نوشته‌ها

A-framework-for-ranking-of-cloud-computing-services.[taliem.ir]

A framework for ranking of cloud computing services

ABSTRACT

Cloud computing is revolutionizing the IT industry by enabling them to offer access to their infrastructure and application services on a subscription basis. As a result, several enterprises including IBM, Microsoft ,Google, and Amazon have started to offer different Cloud services to their customers. Due to the vast diversity in the available Cloud services, from the customer’s point of view, it has become difficult to decide whose services they should use and what is the basis for their selection. Currently, there is no framework that can allow customers to evaluate Cloud offerings and rank them based on their ability to meet the user’s Quality of Service (QoS) requirements. In this work, we propose a framework and a mechanism that measure the quality and prioritize Cloud services. Such a framework can make a significant impact and will create healthy competition among Cloud providers to satisfy their Service Level Agreement (SLA) and improve their QoS. We have shown the applicability of the ranking framework using a case study.

INTRODUCTION

Cloud computing has emerged as a paradigm to deliver ondemand resources (e.g., infrastructure, platform, software, etc.) to customers similar to other utilities (e.g., water, electricity and gas). The three main services are provided by the Cloud computing architecture according to the needs of IT customers . Firstly, Software as a Service (SaaS) provides access to complete applications as a service, such as Customer Relationship Management (CRM) . Secondly, Platform as a Service (PaaS) provides a platform for developing other  applications on top of it, such as the Google App Engine (GAE) . Finally, Infrastructure as a Service (IaaS) provides an environment for deploying, running and managing virtual machines and storage. Technically, IaaS offers incremental scalability (scale up and down) of computing resources and on-demand storage . Traditionally, small and medium enterprises (SMEs) had to make high capital investment upfront for procuring IT infrastructure, skilled developers and system administrators, which results in a high cost of ownership.  Cloud computing aims to deliver a network of virtual services so that users can access them from anywhere in the world on subscription at competitive costs depending on their Quality of Service (QoS) requirements.

چکیده

محاسبات ابر صنعت فناوری اطلاعات را انقلابی می کند و به آنها امکان دسترسی به زیرساخت ها و سرویس های کاربردی خود را براساس اشتراک می دهد. در نتیجه، چندین شرکت از جمله IBM، مایکروسافت، گوگل و آمازون خدمات خود را به مشتریان مختلف ارائه کرده اند. با توجه به تنوع وسیع موجود در خدمات Cloud Cloud، از دیدگاه مشتری، تصمیم گیری می کند که کدام سرویس ها باید از آنها استفاده شود و چه مبنایی برای انتخاب آنها دشوار است. در حال حاضر هیچ چارچوبی وجود ندارد که بتواند مشتریان را قادر به ارزیابی پیشنهادات ابر نماید و آنها را براساس توانایی خود برای برآورده ساختن الزامات کیفیت خدمات (QoS) کاربر طبقه بندی کند. در این کار، ما یک چارچوب و یک سازوکار را پیشنهاد می دهیم که کیفیت و اولویت بندی خدمات Cloud را اندازه گیری می کند. چنین چارچوب می تواند تاثیر قابل توجهی داشته و رقابت سالم بین ارائه دهندگان ابر برای برآورده کردن توافقنامه سطح سرویس (SLA) و بهبود QoS خود را ایجاد کند. ما قابلیت استفاده از چارچوب رتبه بندی را با استفاده از یک مطالعه موردی نشان داده ایم.

مقدمه

محاسبات ابر به عنوان یک پارادایم برای عرضه منابع (مانند زیرساخت، پلت فرم، نرم افزار و غیره) به مشتریان مشابه سایر خدمات آب و برق (مانند آب، برق و گاز) ارائه شده است. سه سرویس اصلی توسط معماری محاسبات ابر مطابق با نیازهای مشتریان فناوری اطلاعات ارائه شده است. اولا، نرم افزار به عنوان یک سرویس (SaaS) دسترسی به برنامه های کامل را به عنوان یک سرویس فراهم می کند، مانند مدیریت ارتباط با مشتری (CRM). ثانیا، پلت فرم به عنوان یک سرویس (PaaS) یک پلتفرم برای توسعه برنامه های دیگر در بالای آن، مانند Google App Engine (GAE) فراهم می کند. سرانجام Infrastructure as a Service (IaaS) محیطی را برای استقرار، اجرای و مدیریت ماشین های مجازی و ذخیره سازی فراهم می کند. از لحاظ فنی، IaaS مقیاس پذیری افزایشی (مقیاس بالا و پایین) محاسبات منابع و ذخیره سازی بر اساس تقاضا را ارائه می دهد. به طور سنتی، شرکت های کوچک و متوسط ​​(SME) مجبور به سرمایه گذاری بالای سرمایه برای تهیه زیرساخت های فناوری اطلاعات، توسعه دهندگان ماهر و مدیران سیستم شدند، که منجر به هزینه بالای مالکیت می شود. محاسبات ابری با هدف ارائه یک شبکه از خدمات مجازی به طوری که کاربران می توانند به آنها از هر نقطه از جهان در اشتراک در هزینه های رقابتی بسته به کیفیت خدمات (QoS) مورد نیاز خود را.

Year: ۲۰۱۳

Publisher: ELSEVIER

By :  Saurabh Kumar Garg , Steve Versteeg , Rajkumar Buyy

File Information: English Language/ 12 Page / size: 916 KB

Download tutorial

سال : ۱۳۹۲

ناشر : ELSEVIER

کاری از : سارآه کومار گارگ، استیو ورستیکت، راجوکامار خریدی

اطلاعات فایل : زبان انگلیسی / ۱۲ صفحه / حجم : KB 916

لینک دانلود

PERFORMANCE-FACTORS-OF-CLOUD-COMPUTING.[taliem.ir]

PERFORMANCE FACTORS OF CLOUD COMPUTING DATA CENTERS USING [(M/G/1) : (∞/GDMODEL)] QUEUING SYSTEMS

ABSTRACT

The ever-increasing status of the cloud computing hypothesis and the budding concept of federated cloud computing have enthused research efforts towards intellectual cloud service selection aimed at developing techniques for enabling the cloud users to gain maximum benefit from cloud computing by selecting services which provide optimal performance at lowest possible cost. Cloud computing is a novel paradigm for the provision of computing infrastructure, which aims to shift the location of the computing infrastructure to the network in order to reduce the maintenance costs of hardware and software resources. Cloud computing systems vitally provide access to large pools of resources. Resources provided by cloud computing systems hide a great deal of services from the user through virtualization. In this paper, the cloud data center is  modelled as queuing system with a single task arrivals and a task request buffer of infinite capacity.

