زمانبندی برنامه های جریان کاری آنالیز داده در محیط محاسبات ابری ترکیبی متحد شده با توجه به مکان داده های بزرگ و حفظ محرمانگی اطلاعات
Publish place: The first international conference of modern research engineers in electricity and computer
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 577
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CBCONF01_0772
تاریخ نمایه سازی: 16 شهریور 1395
Abstract:
ابرهای محاسباتی جدیدترین نسل سیستم های توزیع شده هستند که به کاربران اجازه میدهند تا به خدمات مبتنیبر وب به صورت کاملا پویا و مقیاس پذیر و بر اساس مدلهای مختلف نرخ خدمت دسترسی پیدا کنند. این موضوع بهکاربران و مخصوصا شرکتهای کوچک و متوسط تجاری اجازه نوآوری و رقابت با شرکت های بزرگ تجاری را می دهد. از سویدیگر توانایی مدیریت و آنالیز حجم عظیم داده های تولید شده به عنوان عاملی کلیدی در راستای برتری رقابتی این شرکت هامحسوب می شود. به همین علت شرکت های تجاری و مراکز تحقیقاتی از الگوی برنامه های جریان کاری آنالیز دادهبرای سیاست گذاری و تصمیم گیری بهتر استفاده می کنند. با این وجود استفاده کنندگان از این فناوری با دو چالش بزرگروبرو هستند؛ تضمین محرمانگی داده ها در بستر ابر محاسباتی و نحوه دسترسی و تبادل اطلاعات با مرکز داده های بزرگ.هدف از این تحقیق، بررسی و ارائه الگوریتم زمانبندی برنامه های جریان کاری آنالیز داده برای تضمین امنیت اطلاعات درابرهای ترکیبی متحد شده می باشد، به صورتی که دو معیار اصلیی هزینه اقتصادی و زمان اجرا در زمانبندی را بهینهنماید و زمانبندی وظایف مرتبط با داده های بزرگ با توجه به مکان استقرار این اطلاعات صورت پذیرد. در پایان، پیادهسازی و ارزیابی الگوریتم پیشنهادی در مقایسه با سایر روشهای پیشنهادی تحلیل و بررسی شده است تا عملکرد نهاییزیرسیستم زمانبندی ارائه شده، از طریق همگرایی نتایج، مورد مطالعه و ارزیابی قرار گیرد.
Keywords:
Authors
اعظم وطن دوست
دانشجوی کارشناسی ارشد نرم افزار ، گروه مهندسی کامپیوتر ،دانشگاه آزاد اسلامی واحد شیروان ،شیروان ،ایران
الهام غلامی
عضو هیئت علمی، گروه مهندسی کامپیوتر ،دانشگاه آزاد اسلامی واحد شیروان ،شیروان ،ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :