論文の概要: Optimizing Spot Instance Reliability and Security Using Cloud-Native Data and Tools

• arxiv url: http://arxiv.org/abs/2502.01966v2
• Date: Thu, 06 Mar 2025 16:26:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-07 15:56:16.002682
• Title: Optimizing Spot Instance Reliability and Security Using Cloud-Native Data and Tools
• Title（参考訳）: クラウドネイティブデータとツールによるスポットインスタンスの信頼性とセキュリティの最適化
• Authors: Muhammad Saqib, Shubham Malhotra, Dipkumar Mehta, Jagdish Jangid, Fnu Yashu, Sachin Dixit,
• Abstract要約: Cloudlabは、ネットワークセキュリティの研究とトレーニングをサポートするために設計された、包括的なクラウドネイティブな実験室である。 適応的でスケーラブルな環境を提供することで、Cloudlabはロールベースのアクセス制御、ポリシ・アズ・コード、コンテナセキュリティといった高度なセキュリティ概念をサポートする。
• 参考スコア（独自算出の注目度）: 0.9307293959047378
• License:
• Abstract: This paper represents "Cloudlab", a comprehensive, cloud - native laboratory designed to support network security research and training. Built on Google Cloud and adhering to GitOps methodologies, Cloudlab facilitates the the creation, testing, and deployment of secure, containerized workloads using Kubernetes and serverless architectures. The lab integrates tools like Palo Alto Networks firewalls, Bridgecrew for "Security as Code," and automated GitHub workflows to establish a robust Continuous Integration/Continuous Machine Learning pipeline. By providing an adaptive and scalable environment, Cloudlab supports advanced security concepts such as role-based access control, Policy as Code, and container security. This initiative enables data scientists and engineers to explore cutting-edge practices in a dynamic cloud-native ecosystem, fostering innovation and improving operational resilience in modern IT infrastructures.
• Abstract（参考訳）: この論文は、ネットワークセキュリティの研究とトレーニングをサポートするために設計された、総合的でクラウドネイティブな実験室である"Cloudlab"を表す。 Google Cloud上に構築され、GitOps方法論に準拠したCloudlabは、Kubernetesとサーバレスアーキテクチャを使用したセキュアでコンテナ化されたワークロードの作成、テスト、デプロイを容易にする。 このラボでは、Palo Alto Networksファイアウォール、"Security as Code"用のBridgecrew、堅牢な継続的インテグレーション/継続的機械学習パイプラインを確立するためのGitHubワークフローの自動化といったツールを統合している。 適応的でスケーラブルな環境を提供することで、Cloudlabはロールベースのアクセス制御、ポリシ・アズ・コード、コンテナセキュリティといった高度なセキュリティ概念をサポートする。 このイニシアチブにより、データサイエンティストやエンジニアは、動的クラウドネイティブエコシステムにおける最先端のプラクティスを探求し、イノベーションを育み、現代的なITインフラストラクチャにおける運用上のレジリエンスを改善することができる。