INTRODUCTION

Cloud computing is the Internet-based expansion and use of computer knowledge. It has become an IT  buzzword for the past a few years. Cloud computing has been often used with synonymous terms such as software as a service (SaaS), grid computing, cluster computing, autonomic computing, and utility  computing . SaaS, Software as a Service, is a software delivery model in which software and related data are centrally hosted on the cloud. SaaS is typically accessed by users using a thin client via a web browser .Grid computing and cluster computing are two types of underlying computer technologies for the development of cloud computing. Autonomic computing is a computing system services that is capable of self- management, and utility computing is the packaging of computing resources such as computational and storage devices . Cloud centers differ from conventional queuing systems in a number of important aspects.
A Cloud center can have outsized number of capability (server) nodes, typically of the order of hundreds or thousands ; conventional queuing analysis rarely considers systems of this size. Task service times must be modeled by a general, rather than the more convenient exponential, probability distribution. The coefficient of variation of task service time may be high over the value of one. Due to the dynamic nature of cloud environments, diversity of users requests and
  time dependency of load, cloud centers must provide  expected quality of service at widely varying loads.

چکیده

وضعیت به طور فزاینده ای از فرضیه محاسبات ابری و مفهوم جوانه زنی محاسبات ابر فدرال، تلاش های تحقیقاتی را نسبت به انتخاب سرویس ابری فکری با هدف توسعه تکنیک هایی برای فعال کردن کاربران ابر برای به دست آوردن حداکثر سود از محاسبات ابری با انتخاب سرویس هایی که عملکرد مطلوب را فراهم می کنند، با حداقل هزینه ممکن محاسبات ابر یک پارامتر جدید برای ارائه زیرساخت های محاسباتی است که هدف آن انتقال موقعیت زیرساخت محاسبات به شبکه به منظور کاهش هزینه های تعمیر و نگهداری منابع سخت افزاری و نرم افزاری است. سیستم های محاسباتی ابر از لحاظ حیاتی دسترسی به مجموعه های بزرگ منابع را فراهم می کنند. منابع ارائه شده توسط سیستم های محاسبات ابری، خدمات بسیار زیادی را از طریق کاربر از طریق مجازی سازی پنهان می کنند. در این مقاله، مرکز داده های ابر به عنوان سیستم صف بندی با تک تک کارها و یک بافر درخواست کار با ظرفیت نامحدود طراحی شده است.

مقدمه

محاسبات ابر، گسترش اینترنت مبتنی بر اینترنت و استفاده از دانش کامپیوتر است. این چند سال گذشته یک اصطلاح فناوری اطلاعات شده است. محاسبات ابر اغلب با اصطلاحات مترادف مانند نرم افزار به عنوان یک سرویس (SaaS)، محاسبات شبکه، محاسبات خوشه ای، محاسبات اتوکد و محاسبات ابزار استفاده می شود. SaaS، نرم افزار به عنوان یک سرویس، یک مدل تحویل نرم افزاری است که در آن نرم افزار و داده های مربوطه به طور مرکزی در ابر میزبانی می شوند. SaaS به طور معمول توسط کاربران با استفاده از یک مشتری نازک از طریق یک مرورگر وب قابل دسترسی است. محاسبات گرید و محاسبات خوشه، دو نوع تکنولوژی های رایانهای پایه برای توسعه محاسبات ابری هستند. محاسبات مستقل یک سیستم سیستم محاسباتی است که قادر به خود مدیریت است و محاسبات ابزار بسته بندی منابع محاسباتی مانند دستگاه های محاسباتی و ذخیره سازی است. مراکز ابر از برخی از جنبه های مهم سیستم های رسمی معمولی متفاوت هستند. یک مرکز ابر می تواند تعداد زیادی از گره های قابلیت (سرور) را که معمولا به صدها یا هزاران نفر است، بیافزایند. تجزیه و تحلیل معمول صف بندی به ندرت سیستم های این اندازه را در نظر می گیرد. زمان سرویس کاری باید توسط یک توزیع احتمالی به طور عمومی، به جای توزیع احتمالی مناسب تر، مدل سازی شود. ضریب تغییر زمان سرویس کاری ممکن است بیش از مقدار یک باشد. با توجه به ماهیت پویا محیط های ابر، تنوع درخواست کاربران و وابستگی بار بار، مراکز ابری باید کیفیت مورد انتظار را در بارهای بسیار متنوع ارائه دهند.

Year: ۲۰۱۳

Publisher : ELSEVIER

By : N.Ani Brown Mary1 and K.Saravanan

File Information: English Language/ 9 Page / size: 1.80 KB

Download

سال : ۱۳۹۲

ناشر : ELSEVIER

کاری از : N.Ani براون ماری و K.Saravanan

اطلاعات فایل : زبان انگلیسی / ۹ صفحه / حجم : KB 180

لینک دانلود

Studying Dynamic Equilibrium of Cloud Computing Adoption with[taliem.ir]

Studying Dynamic Equilibrium of Cloud Computing Adoption with Application of Mean Field Games

ABSTRACT

Computing is undergoing a substantial shift from client/server to the cloud. The enthusiasm for cloud  infrastructures is not only present in the business world, but also extends to government agencies. Managers of both segments thus need to have a clear view of how this new era will evolve in the coming years, in order to appropriately react to a changing economic and technological environment. In this study, we explore the dynamic equilibrium of cloud computing adoption through the application of Mean Field Games. In our formulation, each agent (i.e., each firm or government agency) arbitrates between “continuing to implement the traditional on-site computing paradigm” and “moving to adopt the cloud computing paradigm”. To decide on his level of moving to the cloud computing paradigm, each agent will optimize a total cost that consists of two components: the effort cost of moving to the cloud computing paradigm and the adoption cost of implementing the cloud computing paradigm. In the formulation, the adoption cost is linked to the general trend of decisions on the computing paradigm adoption. Thus, an agent’s optimal level of transition to the cloud computing paradigm is not only dependent on his own effort and adoption costs but also  affected by the general trend of adoption decisions. The problem is solved by a system of partial differential equations (PDEs) ,that is, mean field games PDEs, which consists of a backward PDE, the Hamilton Jacobi Bellman equation for a controlled problem, and a forward Fokker-Planck equation transported by the optimal control from the backward HJB equation. Thus ,the solution to the forward Fokker-Planck equation enables us to study the dynamic evolution of the density of the cloud computing adoption. It therefore allows us to investigate the impact of the general trend of technology adoption decisions on a firm’s optimal decision of technology transition.

INTRODUCTION

Computing is undergoing a significant shift from client/server to the cloud, a shift similar in importance and impact to the transition from mainframe to client/server. Speculation abounds on how this new era will evolve in the coming years, and managers in business, industry and government have a critical need for a clear vision of where the industry is heading. To answer the question of “How will the computing paradigm  transition evolve in the coming years?”, we believe that the general trend of decision has a big impact on individual decisions, as it is often the case in the evolution of information technology (IT). The objective of this work is to model and analyze this aspect.

