الگویی به منظور کاهش سربار محاسباتی در پایگاه داده ابری با استفاده از داده کاوی

پیشرفت های اخیر باعث افزایش عمومیت و همچنین موفقیت محاسبه ابری شده است. با این وجود در محاسبه ابری در هنگام برونسپاری داده و برنامه های تجاری به طرف های ثالث، مسایل و مشکلات امنیتی به نگرانی های بزرگی تبدیل می شوند. باتوجه بهگسترش روز افزون اطلاعات، حفاظت از آنها در محیط ابر سخت تر می شود لذا به منظور حفاظت از اطلاعات باید با استفاده ازداده کاوی داده های مهم را استخراج نموده و آن ها را ذخیره نماییم. به طور کلی هزینه ی بسیار بالایی صرف کاوش اقلام دادهایپرتکرار(پشتیبان بالا) و حساس برون سپاری شده، می شود. لذا در این پژوهش برای کاهش این جستجوی زیاد و مهمتر از آن برایحفاظت این داده ها از دید مهاجم، ابتدا با استفاده از روشهای خوشه بندی به مجزا سازی داده ها می پردازیم. لذا با استفاده ازترکیب الگوریتم خوشه بندی فازی و ژنتیک چندهدفه، دقت در خوشه بندی را افزایش دادیم و گروه هایی با حداکثر شباهت تولیدکردیم. روی هر خوشه به طور مجزا اقلام پر تکرار و حساس را شناسایی و اقلام با پشتیبان بالا را به سیستم رمز نگار پیشنهاد دادیمتا به این وسیله کمترین بار محاسباتی را برای سیستم داشته باشد.

کلیدواژه ها:

محاسبه ابری ، داده کاوی ، خوشه بندی