MétaCan
Menu
Retour à la cohorte
Enregistrement W2910106680 · doi:10.1109/csnet.2018.8602979

Cloud Security Up for Auction: a DSIC Online Mechanism for Secure IaaS Resource Allocation

2018· article· en· W2910106680 sur OpenAlexaff
Talal Halabi, Martine Bellaïche, Adel Abusitta

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueBlockchain Technology Applications and Security
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésCloud computingProvisioningComputer scienceComputer securityCloud computing securityResource allocationRevenueIncentiveBusinessComputer networkMicroeconomicsFinanceEconomics

Résumé

récupéré en direct d'OpenAlex

The lack of security is still one of the main factors that are blocking the full migration towards the Cloud Computing paradigm. More businesses would be attracted by the adoption of the Cloud model if the Cloud Infrastructure Providers (CIP) start increasing their investment in security solutions and demonstrating more explicitly the potency of their infrastructures in protecting customers' data and services. However, implementing security solutions is usually costly, and does not necessarily generate higher revenues. One way to reduce the cost of security investments would be to rent the Cloud secure resources to customers in a competitive fashion. The CIP could place her added value of security up for auction, and customers would place their bids along with their resource provisioning requests. In this paper, we propose an online mechanism that performs the allocation of the CIP's resources to customers in a security-oriented auction-based fashion. The mechanism is Dominant-Strategy Incentive-Compatible (DSIC), i.e., it guaranties the truthfulness of the bidders. The mechanism aims at allocating the resources to customers who valuate their security the most, and shows an acceptable performance compared to the famous offline Vickrey-Clarke-Groves (VCG) truthful mechanism.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,804
Score d'incertitude au seuil0,614

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,017
Tête enseignante GPT0,268
Écart entre enseignants0,251 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetBlockchain Technology Applications and SecurityTravaux en français237 207