Towards a method for risk calculation in multicloud environments

Abstract

La complejidad y popularidad de la computación en la nube se ha incrementado a lo largo de los años. Es común encontrar aplicaciones con gran demanda y elevadas cargas de trabajo en la nube, utilizando uno o más proveedores. Este escenario ha motivado los investigadores a encontrar nuevos métodos en la selección de configuraciones adecuadas para un conjunto de requerimientos. Diferentes métodos de soporte a la decisión de múltiples criterios (MCDMM) se han desarrollado para cumplir con este fin, y cada uno funciona bien en el dominio en el que son aplicados. Este trabajo construye las bases de un método basado en modelos para calcular el riesgo en ambientes desplegados en la nube, el cual correlaciona los requerimientos técnicos y de negocio e ignora todos los datos que no son relevantes. Se utiliza algoritmos de regresión del campo de machine learning para encontrar los valores óptimos de un modelo de cálculo de riesgo...

Cloud computing's complexity and popularity has increased exponentially over the years. It is common to find high demanding applications that run heavy workloads on the cloud, by using one or more services from a set of providers. This scenario has motivated researchers to find new methods to assist in the selection of suitable configurations for a given set of requirements. Cost based, performance based and risk based multi criteria decision making methods (MCDMM) have been developed to achieve this end, and they work well for the domain in which they are applied. This work sets the basis for a model based method that calculate risk in cloud computing environments, which aims to correlate technical and business requirements while ignoring data that is not relevant. We leverage machine learning regression algorithms to find the optimal values of a risk calculation model...