عبدالله کریمی - دانشجوی دکتری هوش مصنوعی مدرس دانشگاه

حملات امنیتی یک کابوس برای بسیاری از محیط های محاسباتی مانند محاسبات مه است و باید به این حملات رسیدگی شود. محیط های محاسباتی مه در برابر انواع مختلف آسیب پذیر هستندحملات ۱DDoS ، که می تواند منابع مه را مشغول کند. به طور معمول در چنین حملاتی ، محیطهای مه غالبا منابع کمتری در دسترس دارند، که می تواند بر برنامه ریزی اینترنت اشیا (IoT)۲ ارسالی تاثیر منفی بگذارد .درگردش کار، بیشتر برنامه های موجود ، تاثیر حملات DDoS را در نظر نمی گیرند روند برنامه ریزی ، افزایش مهلت گردش کار از دست رفته و کارهای بارگیری شده در ابر. برای با این مسائل ، یک الگوریتم بهینه سازی ترکیبی ارائه شده است که شامل هر دو گروه Particle Swarm است .بهینه سازی (PSO)۳و الگوریتم Salp Swarm (SSA) ، برای حل مسئله برنامه ریزی گردش کار به صورت چندگانه محیط محاسبات مه. برای هر محاسبات مه دو مدل زنجیره ای مارکوف با زمان گسسته ارائه شده است محیط برای رسیدگی به اثرات حملات DDoS بر آنها. اولین مدل مارکوف ما میانگین را محاسبه می کند پهنای باند شبکه موجود برای هر مه. مدل مارکوف دوم تعداد متوسط موجود را پیدا می کند ماشین های مجازی (ماشین های مجازی) برای هر مه. این مدل ها سطوح مختلف حملات DDoS را نشان می دهند. گسترده.شبیه سازی ها نشان می دهد که با پیش بینی اثرات حملات DDoS بر روی محیط مه ، روش پیشنهادی می تواند به طور موثر تعداد کارهای بارگیری شده در مراکز داده ابری را کاهش دهد و می تواند تعداد آنها را کاهش دهد آخرین مهلت گردش کار را از دست داد.

حملات امنیتی، محاسبات مه،الگوریتم