Алгоритм для определения степени уязвимости участков облачных вычислений на основе метода ELECTRE I
https://doi.org/10.21822/2073-6185-2024-51-4-130-143
Аннотация
Цель. В принятии решений при сравнении альтернатив часто приходится работать с различными значениями или оценками, которые еще имеют важность. Одним из методов многокритериального анализа, который может быть применен в модели определения уязвимости участков облачных вычислений является метод ELECTRE I. Данная статья представляет алгоритм для определения степени уязвимости участков облачных вычислений с использованием метода Electre I. Метод. Метод Electre I позволяет оценить относительные преимущества и недостатки различных участков облачных вычислений на основе набора критериев. Результат. Алгоритм, представленный в статье, включает в себя шаги для определения весов критериев, оценки альтернатив в соответствии с этими критериями и вычисления степени уязвимости. Данная модель позволит определить участок или участки, которые наиболее подвержены опасности поломки или выхода из строя, и удалить доминируемые альтернативы, которые не представляют серьезной опасности. На основе выявленных предпочтений можно принять решение об устранении неполадок по выбранным участкам облачного сервиса. Экспериментальное исследование проведено на основе реальных данных о системе облачных вычислений. Вывод. Полученные результаты подтверждают эффективность предложенного метода и его способность точно определить уязвимости участков облачных вычислений. Результаты этой работы могут быть полезны для администраторов облачных систем и специалистов по безопасности, которые заботятся о поддержании безопасности и надежности в облачной среде.
Об авторе
С. В. РазумниковРоссия
Разумников Сергей Викторович, кандидат технических наук, доцент, отделение цифровых технологий и безопасности
652055, г. Юрга, ул. Ленинградская, 26
Список литературы
1. A cloud server energy consumption measurement system for heterogeneous cloud environments / W. Lin, H. Wang, Y. Zhang, D. Qi, J.Z. Wang, V. Chang // Information Sciences. – Vol. 468. – November 2018. – P. 47–62. https://doi.org/10.1016/j.ins.2018.08.032.
2. Paul PK; Ghose MK (2012). Cloud Computing: possibilities, challenges and opportunities with special reference to its emerging need in the academic and working area of Information Science. International conference on modelling optimization and computing, 38, 2222-2227. DOI:10.1016/j.proeng.2012.06.267.
3. Reynolds, P; Yetton, P. (2015). Aligning business and IT strategies in multi-business organization. Journal of information technology, 30 (2), 101-118. https://doi.org/10.1057/jit.2015.1.
4. Lin W, Wang H., Zhang Y., Qi D., Wang J.Z., Chang V. A cloud server energy consumption measurement system for heterogeneous cloud environments. Information Sciences, 2018, vol. 468, pp. 47–62. DOI:10.1016/j.ins.2018.08.032.
5. Jones, S (2015). Cloud computing procurement and implementation: Lessons learnt from a United Kingdom case study. International journal of information management, 35 (6), 712-716. https://doi.org/10.1016/j.ijinfomgt.2015.07.007.
6. Amir Mohamed Elamir, Norleyza Jailani, Marini Abu Dakar. (2013). Framework and architecture for programming education environment as cloud computing service. Procedia Technology, 11, 1299-1308. https://doi.org/10.1016/j.protcy.2013.12.328.
7. Sultan, N. (2013). Knowledge management in the age of cloud computing and Web 2.0: Experiencing the power of disruptive innovations. International journal of information management, 33 (1), 160-165. https://doi.org/10.1016/j.ijinfomgt.2012.08.006.
8. Breedveld S., Craft D., van Haveren R., Heijmen B. (2019). Multi-criteria optimization and decision-making in radiotherapy // European Journal of Operational Research, 277(1), с. 1-19. https://doi.org/10.1016/j.ejor.2018.08.019.
9. Singh, B.K., Roy, H., Mondal, B., Roy, S.S., Mandal, N. (2019). Measurement of chip morphology and multi criteria optimization of turning parameters for machining of AISI 4340 steel using Y-ZTA cutting insert // Measurement: Journal of the International Measurement Confederation, 142, с. 181-194. https://doi.org/10.1016/j.measurement.2019.04.064.
10. Wang J.-Q., Li S., Hedayati Dezfuli F., Alam M.S. (2019). Sensitivity analysis and multi-criteria optimization of SMA cable restrainers for longitudinal seismic protection of isolated simply supported highway bridges // Engineering Structures, 189, с. 509-522. DOI:10.1016/j.engstruct.2019.03.091.
11. Álvarez-Miranda E., Garcia-Gonzalo J., Pais C., Weintraub A. (2019). A multicriteria stochastic optimization framework for sustainable forest decision making under uncertainty // Forest Policy and Economics, 103, с. 112-122. https://doi.org/10.1016/j.forpol.2018.03.006.
12. Breedveld S., Craft D., van Haveren R., Heijmen B. (2019). Multi-criteria optimization and decision-making in radiotherapy // European Journal of Operational Research, 277(1), с. 1-19. DOI: 10.1016/j.ejor.2018.08.019.
13. Razumnikov S.V. (2022). Building an Aggregate Rating of Popular SaaS Services Based on Organization of Customer Support Channels // Lecture Notes in Electrical Engineering, vol. 857 LNEE, – p. 313-323. https://doi.org/10.1007/978-3-030-94202-1_30.