چکیده

رایانه در حال تغییر قابل توجهی از مشتری / سرور به ابر است. شور و شوق برای زیرساخت های ابر تنها در دنیای کسب و کار وجود ندارد، بلکه به سازمان های دولتی گسترش می یابد. بنابراين، مدیران هر دو بخش باید دیدگاه آشکار از این که چگونه این دوره جدید در سال های آینده تکامل خواهد یافت، به منظور واکنش مناسب به یک محیط اقتصادی و تکنولوژیکی در حال تغییر. در این مطالعه، تعادل دینامیکی رایانش ابری را از طریق استفاده از بازی میانگین میدانی بررسی می کنیم. در فرمول بندی ما، هر عامل (به عنوان مثال، هر شرکت یا اداره دولتی) داوری بین “ادامه اجرای پارادایم محاسبات محلی سنتی” و “پیاده سازی پارادایم محاسبات ابری” را انجام می دهد. برای تصمیم گیری در سطح خود را به حرکت پارادایم محاسبات ابری، هر عامل هزینه کل را که شامل دو جزء است بهینه سازی می کند: هزینه تلاش برای حرکت به پارادایم محاسبات ابری و هزینه اتخاذ اجرای پارادایم محاسبات ابری. در فرمولاسيون، هزينه تصويب، به روند عمومي تصميمات مربوط به تصويب پارادايم محاسبات مرتبط است. بنابراین، سطح مطلوب عامل انتقال به پارادایم محاسبات ابری نه تنها وابسته به تلاش و هزینه های تصویب خود است، بلکه تحت تاثیر روند عمومی تصمیم گیری های اتخاذ قرار می گیرد. این مشکل توسط یک سیستم معادلات دیفرانسیل با مشتقات جزئی (PDEs) حل می شود، یعنی معادلات میدان بازی PDE، که شامل یک PDE عقب، معادله ی Hamilton Jacobi Bellman برای یک مسئله کنترل شده و معادله فوککر-پلانک رو به جلو توسط کنترل بهینه از معادله HJB عقب مانده است. بنابراین، راه حل برای معادله فوکر-پلانک به جلو ما را قادر می سازد تا تکامل پویایی چگالی رایانه های ابر را بررسی کنیم. بنابراین به ما اجازه می دهد که تاثیر کلی روند تصمیم گیری در مورد تصمیم گیری در مورد تصمیم گیری در مورد تصمیم گیری در مورد انتقال فناوری را بررسی کنیم.

مقدمه

محاسبات در حال تغییر قابل توجهی از مشتری / سرور به ابر است، یک تغییر شبیه به اهمیت و تاثیر گذار از mainframe به client / server. گمانه زنی در مورد این که چگونه این دوره جدید در سال های آینده تکامل خواهد یافت، فراوان است، و مدیران کسب و کار، صنعت و دولت نیازمند نیاز جدی برای دیدگاه روشنی از جایی است که صنعت در حال حرکت است. برای پاسخ به سوال “چگونه گذار پارادایم محاسبات در سال های آتی چگونه شکل می گیرد؟”، ما معتقدیم که روند کلی تصمیمی تاثیر زیادی بر تصمیمات فردی دارد، همانطور که اغلب در تکامل فن آوری اطلاعات (IT ) هدف این کار این است که این جنبه را مدل سازی و تحلیل کنیم.

Year: ۲۰۱۲

Publisher : IEEE

By : SingRu(Celine) Hoe , Murat Kantarcioglu , Alain Bensoussan

File Information: English Language/ 5 Page / size: 371 KB

Download

سال : ۱۳۹۱

ناشر : IEEE

کاری از : SingRu (Celine) Hoe، Murat Kantarcioglu، آلن Bensoussan

اطلاعات فایل : زبان انگلیسی / ۵ صفحه / حجم : KB 371

لینک دانلود

Effcient Resource Management for Cloud[taliem.ir]

Effcient Resource Management for Cloud Computing Environments

ABSTRACT

The notion of Cloud computing has not only reshaped the feld of distributed systems but also fundamentally changed how businesses utilize computing today. While Cloud computing provides many advanced features, it still has some shortcomings such as the relatively high operating cost for both public and private Clouds. The area of Green computing is also becoming increasingly important in a world with limited energy resources and an ever-rising demand for more computational power. In this paper a new framework is presented that provides efcient green enhancements within a scalable Cloud computing architecture. Using power-aware scheduling techniques, variable resource management, live migration, and a minimal virtual machine design, overall system efciency will be vastly improved in a data center based Cloud with minimal performance  overhead.

 

INTRODUCTION

  For years visionaries in computer science have predicted the advent of utility-based computing will reign  champion. This concept dates back to John McCarthy’s vision stated at the MIT centennial celebrations in 1961 .”If computers of the kind I have advocated become the computers of the future, then computing may someday be organized as a public utility just as the telephone system is a public utility… The computer utility could become the basis of a new and important industry.” Only recently has the hardware and software been available to support the concept of utility computing on a large scale. The concepts inspired by the notion of utility computing have recently combined with the requirements and standards of Web 2.0  to create Cloud computing . Cloud computing is defned as, “A large-scale distributed computing paradigm that is driven by economies of scale, in which a pool of abstracted, virtualized, dynamically-scalable, managed computing power, storage, platforms, and services are delivered on demand to external customers over the Internet.” As new distributed computing technologies like Clouds become increasingly popular, the dependence on power also increases. Currently it is estimated that data centers consume 0.5 percent of the world’s total electricity usage  and if current demand continues, is projected to quadruple by 2020.

چکیده

مفهوم محاسبات ابر نه تنها موجب تغییر سیستم های توزیع شده بلکه تغییر اساسی در نحوه استفاده از رایانه ها امروزه را نیز تغییر داد. در حالی که محاسبات ابر فراهم می کند بسیاری از ویژگی های پیشرفته، هنوز هم برخی از معایب مانند هزینه های نسبتا بالا عامل برای ابر و عمومی و خصوصی است. محدوده محاسبات سبز نیز در جهان با منابع انرژی محدود و تقاضای رو به افزایش برای بیشتر محاسبات قدرتمند به طور فزاینده ای اهمیت می یابد. در این مقاله یک چارچوب جدید ارائه شده است که پیشرفت های سبز بافی را در یک معماری محاسباتی ابر محاسبه می کند. با استفاده از تکنیک های برنامه ریزی قدرتمند، مدیریت منابع متغیر، مهاجرت زنده و طراحی ماشین مجازی حداقل، بهره وری سیستم به طور کلی در مرکز داده مبتنی بر ابر با حداقل هزینه کار بهبود خواهد یافت.

