.png){kind=icon}
返回
Optimizing Resource Allocation and Enhancing Security in Cloud Systems: A Data-Centric Approach
.png){kind=icon}
OA
AI
DOI：10.3390/computers15070419.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
高性能资源编排与鲁棒数据安全代表了现代云计算架构中关键且常冲突的运营目标。本研究提出了一种统一的基础设施框架，通过集成地理感知放置算法（GAPA）与人工智能驱动的监控系统（AIDAM）来协调这些需求。GAPA根据区域服务器容量和地理邻近性动态优化工作负载分布，而AIDAM利用深度无监督自编码器实现实时异常检测和威胁缓解。该框架通过确定性模拟进行评估，使用Google集群数据（2019）语料库中的生产跟踪数据，并在系统注入大流量分布式拒绝服务（DDoS）异常的条件下进行测试。实证结果表明，在低频慢速流量变化下，威胁检测的宏平均准确率达到92%，且与未加密的基线调度配置相比，加密处理延迟开销最小为3–5%。此外，集成管道相较于传统非地理感知启发式模型，端到端网络延迟降低了25%。这些发现表明，云计算基础设施的效率与安全韧性可以同步提升，而无需全面进行物理重构。
Keyword:
cloud computing
workload balancing
resource allocation
data security
anomaly detection
期刊
C
IF:
4.2
论文数:
1.5K
被引数:
3.3K
机构
引用论文
Federated Reinforcement Learning-Based Dynamic Resource Allocation and Task Scheduling in Edge for IoT Applications边缘物联网应用中基于联邦强化学习的动态资源分配和任务调度.png)
SENSORS
OAAI
SENSORSIF3.5
OAAI分享收藏Cloud Computing马林斯库，D.C. 云计算：理论与实践，第2版；Morgan Kaufmann：剑桥，MA，美国，2022。[Google Scholar][CrossRef]
IF0
PREAI
分享收藏A Resource Allocation Model Based on Trust Evaluation in Multi-Cloud EnvironmentsIEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏REAL-TIME INSIDER THREAT DETECTION IN CLOUD PLATFORMS THROUGH ENSEMBLE LEARNING AND USER BEHAVIOR ANALYTICSReddy, A.Y.; Yashwika, B.; Kumar, B.K.; Teja, R.S.D.; Shreyas, K. 通过集成学习和用户行为分析实现云平台中的实时内部威胁检测。Int. J. Data Sci. IoT Manag. Syst. 2025, 4, 149–156. [Google Scholar] [CrossRef]
PREAI
分享收藏Joint DNN partitioning and task offloading in mobile edge computing via deep reinforcement learning基于深度强化学习的移动边缘计算中联合DNN分区和任务卸载OAAI
OAAI分享收藏分享收藏Robust and accurate performance anomaly detection and prediction for cloud applications: a novel ensemble learning-based framework用于云应用的鲁棒且准确的性能异常检测和预测: 一种新颖的基于集成学习的框架OAAI
OAAI分享收藏Energy Aware Task Scheduling of IoT Application Using a Hybrid Metaheuristic Algorithm in Cloud Computing基于云计算的物联网应用节能任务调度混合元启发式算法
PREAI
分享收藏
查看更多内容