Balancing theft and corruption threats by data partition in cloud system with independent server protection

این مقاله مدل های سیستم های محاسباتی ابری را تحت پوشش حملات مشترک قرار می دهد، جایی که مهاجم می تواند دسترسی به اطلاعات حساس کاربر را از طریق میز اقامت مجازی ماشین های مجازی خود در همان سرور فیزیکی به دست آورد. هر دو ماشین مجازی مهاجم و کاربران در میان سرورهای ابر به صورت تصادفی توزیع می شوند. فرض بر این است که موفقیت های مهاجم در دسترسی غیر مجاز به داده ها در سرورهای مختلف، حوادث مستقل است که می تواند با احتمال داده شده رخ دهد. برای کاهش اثرات حملات مشترکین، یک سیاست حفاظت از اطلاعات بر اساس تکنیک پارتیشن اعمال می شود که اطلاعات حساس تقسیم می شود و بین چندین ماشین مجازی در ابر توزیع می شود. همانطور که اطلاعات تنها در یکپارچگی آن مفید است، مهاجم باید دسترسی به تمام بلوک های داده جدا شده را برای سرقت اطلاعات داشته باشد. از سوی دیگر، فاسد شدن هر بلوک می تواند اطلاعات را نابود کند و آن را بی فایده سازد. از این رو، ایجاد بلوک های بیشتر می تواند اطلاعات را دشوار تر برای سرقت (احتمال سرقت اطلاعات پایین تر)، اما ساده تر برای فاسد شدن (احتمال فساد بیشتر داده ها). این کار مشارکت اصلی را با فرمولاسیون و حل مشکلات بهینه سازی محدود برای توازن اطلاعات دزدی و احتمال فساد داده می شود. به ویژه مدل های احتمالی برای اولین بار ارائه شده است، که احتمال می دهد که مهاجم می تواند در سرقت اطلاعات و فساد اطلاعات موفق شود. علاوه بر این، تعداد مطلوب بلوک های داده های مختلف (مطابق با تعداد ماشین های مجازی کاربر) به دست می آید، که احتمال سرقت داده ها را به حداقل رساندن محدودیت احتمالی فساد اطلاعات کاهش می دهد. هر دو تعداد ثابت و نامشخص ماشین های مجازی مهاجم مورد توجه قرار گرفته اند. مثالهای عددی برای نشان دادن تأثیر پارامترهای سیستم ابر بر روی سیاست بهینه پارتیشن داده کاربر به دست آمده است.