ارائه روشي به منظور جايابي ماشين‌هاي مجازي با آگاهي از امنيت و كارايي

Security and Performance-Aware Virtual Machine Placement in Cloud Computing Environments

روند جاري در حوزه سامانه‌هاي كامپيوتري به سمتي پيش مي‌رود كه كاربران در عوض راه‌اندازي خدمات مورد نياز خود بر روي مراكز داده‌ي سنتي، آن‌ها را از ارائه‌دهندگاني تهيه نمايند كه اين خدمات را از طريق اينترنت عرضه كرده و وظيفه راه‌اندازي و نگهداري آن‌ها را بر عهده مي‌گيرند. اين مراكز داراي استخري از منابع هستند كه تصوير وجود منابع نامحدود را براي كاربران ايجاد مي‌كند. خدمات اين ارائه‌دهندگان از قابليت انعطاف بالايي بهره مي‌برند كه درنتيجه آن متقاضي مي‌تواند دقيقا منابع متناظر با نياز خود را دريافت كرده و به همان ميزان نيز هزينه پرداخت نمايد. با گسترش مراكز داده ابري، نحوه قرارگيري ماشين‌هاي مجازي در سيستم‌هاي موجود با آگاهي از عواملي مانند امنيت، انرژي و ترافيك داده‌هاي انتقالي بين ماشين‌هاي مختلف تبديل به يكي از دغدغه‌هاي اصلي اين مراكز شده است. اين امر به اين دليل است كه عدم توجه به اين عوامل و استفاده از الگوريتم‌هاي تصادفي، حريصانه يا نوبتي هزينه‌هاي مالي و امنيتي بالايي براي سرويس‌دهنده‌هاي ابري در بر داشته باشد. در اين پژوهش، توانستيم روشي ارائه دهيم تا امنيت و كارايي جانمايي ماشين‌هاي مجازي را نسبت به ساير روش‌هاي ارائه‌شده با استفاده از تصميم دقيق‌تر و مناسب‌تري هريك به ترتيب و به طور ميانگين به ميزان 15٪ و 23٪ بهبود ببخشد.

The current trend in the field of computer systems is moving in the direction that users, instead of launching the services they need on traditional data centers, procure them from providers that provide these services through the Internet and are responsible for setting them up and maintaining them. These centers have a pool of resources that create the image of unlimited resources for users. Also, the services of these providers benefit from a high degree of flexibility, as a result of which the client can receive exactly the resources corresponding to their needs and pay the same amount. With the expansion of cloud data centers, the placement of virtual machines in existing systems with awareness of factors such as security, energy and data traffic between different machines has become main concerns of these centers. This is because not paying attention to these factors and using random, greedy or intermittent algorithms entails high financial and security costs for cloud service providers. In this study, we were able to provide a way to improve the security and location of virtual machines compared to other methods using a more accurate and appropriate decision to improve each, respectively, by an average of 15% and 23%.