関連論文リスト

• Transforming the Hybrid Cloud for Emerging AI Workloads [81.15269563290326]
  このホワイトペーパーでは、AIワークロードの複雑さの増大に対応するために、ハイブリッドクラウドシステムを変革することを想定している。 提案したフレームワークは、エネルギー効率、性能、コスト効率において重要な課題に対処する。 この共同イニシアチブは、ハイブリッドクラウドをセキュアで効率的で持続可能なプラットフォームとして確立することを目的としています。
  論文  参考訳（メタデータ） (2024-11-20T11:57:43Z)
• Teaching Cloud Infrastructure and Scalable Application Deployment in an Undergraduate Computer Science Program [2.8912542516745168]
  クラウドエンジニアリングの基礎を十分に理解せずにクラウドネイティブなアプリケーションを構築することは、学生にコストとセキュリティの落とし穴を負わせる可能性がある。 私たちは、ソフトウェアエンジニアリングの実践としてクラウドインフラストラクチャのデプロイメントをフレーム化する、学部レベルのコースを設計しました。
  論文  参考訳（メタデータ） (2024-10-01T19:49:19Z)
• How to integrate cloud service, data analytic and machine learning technique to reduce cyber risks associated with the modern cloud based infrastructure [0.0]
  クラウド技術、機械学習、データ可視化技術を組み合わせることで、ハイブリッドエンタープライズネットワークは大量のデータを保持できる。 従来のセキュリティ技術は、クラウドプラットフォームの急速なデータ爆発に対処できない。 機械学習を利用したセキュリティソリューションとデータ可視化技術は、セキュリティ脅威の検出、データ漏洩、ソフトウェア脆弱性の自動検出において、重要な役割を担っている。
  論文  参考訳（メタデータ） (2024-05-19T16:10:03Z)
• CloudLens: Modeling and Detecting Cloud Security Vulnerabilities [15.503757553097387]
  クラウドコンピューティングサービスは、データストレージ、処理、コラボレーションのためのスケーラブルで費用対効果の高いソリューションを提供する。 アクセス制御のミスコンフィグレーションが、クラウドアタックの主要な要因であることが多い。 プランナーは、クラウド内のそのような脆弱性を特定するために攻撃を生成する。
  論文  参考訳（メタデータ） (2024-02-16T03:28:02Z)
• Exploring Security Practices in Infrastructure as Code: An Empirical Study [54.669404064111795]
  クラウドコンピューティングは、Infrastructure as Code (IaC)ツールが広く使われていることで人気を博している。 スクリプティングプロセスは、実践者が自動的に設定ミスや脆弱性、プライバシリスクを導入するのを防ぐものではない。 セキュリティの確保は、実践者が明確な方針、ガイドライン、ベストプラクティスを理解し、採用することに依存する。
  論文  参考訳（メタデータ） (2023-08-07T23:43:32Z)
• Edge-Cloud Polarization and Collaboration: A Comprehensive Survey [61.05059817550049]
  クラウドとエッジ両方のAIの体系的なレビューを行います。 私たちはクラウドとエッジモデリングの協調学習メカニズムを最初にセットアップしました。 我々は現在進行中の最先端AIトピックの可能性と実践経験について議論する。
  論文  参考訳（メタデータ） (2021-11-11T05:58:23Z)
• Auto-Split: A General Framework of Collaborative Edge-Cloud AI [49.750972428032355]
  本稿では,Huawei Cloudのエッジクラウド共同プロトタイプであるAuto-Splitの技法と技術実践について述べる。 私たちの知る限りでは、Deep Neural Network(DNN)分割機能を提供する既存の産業製品はありません。
  論文  参考訳（メタデータ） (2021-08-30T08:03:29Z)
• Reproducible Performance Optimization of Complex Applications on the Edge-to-Cloud Continuum [55.6313942302582]
  エッジ・ツー・クラウド・コンティニュム上でのリアルタイムアプリケーションの最適化を支援する手法を提案する。 提案手法は, 制御されたテストベッド環境において, その動作を理解するための厳密な構成解析に頼っている。 当社の方法論はEdge-to-Cloud Continuumの他のアプリケーションに一般化することができる。
  論文  参考訳（メタデータ） (2021-08-04T07:35:14Z)
• Machine Learning Algorithms for Active Monitoring of High Performance Computing as a Service (HPCaaS) Cloud Environments [0.0]
  本稿では,HPCプラットフォームとして構成されたクラウドインフラストラクチャ上で動作するエンジニアリングアプリケーションの実用性について検討する。 この研究で考慮された工学的応用としては、ロスアラモス国立研究所が開発した放射線輸送コードMCNP6、オープンソースの計算流体力学コードOpenFOAM、素数分解に使用される一般数場シーブアルゴリズムCADONFSなどがある。
  論文  参考訳（メタデータ） (2020-09-26T01:29:19Z)
• A Privacy-Preserving Distributed Architecture for Deep-Learning-as-a-Service [68.84245063902908]
  本稿では,ディープラーニング・アズ・ア・サービスのための分散アーキテクチャを提案する。 クラウドベースのマシンとディープラーニングサービスを提供しながら、ユーザの機密データを保存できる。
  論文  参考訳（メタデータ） (2020-03-30T15:12:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。