مقدمه

سالهاست که متخصصان علوم رایانه پیش بینی کرده اند که ظهور رایانه های مبتنی بر ابزار، قهرمان خواهد شد. این مفهوم به چشم انداز جان مک کارتی که در مراسم سالگرد میلادی MIT در سال ۱۹۶۱ ذکر شده بود اشاره کرد. “اگر رایانه هایی که من از آن حمایت کرده ام، رایانه های آینده باشند، محاسبات ممکن است یک روز به عنوان یک ابزار عمومی سازماندهی شود، همانطور که سیستم تلفن خدمات عمومی … ابزار کامپیوتری می تواند به یک صنعت جدید و مهم تبدیل شود. ” تنها به تازگی سختافزار و نرم افزار برای حمایت از مفهوم محاسبات ابزار در مقیاس وسیع موجود است. مفاهیم که از مفهوم محاسبات ابزار الهام گرفته شده است اخیرا با الزامات و استانداردهای وب ۲٫۰ برای ایجاد ابر محاسبات ترکیب شده است. محاسبات ابر به صورت زیر تعریف شده است: “یک پارادایم کامپیوتری توزیع شده در مقیاس بزرگ که به وسیله اقتصاد مقیاس هدایت می شود، که در آن یک مجموعه ای از انرژی محاسباتی، مجازی، پویا، مقیاس پذیر، محاسباتی مدیریت شده، ذخیره سازی، پلتفرم ها و خدمات مشتریان خارجی بر روی اینترنت. ” همانطور که فنآوریهای رایانهای توزیع شده مانند ابرها بهطور فزایندهای محبوب شدهاند، وابستگی به قدرت نیز افزایش مییابد. در حال حاضر برآورد شده است که مراکز داده مصرف ۰٫۵ درصد از کل مصرف برق جهان را در بر می گیرند و اگر تقاضای فعلی ادامه یابد، تا سال ۲۰۲۰ پیش بینی می شود که این میزان به چهار برابر افزایش یابد.

Year: ۲۰۱۰

Publisher : IEEE

By : Andrew J. Younge, Gregor von Laszewski, Lizhe Wang,  Sonia Lopez-Alarcon, Warren Carithers

File Information: English Language/ 8 Page / size: 914 KB

Download

سال : ۱۳۸۹

ناشر : IEEE

کاری از : اندرو J. Jounge، گرگور فون Laszewski، لیزا وانگ، سونیا لوپز-آلارکن، وارن Carithers

اطلاعات فایل : زبان انگلیسی / ۸ صفحه / حجم : KB 914

لینک دانلود

Resource Allocation Techniques in Cloud computing-Research Challenges[taliem.ir]

Resource Allocation Techniques in Cloud computing-Research Challenges for Applications

ABSTRACT

The computational humanity is flattering extremely bulky and multifaceted. Cloud computing is becoming one of the most expanding methodologies in the computing industry. It is a novel approach for the deliverance of IT services on the World Wide Web. This model provides computing resources in the puddle for consumers, all the way through Internet. In cloud computing, resource allocation and scheduling of numerous aggregate web services is an imperative and demanding quandary. This paper estimates the various network resource allocation strategies and their applications in Cloud Computing Environment. A brief description for network resource allocation in Cloud Computing, based on differentially adapted dynamic proportions, has also been done. This paper addresses and categorizes the foremost challenges normal to the resource allocation progress of cloud computing in terms of diverse types of resource allocation techniques.

INTRODUCTION

Cloud computing is a computing model that maintains statistics and applications, using internet and central secluded servers. This methodology permits end users and businesses to use applications without putting in and entrée their private records at any computer with internet entrée. Cloud computing permits for much more proficient computing by centralizing storage, reminiscence, dispensation and bandwidth. Some examples of cloud computing are Yahoo email, Google, Gmail, or Hotmail etc. The server and email administration software is all on the cloud and is completely managed by the cloud service supplier. The end user gets to use the software unaccompanied and get pleasure from the benefits. Cloud computing acts as a
service moderately than a merchandise, whereby mutual resources, software, and information are provided to computers and other strategies. Cloud computing can be categorized into three services : i) SaaS (software-as-a-service), ii) PaaS (platform-as-a-service), iii) IaaS (infrastructure-as-a
  service) respectively. Allocation of Cloud resources should not only guarantee Quality of Service (QoS) constraints specied by clients via Service Level Agreements (SLAs), but also to condense energy consumption.

چکیده

بشریت محاسباتی بسیار ملایم و متنوع است. محاسبات ابر در حال تبدیل شدن به یکی از گسترده ترین روش ها در صنعت محاسبات است. این یک رویکرد جدید برای تحویل خدمات فناوری اطلاعات در شبکه جهانی وب است. این مدل محاسبات منابع را در گودال برای مصرف کنندگان، از طریق اینترنت فراهم می کند. در محاسبات ابری، تخصیص منابع و برنامه ریزی سرویس های متعدد خدمات جامع، ضروری و ضروری است. در این مقاله، استراتژی های تخصیص منابع شبکه مختلف و برنامه های کاربردی آنها در محیط رایانه محاسبه می شود. شرح مختصری برای تخصیص منابع شبکه در Cloud Computing، براساس تنوع پویای متناسب، نیز انجام شده است. در این مقاله، چالش های اصلی به طور طبیعی برای پیشرفت تخصیص منابع محاسبات ابری با استفاده از تکنیک های تخصیص منابع متنوع و دسته بندی می شود.

مقدمه

محاسبات ابر، یک مدل محاسباتی است که آمار و برنامه های کاربردی را با استفاده از اینترنت و سرورهای مجزا مرکزی نگه می دارد. این روش اجازه می دهد کاربران نهایی و کسب و کار به استفاده از برنامه های کاربردی بدون قرار دادن و ثبت سوابق خصوصی خود را در هر کامپیوتر با اینترنت است. محاسبات ابر اجازه می دهد تا محاسبات با مهارت بیشتری را با تمرکز بر ذخیره سازی، حافظه، اختیاری و پهنای باند اجازه دهد. برخی از نمونه های محاسبات ابری عبارتند از یاهو ایمیل، گوگل، جیمیل، و یا هاتمیل و غیره. نرم افزار مدیریت سرور و ایمیل همه در ابر است و به طور کامل توسط تامین کننده سرویس ابری مدیریت می شود. کاربر نهایی می تواند از نرم افزار استفاده کند و از مزایای لذت ببرد. محاسبات ابر بعنوان یک عمل می کند خدمات به طور متوسط ​​از یک کالا، که در آن منابع، نرم افزار و اطلاعات متقابل به کامپیوتر و سایر استراتژی ها ارائه می شود. محاسبات ابر را می توان به سه سرویس طبقه بندی کرد: i) SaaS (نرم افزار به عنوان یک سرویس)، ii) PaaS (پلت فرم به عنوان یک سرویس)، iii) IaaS (زیرساخت به عنوان یک سرویس). اختصاص منابع ابر نه تنها باید محدودیت های کیفیت خدمات (QoS) را که توسط مشتریان از طریق موافقت نامه های سطح خدمات (SLAs) تهیه شده است، تضمین کند، بلکه همچنین باعث کاهش مصرف انرژی می شود.

