Analyzing Security and Energy Tradeoffs in Autonomic Capacity Management Analisando Tradeoffs de Segurança e Energia em Gerenciamentos Autônomos de Capacidade.

Apresentação em tema: "Analyzing Security and Energy Tradeoffs in Autonomic Capacity Management Analisando Tradeoffs de Segurança e Energia em Gerenciamentos Autônomos de Capacidade."— Transcrição da apresentação:

1 Analyzing Security and Energy Tradeoffs in Autonomic Capacity Management Analisando Tradeoffs de Segurança e Energia em Gerenciamentos Autônomos de Capacidade Ítalo Cunha, Itamar Viana, João Palotti, Jussara Almeida e Virgílio Almeida Departamento de Ciência da Computação, UFMG IEEE 2008 Apresentado por: Gabriel Gugik e Maria Lucia Ceschin Tópicos em Redes – BCC – UFPR

2 Roteiro Definições iniciais Motivações e propostas dos autores Gerenciamento e modelos Gerenciamento sob ataque de segurança Gerenciamento sob quedas de energia Experimentação Conclusão

3 Definições Iniciais Tradeoff entre componentes Gerenciamento de capacidade Service Level Agreement (SLA)‏

4 Motivações O gerenciamento de capacidade tradicional visa somente questões de desempenho, esquecendo segurança e energia Ataques à segurança podem causar grandes perdas financeiras Custos com energia adicionam desafios extras na tarefa de gerenciamento de capacidade

5 Proposta Desenvolver um framework auto-configurável otimizado para a gerência de capacidade, maximizando o lucro dos provedores, através de um já existente; Ser o primeiro estudo que analisa performance, segurança e energia, ao mesmo tempo; Analisar a performance e os custos perdidos sob ataques de segurança e problemas de energia; Fazer uso de contratos SLA, que determinam o tradeoff para provedores e usuários.

6 Características do Framework a ser desenvolvido Quando uma aplicação está sob ataque, o novo framework maximiza o lucro do provedor. Estas penalidades podem ser reduzidas e eliminadas se a vítima concordar em pagar por cada requisição legítima. Sob problemas de energia, o novo framework desliga serviços mais pesados, dando preferência para os que gastam menos.

7 Gerenciamento Autônomo de Capacidade para Serviços MultiCamadas Contratos SLA entre provedores e clientes; O provedor gerencia N tipos de classes de aplicações; Existem K camadas (tiers), que podem utilizar todas as N classes; Cada Tier provê um ambiente de virtualização; Cada classe roda em VM dedicadas, uma em cada Tier.

8 Gerenciamento Autônomo de Capacidade para Serviços MultiCamadas Um tier (camada)‏ Tier 1 Tier 2 Tier 3 Gerenciamento de Capacidade Contrato SLA Aplicação com 3 camadas

9 Gerenciamento Autônomo de Capacidade para Serviços Multicamadas O objetivo deste sistema é determinar a capacidade de cada Tier (camada) j para cada classe i, que maximizam o lucro global acordado no SLA. A determinação destas capacidades dependem do tipo serviço contratado, focado no desempenho ou no preço, assim como a configuração dos sistemas virtuais.

10 Princing Model Especifica qualidade de serviço, custos de armazenamento e determina o contrato SLA, baseado em valores monetários. No método normal, o provedor deve garantir recursos para cada Tier (classe), conforme o valor definido. Caso contrário, deverá ressarcir o usuário. No método sobrecarregado, é possível obter recursos adicionais, fora os já especificados. Nesse caso, o cliente pagaria a mais quando precisar destes recursos.

11 Performance Model O modelo estima, para cada classe, os recursos em cada tier, a vazão do sistema e a probabilidade de violações do contrato. Realiza diversos cálculos probabilísticos, para assegurar e determinar os melhores valores. Gerenciamento muito mais complexo comparado ao Pricing model.

12 Optimization Model Combina os modelos Pricing e Performance Possui o objetivo de atingir a maximização de desempenho dado um valor monetário

13 Problemas de Segurança

14 Gerenciamento sob ataque de segurança Foco em ataques à uma aplicação específica, como requisições HTTP e spams, gerando grandes perdas financeiras. Framework original cobra a largura de banda utilizada em ataques como sendo do usuário. Portanto, foi criado uma extensão modificada do framework, que faz a distinção de tráfego.

15 Cálculos de custos de segurança Framework comum contabiliza a taxa Tr, de requisições aceitas pelo provedor ; Framework modificado contabiliza as requisições legítimas e ilegítimas: Rl + Ri = RT Após, é efetuado o cálculo da taxa de requisições legítimas: Trl = Rl / RT Finalmente, a taxa ótima é obtida pela seguinte maneira: Tro = Tr * Trl Tro = Tr * (Rl / RT)

16 Soluções sob ataques de segurança Quatro soluções possíveis, podendo serem combinadas: Attack-Oblivious(AO): o provedor não sabe quando uma classe está sob ataque, portanto, é usado o framework original. Attack-Aware(AA): Esse novo framework é utilizado. Vítima concorda em pagar por requisições legítimas 1) Adaptive cost (AC): Vítima paga por cada requisição legítima. 2) Adaptive RiSLA (S-AR): Ocorre um atraso nas respostas para as requisições da vítima, o qual é definido através de fórmula.

17 Problemas de Energia

18 Gerenciamento sob problemas de energia O objetivo é reduzir o uso de energia, principalmente para o incremento de funções nas VMs. Em condições normais, provedores desligam alguns serviços. Novamente, é necessário estender o framework original para suporte falhas de energia.

19 Cálculo de redução de energia F ramework calcula a soma total de energia: Soma( cada classe de cada tier) = S Framework determina um gasto de energia máximo tolerável: S <= C Se a condição acima não for satisfeita, classes começam a ser desligadas nos tiers. Não é vantajoso para os provedores a venda de energia extra.

20 Gerenciamento sob problemas de energia Três soluções possíveis: Energy-Oblivious(EO): utiliza o framework original, que não identifica custos de energia. Energy-Aware(EA): utilza o framework modificado, com as alterações necessárias, considerando que a energia deve ser reduzida. Adaptative RiSLA(E-AR): Ocorre um atraso nas respostas para requisições das vítimas, assim diminuindo a carga nas VMs.

21 Experimentação

22 Experimentos Utilizado um simulador que mostra toda a carga de trabalho, repassando para o Gerenciador de Capacidades calcular os valores.

23 Experimento de Segurança Resultados médios obtidos considerando apenas requisições legítimas:

24 Experimento de Energia Resultados médios para restrições de energia:

25 Conclusão O principal objetivo do framework desenvolvido é fazer com que os provedores maximizem seus lucros.

26 Conclusão SLAs dinâmicos podem ser ajustados para minimizar degradações na taxa de requisições atendidas e para maximizar o lucro. Verificar as requisições ilegítimas e cobrar do cliente uma taxa sobre as requisições legítimas geram lucros aos provedores. Estabelecer um limite máximo de consumo de energia, desligando serviços se o limite for ultrapassado, também contribui para o aumento dos lucros dos provedores.