مدل رایانش ابری ایمن مبتنی طبقه بندی داده

قیمت: 43,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

مدل رایانش ابری ایمن مبتنی طبقه بندی داده

عنوان لاتین

A Secure Cloud Computing Model based on Data Classification

در سیستم های رایانش ابری ، داده بروی سرورهای دور از دسترسی که از طریق اینترنت قابل دسترسی اند ذخیره شده است. افزایش حجم داده های شخصی و حیاتی ، تمرکز بیشتری بروی ذخیره سازی ایمن داده را بهمراه دارد. داده می تواند دربردارنده تراکنشات مالی ، مدارک و اسناد با اهمیت و محتوای چندرسانه ای باشد. ممکن است که پیاده سازی خدمات رایانش ابری اتکا به ذخیره محلی را همچون هزینه های نگهداری و عملیاتی کاهش دهد. هرچند ، کاربران هنوز نگرانی های امنیتی و حریم شخصی درباره داده های برون سپاری خود دارند ، زیرا که می تواند دسترسی تایید نشده ممکنه ای درون سیستم تامین کنندگان خدمات اتفاق بیافتد.

In cloud computing systems, the data is stored on remote servers accessed through the internet. The increasing volume of personal and vital data, brings up more focus on storing the data securely. Data can include financial transactions, important documents, and multimedia contents. Implementing cloud computing services may reduce local storage reliance in addition to reducing operational and maintenance costs. However, users still have major security and privacy concerns about their outsourced data because of possible unauthorized access within the service providers. The existing solutions encrypt all data using the same key size without taking into consideration the confidentiality level of data which in turn will increase the cost and processing time. In this research, we propose a secure cloud computing model based on data classification. The proposed cloud model minimizes the overhead and processing time needed to secure data through using different security mechanisms with variable key sizes to provide the appropriate confidentiality level required for the data. The proposed model was tested with different encryption algorithms, and the simulation results showed the reliability and efficiency of the proposed framework.