Year: ۲۰۱۲

Publisher : IEEE

By : N.R.RamMohan , E.Baburaj

File Information: English Language/ 5 Page / size: 143 KB

Download

سال : ۱۳۹۱

ناشر : IEEE

کاری از : N.R.RamMohan، E..Baburaj

اطلاعات فایل : زبان انگلیسی / ۵ صفحه / حجم : KB 143

لینک دانلود

An intrusion detection and prevention system in cloud computing[taliem.ir]

An intrusion detection and prevention system in cloud computing: A systematic review

ABSTRACT

The distributed and open structure of cloud computing and services becomes an attractive target for potential cyber-attacks by intruders. The traditional Intrusion Detection and Prevention Systems (IDPS) are largely inefficient to be deployed in cloud computing environments due to their openness and specific  essence. This paper surveys, explores and informs researchers about the latest developed IDPSs and alarm management techniques by providing a comprehensive taxonomy and investigating possible solutions to detect and prevent intrusions in cloud computing systems. Considering the desired characteristics of IDPS and cloud computing systems, a list of germane requirements is identified and four concepts of autonomic computing self-management, ontology, risk management, and fuzzy theory are leveraged to satisfy these requirements.

INTRODUCTION

Over the last decade, our society has become technology dependent. People rely on computer networks to receive news, stock prices, email and online shopping. The integrity and availability of  all these systems need to be defended against a number of threats .Amateur hackers, rival corporations, terrorists and even foreign governments have the motive and capability to carry out sophisticated attacks against computer systems (Choo, 2011). Therefore, the field of information security has become vitally important to thesafety and economic well being of society as a whole. The rapid growth and widespread use of electronic data  processing and electronic business conducted through the massive use of the wired and wireless  communication networks, Internet, Web application, cloud computing along with numerous occurrences of international terrorism, raises the need for providing secure and safe information security systems through the use of firewalls, intrusion detectionand prevention systems, encryption, authentication and other hardware and software solutions. In this struggle to secure our stored data and the systems, IDPS can prove to be an invaluable tool, where its goal is to perform early detection of malicious activity and possibly prevent more serious damage to the protected systems (Shabtai et al., 2010). By using IDPS, one can potentially identify an attack and notify appropriate personnel immediately or prevent it from succeeding ,so that the threat can be contained. IDPS can also be a very useful tool for recording forensic evidence that may be used in legal proceedings if the perpetrator of a criminal breach is prosecuted (Sy, 2009).

چکیده

ساختار توزیع شده و باز محاسبات ابر و خدمات یک هدف جذاب برای حملات سایبری بالقوه توسط مزاحمان می شود. سیستم های تشخیص و پیشگیری از نفوذ سنتی (IDPS) عمدتا ناکارآمد هستند زیرا در محیط محاسبات ابری به دلیل باز بودن و ذات خاص آنها مستقر می شود. این مقاله بررسی، تحقیق و اطلاع رسانی محققان درباره آخرین تکنیک های IDPS توسعه یافته و مدیریت زنگ هشدار را با ارائه طبقه بندی جامع و بررسی راه حل های احتمالی برای تشخیص و جلوگیری از نفوذ در سیستم های محاسبات ابری. با توجه به ویژگی های مورد نظر IDPS و سیستم های محاسبات ابری، فهرستی از الزامات ژرمن شناسایی شده و چهار مفاهیم خودمختاری محاسباتی خودکار، هستیشناسی، مدیریت ریسک و تئوری فازی برای تطابق با این الزامات مورد استفاده قرار می گیرند.

مقدمه

در طول دهه گذشته، جامعه ما به فناوری تبدیل شده است. مردم به شبکه های کامپیوتری برای دریافت اخبار، قیمت سهام، ایمیل و خرید آنلاین اعتماد می کنند. هکرها، شرکت های رقیب، تروریست ها و حتی دولت های خارجی دارای انگیزه و توانایی حمل حملات پیچیده علیه سیستم های کامپیوتری هستند (Choo، ۲۰۱۱). از این رو، زمینه امنیت اطلاعات برای سلامت و رفاه اقتصادی جامعه به طور کلانی مهم است. رشد سریع و استفاده گسترده از پردازش داده های الکترونیکی و کسب و کار الکترونیکی که از طریق استفاده گسترده از شبکه های ارتباطی سیم کشی و بی سیم، اینترنت، برنامه وب، رایانه های ابری همراه با حملات متعدد تروریسم بین المللی انجام می شود، نیاز به ارائه اطلاعات ایمن و امن سیستم های امنیتی از طریق استفاده از فایروال ها، سیستم های تشخیص نفوذ و پیشگیری، رمزگذاری، احراز هویت و دیگر راه حل های سخت افزاری و نرم افزاری. در این مبارزه برای حفاظت از داده های ذخیره شده و سیستم ها، IDPS می تواند یک ابزار ارزشمند باشد که هدف آن تشخیص زودهنگام فعالیت های مخرب و احتمالا جلوگیری از آسیب جدی بیشتر به سیستم های محافظت شده است (Shabtai et al.، ۲۰۱۰) . با استفاده از IDPS، یک فرد می تواند به طور بالقوه یک حمله را تشخیص دهد و بلافاصله بلافاصله پرسنل مناسب را مطلع کند و یا از موفقیت آن جلوگیری کند، به طوری که تهدید می تواند شامل شود. IDPS همچنین می تواند یک ابزار بسیار مفید برای ضبط شواهد پزشکی قانونی باشد که ممکن است در پرونده های قانونی مورد استفاده قرار گیرد، اگر مجرم نقض جرم محاکمه شود (Sy، ۲۰۰۹).

Year: ۲۰۱۳

Publisher : ELSEVIER

By : Ahmed Patel , Mona Taghavi , Kaveh Bakhtiyari , Joaquim Celestino Ju´ nior

File Information: English Language/ 17 Page / size: 541 KB

Download

سال : ۱۳۹۲

ناشر : ELSEVIER

کاری از : احمد پاتل، مونا تقوی، کاوه بختیاری، جواکیم سلستینو جی نیرور

اطلاعات فایل : زبان انگلیسی / ۱۷ صفحه / حجم : KB 541

لینک دانلود

Towards an Elastic and Autonomic Multitenant Database[taliem.ir]

Towards an Elastic and Autonomic Multitenant Database

ABSTRACT

The success of cloud computing as a platform for deploying webapplications has led to a deluge of  applications characterized by small data footprints with unpredictable access patterns. A scalable multitenant database management system (DBMS) is therefore an important component of the software stack for  platforms supporting these applications. Elastic load balancing and efficient database migration techniques are key requirements for effective resource utilization and operational cost minimization. Our vision is a DBMS where multitenancy is viewed as virtualization in the database layer, and elasticity is a first class notion with the same stature as scalability, availability etc. We analyze the various models of database multitenancy,  formalize the forms of migration, and identify the design space and research goals for an autonomic and elastic multitenant database.

