ارائه روشی به منظور جایابی ماشین‌های مجازی با آگاهی از امنیت و کارایی

روند جاری در حوزه سامانه‌های کامپیوتری به سمتی پیش می‌رود که کاربران در عوض راه‌اندازی خدمات مورد نیاز خود بر روی مراکز داده‌ی سنتی، آن‌ها را از ارائه‌دهندگانی تهیه نمایند که این خدمات را از طریق اینترنت عرضه کرده و وظیفه راه‌اندازی و نگهداری آن‌ها را بر عهده می‌گیرند. این مراکز دارای استخری از منابع هستند که تصویر وجود منابع نامحدود را برای کاربران ایجاد می‌کند. خدمات این ارائه‌دهندگان از قابلیت انعطاف بالایی بهره می‌برند که درنتیجه آن متقاضی می‌تواند دقیقا منابع متناظر با نیاز خود را دریافت کرده و به همان میزان نیز هزینه پرداخت نماید. با گسترش مراکز داده ابری، نحوه قرارگیری ماشین‌های مجازی در سیستم‌های موجود با آگاهی از عواملی مانند امنیت، انرژی و ترافیک داده‌های انتقالی بین ماشین‌های مختلف تبدیل به یکی از دغدغه‌های اصلی این مراکز شده است. این امر به این دلیل است که عدم توجه به این عوامل و استفاده از الگوریتم‌های تصادفی، حریصانه یا نوبتی هزینه‌های مالی و امنیتی بالایی برای سرویس‌دهنده‌های ابری در بر داشته باشد. در این پژوهش، توانستیم روشی ارائه دهیم تا امنیت و کارایی جانمایی ماشین‌های مجازی را نسبت به سایر روش‌های ارائه‌شده با استفاده از تصمیم دقیق‌تر و مناسب‌تری هریک به ترتیب و به طور میانگین به میزان 15٪ و 23٪ بهبود ببخشد.

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

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%.