Por favor, use este identificador para citar o enlazar este ítem:
http://cicese.repositorioinstitucional.mx/jspui/handle/1007/3002| Optimización multi-objetivo de un sistema de almacenamiento de datos en la multi-nube con un esquema de compartición de secretos basado en RRNS Multi-objective optimization of a multi-cloud data storage system with a secrets sharing scheme based on RRNS | |
| LUIS ENRIQUE GARCIA HERNANDEZ | |
| Andrey Chernykh | |
| Acceso Abierto | |
| Atribución | |
| almacenamiento en la nube, optimización multi-objetivo, Sistema Numérico de Residuo, seguridad, esquemas de compartición de secretos Multi-objective optimization, cloud storage, Residue Number System, security, Secret Sharing Schemes | |
| El almacenamiento como servicio (StaaS) es uno de los modelos de negocio del cómputo en la nube, en el cual una empresa alquila espacio en su infraestructura de almacenamiento a otra empresa o individuo. StaaS proporciona flexibilidad y escalabilidad para el almacenamiento de datos, sin embargo, trae varios problemas de ciberseguridad. En este trabajo, abordamos los métodos para mitigar los riesgos de confidencialidad, integridad, disponibilidad y fuga de información asociada con la pérdida de información y denegación de acceso. Nos basamos en un modelo adaptativo de almacenamiento de datos, soportado en esquemas de compartición de secretos y el sistema numérico de residuo redundante. Para adaptar los parámetros de configuración, tomamos en cuenta varios objetivos en conflicto: redundancia, probabilidad de pérdida de información y tiempo de extracción. Proponemos un enfoque basado en un algoritmo genético que es efectivo para resolver problemas de optimización multi-objetivo. Evaluamos los algoritmos NSGA-II, SPEA2 y MOCell, utilizando el marco de trabajo JMetal 5.6. Proporcionamos una evaluación experimental del enfoque propuesto utilizando datos reales de 11 proveedores de almacenamiento en la nube. Se determinó que el algoritmo MOCell es el que presentó los mejores resultados para nuestro problema, lo que nos permite obtener una mejor aproximación del Frente de Pareto. Concluimos que los algoritmos genéticos podrían utilizarse de manera eficiente para la toma de decisiones en sistemas de almacenamiento en un entorno de múltiples nubes. Storage as a service (StaaS) is one of the business models of Cloud Computing, in which a company rents space in its storage infrastructure to another company or individual. StaaS provides flexibility and scalability for data storage, however, it brings several cybersecurity issues. In this work, we address the methods to mitigate the risks of confidentiality, integrity, availability, information leakage associated with the loss of information, and denial of access. We rely on an adaptive secret sharing scheme and error correction codes based on the redundant residue number system. To adapt the con-figuration parameters, we take into account several conflicting objectives: redundancy, probability of information loss, and extraction time. We propose an approach based on a genetic algorithm that is effective for multi-objective optimization problems. We evaluated NSGA-II, SPEA2, and MOCell, using the JMetal 5.6 framework. We provide an experimental evaluation of the proposed approach using 11 real data cloud storage providers. It was determined that MOCell algorithm is the one that presented the best results for our problem, which allows us to obtain a better Pareto Optimal Front approximation. We concluded that genetic algorithms could be efficiently used for decision making in storage systems in a multi-cloud environment. | |
| CICESE | |
| 2019 | |
| Tesis de maestría | |
| Español | |
| García Hernández, L.E. 2019. Optimización multi-objetivo de un sistema de almacenamiento de datos en la multi-nube con un esquema de compartición de secretos basado en RRNS. Tesis de Maestría en Ciencias. Centro de Investigación Científica y de Educación Superior de Ensenada, Baja California. 99 pp. | |
| CÓDIGO Y SISTEMAS DE CODIFICACIÓN | |
| Aparece en las colecciones: | Tesis - Ciencias de la Computación |
Cargar archivos:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| Tesis_García Hernández _Luis Enrique_03_oct_2019.pdf | Versión completa de la tesis | 2.75 MB | Adobe PDF | Visualizar/Abrir |