INTRODUCTION

Elasticity, pay-per-use, low upfront investment, low time to market, and transfer of risks are some of the  enabling features that make cloud computing a ubiquitous paradigm for deploying novel applications which were not economically feasible in a traditional enterprise infrastructure settings. This transformation has  resulted in an  unforeseen surge in the number of applications being deployed in the cloud. For instance, the Facebook platform1 has more than a million developers and more than 500K active applications . In addition to the sheer scale of the number of applications deployed, these applications are characterized by high variance in popularity, small data footprints, unpredictable load characteristics, flash crowds, and varying resource requirements. As a result, PaaS providers, such as Joyent  or Google App Engine , hosting these applications face unprecedented challenges in serving this emerging class of applications and managing their data. Sharing the underlying data management infrastructure amongst a pool of tenants, or databases, is thus essential for efficient use of resources and low cost of operations. The concept of a multitenant database has been predominantly used in the context of Software as a Service (SaaS). The Salesforce.com model  is often cited as a canonical example of this service paradigm. However, it is also interesting to study the various other models of multitenancy in the database tier and their interplay with resource sharing in the various cloud paradigms (IaaS, PaaS, and SaaS). A thorough understanding of these models of multitenancy is crucial for designing effective database management system (DBMS)2 targeting different application  domains. Moreover, irrespective of the multitenancy model or the cloud paradigm, autonomic management of large installations supporting thousands of tenants, tolerating failures, dynamic sharding of databases, with elastic load balancing for effective resource utilization and cost optimization are some of the major challenges for multitenant databases for the cloud.

چکیده

موفقیت محاسبات ابری به عنوان یک پلت فرم برای استقرار برنامه های کاربردی وب موجب انباشته شدن برنامه های کاربردی شده است که دارای رد پای داده های کوچک با الگوهای دسترسی غیر قابل پیش بینی است. بنابراین یک سیستم مدیریت پایگاه داده مقیاس پذیر (DBMS) یکی از اجزای مهم پشته نرم افزاری برای سیستم عامل هایی است که از این برنامه ها پشتیبانی می کنند. تعادل بار انعطاف پذیر و تکنیک های انتقال مؤثر پایگاه داده، الزامات کلیدی برای استفاده از منابع مؤثر و کمینه کردن هزینه های عملیاتی است. چشم انداز ما یک DBMS است که چندین ساله به عنوان مجازی سازی در لایه پایگاه داده مشاهده می شود و کشش یک مفهوم کلاس اول است با همان اندازه از نظر مقیاس پذیری، دسترسی و غیره. ما مدل های مختلف چندگانه پایگاه داده را تجزیه و تحلیل می کنیم، فرم های مهاجرت را رسم و شناسایی می کنیم فضای طراحی و اهداف تحقیق برای یک پایگاه داده چند منظوره اتواتیک و الاستیک.

مقدمه

انعطاف پذیری، پرداخت برای استفاده، سرمایه گذاری کم پیشین، زمان کم به بازار و انتقال ریسک، بعضی از ویژگی های فعال هستند که رایانه های ابری را یک الگوریتم رایج برای استقرار برنامه های جدید می دانند که از لحاظ اقتصادی در تنظیمات زیرساخت های سازمانی سنتی امکان پذیر نیست. این تحول موجب افزایش غیرقابل پیش بینی در تعداد برنامه های کاربردی شده در ابر شده است. به عنوان مثال، platform1 فیس بوک بیش از یک میلیون توسعه دهنده و بیش از ۵۰۰K فعال برنامه های کاربردی دارد. علاوه بر مقیاس گسترده ای از تعداد برنامه های کاربردی، این برنامه ها با واریانس بسیار بالا در محبوبیت، رد پای داده ها، ویژگی های بار غیر قابل پیش بینی، جمعیت فلاش و نیازهای مختلف منابع مشخص می شود. در نتیجه، ارائه دهندگان PaaS، مانند Joyent یا Google App Engine، میزبانی این برنامه ها را در خدمت این کلاس های در حال ظهور برنامه های کاربردی و مدیریت داده های خود با چالش بی سابقه ای مواجه می کنند. به اشتراک گذاری زیرساخت های زیربنایی مدیریت داده ها در میان مجموعه ای از مستاجران و یا پایگاه های داده، برای استفاده کارآمد از منابع و هزینه کم عملیات ضروری است. مفهوم پایگاه داده چندتایی عمدتا در زمینه نرم افزار به عنوان یک سرویس (SaaS) مورد استفاده قرار می گیرد. مدل Salesforce.com اغلب به عنوان مثال قلیلی از پارادایم سرویس ارائه شده است. با این حال، جالب است که چند مدل دیگر چندزمانه در سطح پایگاه داده و همکاری آنها با اشتراک منابع در پارادایم های مختلف ابر (IaaS، PaaS و SaaS) مطالعه شود. درک کامل این مدلهای چندتایی برای طراحی سیستم مدیریت پایگاه داده موثر (DBMS) 2 برای هدایت دامنه های کاربردی مختلف ضروری است. علاوه بر این، صرف نظر از مدل چندتایی یا پارادایم ابر، مدیریت مستقل از تاسیسات بزرگ که از هزاران مستاجر پشتیبانی می کند، تحمل شکست، انحراف از پایگاه داده ها، با انعطاف پذیری بار الاستیک برای استفاده از منابع مؤثر و بهینه سازی هزینه ها، بعضی از چالش های عمده برای پایگاه های چندزبانه برای ابر است.

Year: ۲۰۱۱

Publisher : IEEE

By :  Aaron J. Elmore Sudipto Das Divyakant Agrawal Amr El Abbadi

File Information: English Language/ 6 Page / size: 292 KB

Download

سال : ۱۳۹۰

ناشر : IEEE

کاری از : آرون جی المر سوداپتو داس دیویکانت آگروال عمر البابدی

اطلاعات فایل : زبان انگلیسی / ۶ صفحه / حجم : KB 292

لینک دانلود

Big Data A Survey[taliem.ir]

Big Data: A Survey

ABSTRACT

In this paper, we review the background and state-of-the-art of big data. We first introduce the general background of big data and review related technologies, such as could computing, Internet of Things, data centers, and Hadoop. We then focus on the four phases of the value chain of big data, i.e., data generation, data acquisition, data storage, and data analysis. For each phase, we introduce the general background,  discuss the technical challenges, and review the latest advances. We finally examine the several representative applications of big data, including enterprise management, Internet of Things, online social networks, medial applications, collective intelligence, and smart grid. These discussions aim to provide a comprehensive overview and big-picture to readers of this exciting area. This survey is concluded with a  discussion of open problems and future directions.

INTRODUCTION

Over the past 20 years, data has increased in a large scale in various fields. According to a report from  International Data Corporation (IDC), in 2011, the overall created and copied data volume in the world was 1.8ZB (۱۰۲۱B), which increased by nearly nine times within five years . This figure will double at least every other two years in the near future. Under the explosive increase of global data, the term of big data is mainly used to describe enormous datasets. Compared with traditional datasets, big data typically includes masses of unstructured data that need more real-time analysis. In addition, big data also brings about new  opportunities for discovering new values, helps us to gain an in-depth understanding of the hidden values, and also incurs new challenges, e.g., how to effectively organize and manage such datasets.

