Escalonamento de Workflows em Nuvens de Computadores com Restrições de Confidencialidade
Resumo
Diversos cientistas tem migrado seus experimentos para a nuvem. Esses experimentos podem ser modelados como workflows científicos, e muito deles são intensivos em dados/computação. Os dados produzidos pelas execuções dos workflows são armazenados na nuvem, o que levanta a preocupação da confidencialidade dos dados, i.e., o risco do acesso não autorizado aos arquivos por conta de usuários maliciosos. Mecanismos como a dispersão dos dados e criptografia podem ser adotados para aumentar a confidencialidade dos dados. Entretanto, a adoção desses mecanismos não pode ser desacoplada do escalonamento do workflow, pois pode aumentar o tempo de execução e seu custo financeiro. Nesse artigo, apresentamos uma heurística de escalonamento de workflows denominada SaFER-GCH (workflow Scheduling with conFidEntiality pRoblem - Greedy random Constructive Heuristic), que considera restrições de confidencialidade dos dados enquanto executa o escalonamento das ativações. Experimentos com traces reais de workflows apresentaram resultados promissores.
Palavras-chave:
Computação em Nuvem, Grade, Aglomerado (Cluster) e Peer-to-Peer, Escalonamento e Balanceamento de Carga
Referências
Abazari, F., Analoui, M., Takabi, H., and Fu, S. (2019). Mows: multi-objective workflow scheduling in cloud computing based on heuristic algorithm. SMPT, 93:119–132.
Branco-Jr., E. C., Monteiro, J. M., Reis, R., and Machado, J. C. (2016). A new mechanism to preserving data confidentiality in cloud database scenarios. In ICEIS, volume 291, pages 261–283. Springer.
Ennajjar, I., Tabii, Y., and Benkaddour, A. (2017). Securing data in cloud computing by classification. BDCA’17, New York, NY, USA. ACM.
Guerine, M., Stockinger, M. B., Rosseti, I., Simonetti, L. G., Ocana, K. A., Plastino, A., and de Oliveira, D. (2019). A provenance-based heuristic for preserving results confidentiality in cloud-based scientific workflows. FGCS, 97:697 – 713.
Shishido, H. Y., Estrella, J. C., and Toledo, C. F. M. (2018). Multi-objective optimization for workflow scheduling under task selection policies in clouds. In CEC, pages 1–8. IEEE.
Sujana, J. A. J., Revathi, T., Priya, T. S., and Muneeswaran, K. (2019). Smart pso-based secured scheduling approaches for scientific workflows in cloud computing. Soft. Comp., 23(5):1745–1765.
Branco-Jr., E. C., Monteiro, J. M., Reis, R., and Machado, J. C. (2016). A new mechanism to preserving data confidentiality in cloud database scenarios. In ICEIS, volume 291, pages 261–283. Springer.
Ennajjar, I., Tabii, Y., and Benkaddour, A. (2017). Securing data in cloud computing by classification. BDCA’17, New York, NY, USA. ACM.
Guerine, M., Stockinger, M. B., Rosseti, I., Simonetti, L. G., Ocana, K. A., Plastino, A., and de Oliveira, D. (2019). A provenance-based heuristic for preserving results confidentiality in cloud-based scientific workflows. FGCS, 97:697 – 713.
Shishido, H. Y., Estrella, J. C., and Toledo, C. F. M. (2018). Multi-objective optimization for workflow scheduling under task selection policies in clouds. In CEC, pages 1–8. IEEE.
Sujana, J. A. J., Revathi, T., Priya, T. S., and Muneeswaran, K. (2019). Smart pso-based secured scheduling approaches for scientific workflows in cloud computing. Soft. Comp., 23(5):1745–1765.
Publicado
30/11/2020
Como Citar
SILVA, Rodrigo; PACITTI, Esther; FROTA, Yuri; DE OLIVEIRA, Daniel.
Escalonamento de Workflows em Nuvens de Computadores com Restrições de Confidencialidade. In: ESCOLA REGIONAL DE ALTO DESEMPENHO DO RIO DE JANEIRO (ERAD-RJ), 6. , 2020, Evento Online.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2020
.
p. 1-5.
DOI: https://doi.org/10.5753/eradrj.2020.14507.
