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

Roteiro Definições iniciais Motivações e propostas dos autores Gerenciamento e modelos Gerenciamento sob ataque de

segurança Gerenciamento sob quedas de energia Experimentação Conclusão

Definições Iniciais Tradeoff entre componentes

Gerenciamento de capacidade

Service Level Agreement (SLA)

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

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.

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.

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.

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

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.

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.

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.

Optimization Model Combina os modelos Pricing e

Performance

Possui o objetivo de atingir a maximização de desempenho dado um valor monetário

Problemas de Segurança

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.

Cálculos de custos de segurançaFramework 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)

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 legítimas1) 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.

Problemas de Energia

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.

Cálculo de redução de energia

Framework 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.

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.

Experimentação

Experimentos

Utilizado um simulador que mostra toda a carga de trabalho, repassando para o Gerenciador de Capacidades

calcular os valores.

Experimento de Segurança Resultados médios obtidos

considerando apenas requisições legítimas:

Experimento de Energia Resultados médios para restrições

de energia:

Conclusão

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

ConclusãoSLAs 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.