زمان‌بندی گردش‌کار در محیط ابر ترکیبی با در نظر گرفتن امنیت کارها و ارتباطات با الگوریتم ازدحام ذرات بهبودیافته

در حالی که منابع ابر خصوصی برای اجرای درخواست‌ها، کاهش هزینه و امنیت بیشتر اطلاعات را به دنبال دارد، استفاده از ابر عمومی علاوه بر هزینه، مخاطرات احتمالی در حفاظت از اطلاعات سازمان را نیز به همراه دارد. اما نیاز سازمان‌ها به منابع با کارایی و ظرفیت ذخیره‌سازی بالا، آن‌ها را ناگزیر به استفاده از ابر عمومی می‌کند. بنابراین زمان‌بندی درخواست‌ها به منابع، یکی از مسائل مهم در محاسبات ابری است. در این مقاله روش جدیدی پیشنهاد می‌شود که به زمان‌بندی کارها با در نظر گرفتن ملاحظات امنیتی می‌پردازد. ملاحظات امنیتی شامل حساسیت برای کارها که در پژوهش‌های اخیر در نظر گرفته شده، حساسیت برای داده‌های انتقالی بین کارها و همچنین ایده اصلی در نظر گرفتن قدرت امنیتی برای منابع و مسیرهای ارتباطی بین آن‌ها می‌باشد. سناریوی پیشنهادی توسط الگوریتم pso بهبودیافته (pso-wscs) پیاده‌سازی می‌شود. تابع هدف، حداقل‌کردن فاصله امنیتی کارها و داده‌ها از قدرت امنیتی منابع و ارتباطات است؛ به‌طوری‌که دو محدودیت زمان و هزینه نیز برآورده شود. الگوریتم پیشنهادی pso-wscs که تغییراتی روی الگوریتم pso اصلی می‌دهد، با سه الگوریتم دیگر زمان‌بندی مطرح و مشابه vnpso، m-pso و mpso-sa با در نظر گرفتن امنیت در محیط ابر ترکیبی مقایسه می‌گردد. نتایج ارزیابی حاکی از موثر بودن الگوریتم پیشنهادی در یافتن منابع با شباهت امنیتی نزدیک به نیازهای امنیتی می‌باشد. به‌طور متوسط، بهبود 40 درصدی در نمونه‌های در نظر گرفته‌شده این مهم را نشان می‌دهد.

Secure and confidential workflow scheduling in hybrid cloud using improved particle swarm optimization algorithm

While private clouds provide high security and low cost for scheduling workflow, public clouds are potentially exposed to the risk of data and computation breach as well as their higher costs. In real world, however, we may need high performance resources and high capacity storage devices encouraging organizations to use public clouds. Task scheduling, therefore, is one of the most important challenges in cloud computing. In this paper a new scheduling method is proposed for workflow applications in hybrid cloud, while considering the security issue as well. Specifically, in adition to sensitivity of tasks, that considered in recent works, security requirement for data and security strength for both resources and channels are taken into account. Proposed scheduling method is implemented by improved particle swarm optimization algorithm and is named PSOWSCS. The goal function is to minimize the security distance of data and workflow from security strengths of resources and channels so that time and budget constraints are met. The proposed PSOWSCS algorithm is compared with three state of the art scheduling algorithms, namely VNPSO, MPSO and MPSOSA, in hybrid cloud. Evaluations show the effectiveness of our algorithm by finding resources having security aspects resemblance to the security requirements. In average, improvement of 40% is resulted for the given samples.