 18.6% 향상시켰습니다. 이러한 결과는 제안된 프레임워크가 피드백 기반 적응을 통해 웹 애플리케이션의 결함 허용(fault tolerance)을 향상시키는 실용적이고 확장 가능한 접근 방식을 제공함을 나타냅니다. 현재 구현은 사전 정의된 복구 전략에 의존하지만, 학습 지향적 피드백의 통합은 향후 더욱 자율적인 자가 치유 시스템 개발을 위한 토대를 마련합니다.