14. Разумников С.В. Некомпенсаторное агрегирование и рейтингование провайдеров облачных услуг // Доклады Томского государственного университета систем управления и радиоэлектроники. 2018. Т. 21. № 4. С. 63-69. doi: 10.21293/1818-0442-2018-21-4-63-69.
15. Разумников С.В. Планирование развития облачной стратегии на основе применения многокритериальной оптимизации и метода STEM//Доклады Томского государственного университета систем управления и радиоэлектроники. 2020. Т. 23. № 1. С. 53-61. DOI: 10.21293/1818-0442-2020-23-1-53-61.
16. Разумников С.В. Модели, алгоритмы и программное обеспечение поддержки принятия стратегических решений к переходу на облачные технологии: монография / С.В. Разумников // Изд-во Томского политехнического университета. - 2020. - 176 с.
17. Разумников С.В. Разработка программного обеспечения для построения агрегированных рейтингов на основе метода порогового агрегировния // Вестник воронежского государственного университета. Серия: Системный анализ и информационные технологии. 2021. № 2. с. 138-152. DOI: https://doi.org/10.17308/sait.2021.2/3510.
18. Micale R., La Fata C.M., La Scalia G. (2019). A combined interval-valued ELECTRE TRI and TOPSIS approach for solving the storage location assignment problem // Computers and Industrial Engineering, 135, с. 199-210. DOI:10.1016/j.cie.2019.06.011.
19. Zhou H., Wang J.-Q., Zhang H.-Y. (2019). Stochastic multicriteria decision-making approach based on SMAAELECTRE with extended gray numbers // International Transactions in Operational Research, 26(5), с. 2032-2052. DOI:10.1111/itor.12380.
20. Liao H., Jiang L., Lev B., Fujita H. (2019). Novel operations of PLTSs based on the disparity degrees of linguistic terms and their use in designing the probabilistic linguistic ELECTRE III method // Applied Soft Computing Journal, 80, с. 450-464. https://doi.org/10.1016/j.asoc.2019.04.018.
21. Costa A.S., Rui Figueira J., Vieira C.R., Vieira I.V. (2019). An application of the ELECTRE TRI-C method to characterize government performance in OECD countries // International Transactions in Operational Research, 26(5), с. 1935-1955. DOI:10.1111/itor.12394.
22. Akram M., Waseem N., Liu P. (2019). Novel Approach in Decision Making with m–Polar Fuzzy ELECTRE-I // International Journal of Fuzzy Systems, 21(4), с. 1117-1129. DOI:10.1007/s40815-019-00608-y.
23. Hamzeh Alabool, Ahmad Kamil, Noreen Arshad, Deemah Alarabiat, Cloud service evaluation method-based MultiCriteria Decision-Making: A systematic literature review, Journal of Systems and Software, Volume 139, 2018, Pages 161-188. https://doi.org/10.1016/j.jss.2018.01.038.
24. Khoruzhy, L.I., Petrovich Bulyga, R., Yuryevna Voronkova, O., Vasyutkina, L.V., Ryafikovna Saenko, N., Leonidovich Poltarykhin, A. and Aravindhan, S. (2022), "A new trust management framework based on the experience of users in industrial cloud computing using multi-criteria decision making", Kybernetes, Vol. 51 No. 6, pp. 1949- 1966. https://doi.org/10.1108/K-05-2021-0378.
25. Bhol, S.G., Mohanty, J.R., Pattnaik, P.K. (2020). Cyber Security Metrics Evaluation Using Multi-criteria DecisionMaking Approach. In: Satapathy, S., Bhateja, V., Mohanty, J., Udgata, S. (eds) Smart Intelligent Computing and Applications . Smart Innovation, Systems and Technologies, vol 160. Springer, Singapore. https://doi.org/10.1007/978-981-32-9690-9_71.
26. Hosseinzadeh, M., Hama, H.K., Ghafour, M.Y. et al. Service Selection Using Multi-criteria Decision Making: A Comprehensive Overview. J Netw Syst Manage 28, 1639–1693 (2020). https://doi.org/10.1007/s10922-020-09553-w.
27. Md Whaiduzzaman, Abdullah Gani, Nor Badrul Anuar, Muhammad Shiraz, Mohammad Nazmul Haque, Israat Tanzeena Haque, "Cloud Service Selection Using Multicriteria Decision Analysis", The Scientific World Journal, vol. 2014, Article ID 459375, 10 pages, 2014. https://doi.org/10.1155/2014/459375.
28. van der Meer J. et al. Multi-criteria decision model inference and application in information security risk classification : дис. – Ph. D. dissertation, Master Thesis, Dept. Economics, Erasmus University Rotterdam, 2012.
Рецензия
Для цитирования:
Разумников С.В. Алгоритм для определения степени уязвимости участков облачных вычислений на основе метода ELECTRE I. Вестник Дагестанского государственного технического университета. Технические науки. 2024;51(4):130-143. https://doi.org/10.21822/2073-6185-2024-51-4-130-143
For citation:
Razumnikov S.V. Algorithm for determining the degree of vulnerability of cloud computing areas based on the electre i method. Herald of Dagestan State Technical University. Technical Sciences. 2024;51(4):130-143. (In Russ.) https://doi.org/10.21822/2073-6185-2024-51-4-130-143