Defesa de Tese de Doutorado de Rodrigo Alves Prado da Silva – 09/10/2024, 09h, por videoconferência
Link para defesa: https://meet.google.com/hwt-yzhs-mpt
Escalonamento de Workflows em Nuvens de Computadores com Restrições de Confidencialidade
Resumo:
As nuvens fornecem um ambiente sob demanda que permite que cientistas migrem seus experimentos locais baseados em simulações computacionais para um ambiente elástico e com alta disponibilidade. Esses experimentos são comumente modelados como workflows científicos, e muito deles são intensivos em computação e produção de dados. O armazenamento desses dados preocupa, uma vez que a confidencialidade pode ser comprometida, tanto no nível do conteúdo de um arquivo quanto da estrutura do workflow. Usuários maliciosos podem inferir conhecimento dos resultados e da estrutura dos workflows ao acessarem arquivos que não deveriam. A Dispersão dos dados e a criptografia podem ser adotados para aumentar a confidencialidade, mas esses mecanismos não pode ser implantados/adotados de forma desacoplada ao escalonamento do workflow, sob o risco de aumentar o tempo de execução e despesas financeiras. Por exemplo, se determinarmos que um dado deve ser armazenado em um data center na Europa, mas a máquina que o processará se encontra no Brasil, teremos um tempo de transferência não negligenciável e que poderia ser evitado. Nessa proposta de tese, apresentamos o CYCLOPS (exeCution strategY of big data workflows in CLOuds with Privacy reStrictions), uma abordagem de escalonamento que considera restrições de confidencialidade dos dados.
Abstract:
Clouds provide an on-demand environment that allows scientists to migrate their on-premises computer simulation-based experiments to an elastic, high-availability environment. These experiments are commonly modeled as scientific workflows, and many of them are computation and data production intensive. The storage of this data is a concern, since confidentiality can be compromised, both at the level of the content of a file and the structure of the workflow. Malicious users can infer knowledge of the results and structure of workflows by accessing files they shouldn’t. Data dispersion and encryption can be adopted to increase confidentiality, but these mechanisms cannot be deployed/adopted decoupled from workflow scaling, at the risk of increasing execution time and financial expenses. For example, if we determine that data must be stored in a data center in Europe, but the machine that will process it is located in Brazil, we will have a non-negligible transfer time that could be avoided. In this thesis proposal, we present CYCLOPS (exeCution strategY of big data workflows in CLOuds with Privacy restrictions), an escalation approach that considers data confidentiality restrictions.
Banca examinadora:
Prof. Daniel Cardoso Moraes de Oliveira, UFF – Presidente
Prof. Yuri Abitbol de Menezes Frota, UFF
Profa. Simone de Lima Martins, UFF
Profa. Isabel Cristina Mello Rosseti, UFF
Prof. Mario Antonio Ribeiro Dantas, UFJF
Prof. Victor Ströele de Andrade Menezes, UFJF
Prof. Fábio André Machado Porto, LNCC