چکیده

در این مقاله، پس زمینه و حالت پیشرفته داده های بزرگ را بررسی می کنیم. ابتدا زمینه کلی داده های بزرگ و بررسی فن آوری های مرتبط، مانند محاسبات، اینترنت چیزها، مراکز داده و Hadoop را معرفی می کنیم. سپس در چهار مرحله زنجیره ارزش داده های بزرگ، یعنی تولید داده ها، جمع آوری داده ها، ذخیره سازی داده ها و تجزیه و تحلیل داده ها تمرکز می کنیم. برای هر مرحلهای، ما پیشینه عمومی را معرفی میکنیم، در مورد چالشهای فنی بحث میکنیم و آخرین پیشرفتها را بررسی میکنیم. ما در نهایت چندین برنامه نمایشی داده های بزرگ، از جمله مدیریت سازمانی، اینترنت چیزها، شبکه های اجتماعی آنلاین، برنامه های رسانه ای، هوش جمعی و شبکه های هوشمند را بررسی می کنیم. این مباحث به منظور ارائه یک مرور جامع و تصویر بزرگ برای خوانندگان این منطقه هیجان انگیز است. این نظرسنجی با بحث درباره مسائل باز و جهت های آینده انجام شده است.

مقدمه

در طول ۲۰ سال گذشته، داده ها در مقیاس وسیع در زمینه های مختلف افزایش یافته است. بر اساس گزارشی از شرکت بین المللی داده (IDC)، در سال ۲۰۱۱، حجم کلی ایجاد شده و کپی شده در جهان ۱٫۸ZB (≈ ۱۰۲۱B) بود که تقریبا نه برابر ظرف پنج سال افزایش یافت. این رقم حداقل دو سال دیگر در آینده نزدیک دو برابر خواهد شد. تحت افزایش انفجاری داده های جهانی، اصطلاح داده های بزرگ به طور عمده برای توصیف مجموعه های داده های عظیم استفاده می شود. در مقایسه با مجموعه داده های سنتی، داده های بزرگ معمولا شامل توده های داده های غیر ساختاری هستند که نیاز به تجزیه و تحلیل زمان واقعی دارند. علاوه بر این، داده های بزرگ نیز فرصت های جدیدی برای کشف ارزش های جدید به ارمغان می آورد، به ما کمک می کند تا درک عمیق ارزش های پنهان را بدست آوریم، و همچنین چالش های جدیدی را به وجود می آورد، مانند چگونگی سازماندهی و مدیریت چنین مجموعه های داده ای.

Year: ۲۰۱۴

Publisher : SPRINGER

By : Min Chen · Shiwen Mao · Yunhao Liu

File Information: English Language/ 39 Page / size: 1.01 KB

Download

سال : ۱۳۹۳

ناشر : SPRINGER

کاری از : مین چن · شیوان مائو · یوناهو لیو

اطلاعات فایل : زبان انگلیسی / ۳۹ صفحه / حجم : KB 1.01

لینک دانلود

Architecture Design of the Internet of Things based on Cloud Computing[taliem.ir]

Architecture Design of the Internet of Things based on Cloud Computing

ABSTRACT

Importance and development advantage of the Internet of Things industry chain is discussed. The basic ideas and methods of the combination of cloud computing and the Internet of things are described.  Combined with cloud computing, the unified Internet of Things operation management system framework is established. The framework of the new platform middleware layer uses the cloud computing technology,  which greatly improves the operating efficiency of the Internet of things. Based on the framework, Internet of Things business operations platform construction scheme is proposed, it can be used as reference of the construction of the Internet of things platform design.

INTRODUCTION

With the fast development of computer technology, highend technology has been applied to many fields in people’s life. The Internet of things technology aims to build a set of networks in which each object is  connected. In the Internet of things, all mechanical equipment has the storage and computing power. It improves the convenience greatly and meets the needs that people cannot imagine before. Cloud computing technology combines parallel computing, distributed computing and grid computing. The developing of the Internet of things depends on high efficient storage and computing power, which is the advantage of cloud computing technology. That is why cloud computing technology is the basic of the internet of things. The Internet of things technology which combines cloud computing technology collects and organizes data and information by using wireless sensor and radio frequency identification, then transmits it to the application  layer of the cloud computing platform. In this layer, the data can share and exchange, users can control and manage the whole  system.  Internet of things involves a lot of technologies and standardization  organizations, its industrial chain is huge and wide, its development needs the government’s policy support, mutual cooperation and exchange between  enterprises, the joint efforts of the organization. We analyzes  the development of the Internet of things in my country, telecom operators in its industry chain is shouldering the integrated industrial chain upstream and downstream and the facilitator role in the  development of the Internet of things. Its perfect network resources and large customer is used to establish the basis of Internet information transmission bearing body and the industry calling is used for pushing the networking technology and business innovation.  

چکیده

مزیت مهم و توسعه شبکه زنجیره ای از اینترنت در مورد موضوعات مورد بحث است. ایده های اولیه و روش ترکیبی از محاسبات ابری و اینترنت چیزها توصیف شده است. همراه با محاسبات ابری، سیستم چارچوب سیستم مدیریت یکپارچه اینترنت اشیاء ایجاد شده است. چارچوب لایه میان افزار جدید پلت فرم، از فناوری محاسبات ابری استفاده می کند که به طور قابل توجهی باعث افزایش بهره وری عامل اینترنت چیزها می شود. بر اساس چارچوب، طرح ساخت و ساز پلتفرم تجاری کسب و کارهای اینترنتی پیشنهاد شده است، می توان آن را به عنوان مرجع ساخت و ساز از اینترنت طراحی پلت فرم مورد استفاده قرار گیرد.

مقدمه

با توسعه سریع تکنولوژی کامپیوتر، تکنولوژی highend در بسیاری از زمینه ها در زندگی مردم به کار رفته است. اینترنت تکنولوژیها با هدف ایجاد مجموعه ای از شبکه هایی که هر شیء متصل است. در اینترنت چیزها، تمام تجهیزات مکانیکی دارای ذخیره سازی و محاسبات قدرت است. این راحتی را به میزان قابل توجهی بهبود می بخشد و بر نیازهایی که قبلا نمی توان تصور کرد. تکنولوژی ابر محاسباتی شامل محاسبات موازی، محاسبات توزیع شده و محاسبات شبکه است. توسعه اینترنت چیزها بستگی به ذخیره سازی بالا و توان محاسباتی بالا دارد، که مزیت فن آوری رایانش ابری است. به همین دلیل است که فناوری محاسبات ابری پایه اینترنت چیزهاست. اینترنت تکنولوژی چیزهایی که فن آوری ابر رایانه را ترکیبی می کند، اطلاعات و اطلاعات را با استفاده از حسگر بی سیم و شناسایی فرکانس را جمع آوری و سازماندهی می کند و سپس آن را به لایه کاربردی پلت فرم محاسبات ابر می فرستد. در این لایه، داده ها می توانند به اشتراک گذاشته و مبادله شوند، کاربران می توانند کل سیستم را کنترل و مدیریت کنند. اینترنت چیزها شامل بسیاری از فناوری ها و سازمان های استاندارد سازی است، زنجیره صنعتی آن بزرگ و گسترده است، توسعه آن نیاز به حمایت از سیاست های دولت، همکاری متقابل و تبادل بین بنگاه ها، تلاش های مشترک سازمان است. ما تجزیه و تحلیل توسعه اینترنت از چیزهایی در کشور من، اپراتورهای مخابراتی در زنجیره های صنعت خود را در حال حاضر یک سلسله صنعتی یکپارچه در بالا و پایین دست و نقش تسهیل کننده در توسعه اینترنت از همه چیز است. منابع شبکه کامل آن و مشتری بزرگ برای ایجاد پایه ای از بدن انتقال دهنده اطلاعات اینترنت استفاده می شود و فراخوانی صنعت برای تحریک فناوری شبکه و نوآوری در کسب و کار استفاده می شود.

Year: ۲۰۱۵

Publisher : IEEE

By :  Jiang Rui, Sun Danpeng

File Information: English Language/ 4 Page / size: 578KB

Download

سال : ۱۳۹۴

ناشر : IEEE

کاری از : جیانگ Rui، خورشید Danpeng

اطلاعات فایل : زبان انگلیسی / ۴ صفحه / حجم : KB 578

لینک دانلود

TOSSMA A Tenant-Oriented SaaS Security[taliem.ir]

TOSSMA: A Tenant-Oriented SaaS Security Management Architecture

ABSTRACT

Multi-tenancy helps service providers to save costs, improve resource utilization, and reduce service  customization and maintenance time by sharing of resources and services. On the other hand, supporting multi-tenancy adds more complexity to the shared application’s required capabilities. Security is a key  requirement that must be addressed when engineering new SaaS applications or when re-engineering existing applications to support multi-tenancy. Traditional security (re)engineering approaches do not fit with the multitenancy application model where tenants and their security requirements emerge after the system was first developed. Enabling, runtime, adaptable and tenant-oriented application security customization on single service instance is a key challenging security goal in multi-tenant application engineering. In this paper we introduce TOSSMA, a TenantOriented SaaS Security Management Architecture. TOSSMA allows service  providers to enable their tenants in defining, customizing and enforcing their security requirements without having to go back to application developers for maintenance or security customizations. TOSSMA supports security management for both new and existing systems. Service providers are not required to write security integration code to use a specific security platform or mechanism. In this paper, we describe details of our approach and architecture, our prototype implementation of TOSSMA, give a usage example of securing a multi-tenant SaaS, and discuss our evaluation experiments of TOSSMA.

INTRODUCTION

Cloud computing is a new paradigm shift in computing platforms that delivers a new generation of internet- based, highly scalable distributed computing platforms . Software-as-a-Service (SaaS) is one of the three key service delivery models delivered by the cloud computing model . The cloud model, including SaaS, is based on two key characteristics: multi-tenancy, where multiple tenants share the same service instance, and  elasticity here tenants can scale the amount of their allocated resources based on current demands.  Although both characteristics target improving resource utilization, cost and service availability, these gains are threatened by multi-tenancy security implications. Sharing applications that process critical information  with different tenants without sufficient proven security isolation, security SLAs or tenant control, results in “loss-of-control” and “lack-of-trust” problems.

چکیده

چندین مستاجرین به تامین کنندگان خدمات کمک می کنند تا هزینه ها را کاهش دهند، بهبود بهره وری منابع را کاهش دهند، و با به اشتراک گذاشتن منابع و خدمات، زمان و هزینه های سرویس را کاهش دهند. از سوی دیگر، حمایت از چندین مستاجر، پیچیدگی بیشتری را برای قابلیت های مورد نیاز برنامه به اشتراک می گذارد. امنیت یک الزام کلیدی است که باید در هنگام طراحی برنامه های کاربردی SaaS جدید و یا در حال نوسازی برنامه های موجود برای پشتیبانی از چندین اجاره باشد. رویکردهای مهندسی امنیتی (مجدد) سنتی با مدل کاربرد چندزبانه ای که در آن مستاجران و نیازهای امنیتی آنها پس از اولین توسعه سیستم ظاهر می شوند، متناسب نیست. سفارشی سازی امنیت برنامه های کاربردی، زمانبندی، انطباق پذیر و مستحکم گرا، در یک سرویس واحد، یک هدف مهم برای چالش امنیتی در مهندسی نرم افزار چندین مستاجر است. در این مقاله TOSSMA، یک معماری مدیریت امنیت SaaS مستاجرم معرفی شده است. TOSSMA به ارائه دهندگان خدمات اجازه می دهد تا مستاجران خود را در تعریف، سفارشی سازی و اجرای الزامات امنیتی خود بدون نیاز به بازگشت به توسعه دهندگان نرم افزار برای تنظیمات نگهداری و یا امنیت. TOSSMA از مدیریت امنیت برای سیستم های جدید و موجود پشتیبانی می کند. ارائه دهندگان خدمات نیازی به نوشتن کد امنیتی امنیتی برای استفاده از یک پلت فرم یا مکانیزم خاص امنیتی ندارند. در این مقاله، ما جزئیات رویکرد و معماری ما، اجرا نمونه ما از TOSSMA توصیف، به یک مثال استفاده از تامین امنیت یک SaaS به چند مستاجر، و بحث در مورد آزمایش های ارزیابی ما از  TOSSMA است.

مقدمه

محاسبات ابر یک تغییر پارادایم جدید در سیستم عامل های محاسباتی است که نسل جدیدی از سیستم عامل های محاسباتی توزیع شده مبتنی بر اینترنت را در بر می گیرد. نرم افزار به عنوان یک سرویس (SaaS) یکی از سه مدل ارائه خدمات کلیدی ارائه شده توسط مدل محاسبات ابری است. مدل ابر، از جمله SaaS، بر اساس دو ویژگی کلیدی است: چند اجاره، که در آن تعدادی از مستاجران یک نمونه خدمات مشابه را در اختیار دارند، و کشش در اینجا، مستاجران می توانند مقدار منابع اختصاص داده شده خود را براساس تقاضاهای فعلی اندازه گیری کنند. هرچند هر دو ویژگی به بهبود بهره وری منابع، هزینه و دسترسی به خدمات کمک می کنند، این دستاورد ها به دلیل پیامدهای امنیتی چند جانبه تهدید می شود. به اشتراک گذاری برنامه های کاربردی که پردازش اطلاعات بحرانی را با مستاجران مختلف بدون انحلال امنیتی کافی اثبات شده، SLA های امنیتی یا کنترل مستاجران، منجر به مشکلات “از دست دادن کنترل” و “عدم اعتماد” می شود.

Year: ۲۰۱۲

Publisher : IEEE

By : Mohamed Almorsy, John Grundy, and Amani S. Ibrahim

File Information: English Language/ 9 Page / size: 341KB

Download

سال : ۱۳۹۱

ناشر : IEEE

کاری از : محمد الموری، جان گروندی، و امانی سعید ابراهیم

اطلاعات فایل : زبان انگلیسی / ۹ صفحه / حجم : KB 341

لینک دانلود