論文の概要: Hybrid Cloud Security: Balancing Performance, Cost, and Compliance in Multi-Cloud Deployments
- arxiv url: http://arxiv.org/abs/2506.00426v1
- Date: Sat, 31 May 2025 07:04:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-05 04:22:50.640226
- Title: Hybrid Cloud Security: Balancing Performance, Cost, and Compliance in Multi-Cloud Deployments
- Title（参考訳）: ハイブリッドクラウドセキュリティ - マルチクラウドデプロイメントにおけるパフォーマンス、コスト、コンプライアンスのバランス
- Authors: Anjani kumar Polinati,
- Abstract要約: この研究は、オンプレミスとクラウドリソース間のリソース分散のバランスを達成する上での課題を捉えている。
提案されたセキュリティおよびパフォーマンス管理ソリューションは、AWSとAzureベースのハイブリッドクラウドの採用に関する詳細なケーススタディで検証された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The pervasive use of hybrid cloud computing models has changed enterprise as well as Information Technology services infrastructure by giving businesses simple and cost-effective options of combining on-premise IT equipment with public cloud services. hybrid cloud solutions deploy multifaceted models of security, performance optimization, and cost efficiency, conventionally fragmented in the cloud computing milieu. This paper examines how organizations manage these parameters in hybrid cloud ecosystems while providing solutions to the challenges they face in operationalizing hybrid cloud adoptions. The study captures the challenges of achieving a balance in resource distribution between on-premise and cloud resources (herein referred to as the "resource allocation challenge"), the complexity of pricing models from cloud providers like AWS, Microsoft Azure, Google Cloud (herein called the 'pricing complexity problem'), and the urgency for strong security infrastructure to safeguard sensitive information (known as 'the information security problem'). This study demonstrates the security and performance management solutions proposed were validated in a detailed case study of adoption of AWS and Azure based hybrid cloud and provides useful guidance. Also, a hybrid cloud security and cost optimization framework based on zero trust architecture, encryption, hybrid cloud policies, and others, is proposed. The conclusion includes recommendations for research on automation of hybrid cloud service management, integration of multi-clouds, and the ever-present question of data privacy, stressing how those matters affect contemporary enterprises.
- Abstract（参考訳）: ハイブリッドクラウドコンピューティングモデルの普及により、企業がオンプレミスIT機器とパブリッククラウドサービスを組み合わせるためのシンプルで費用対効果の高い選択肢を提供することで、エンタープライズとITサービスのインフラが変化した。
ハイブリッドクラウドソリューションは、セキュリティ、パフォーマンス最適化、コスト効率の多面的なモデルをデプロイする。
本稿では,ハイブリッドクラウド導入の運用において直面する課題に対するソリューションを提供しながら,これらのパラメータをハイブリッドクラウドエコシステムでどのように管理するかを検討する。
調査では、オンプレミスとクラウドリソース間のリソース分散のバランス("リソース割り当て問題"と呼ばれる)、AWS、Microsoft Azure、Google Cloud("価格複雑性問題"と呼ばれる)などのクラウドプロバイダによる価格モデルの複雑さ、機密情報("情報セキュリティ問題"と呼ばれる)を保護するための強力なセキュリティインフラストラクチャの緊急性といった課題を取り上げている。
この研究は、AWSとAzureベースのハイブリッドクラウドの採用に関する詳細なケーススタディで提案されたセキュリティとパフォーマンス管理ソリューションが検証されたことを実証し、有用なガイダンスを提供する。
また、ゼロ信頼アーキテクチャ、暗号化、ハイブリッドクラウドポリシーなどに基づくハイブリッドクラウドセキュリティとコスト最適化フレームワークも提案されている。
結論には、ハイブリッドクラウドサービス管理の自動化、マルチクラウドの統合、データプライバシの常在的問題などに関する研究の推奨が含まれており、これらが現代企業にどのように影響するかを強調している。
関連論文リスト
- Towards a Robust Quality Assurance Framework for Cloud Computing Environments [0.0]
現在のQAフレームワークは定義が不十分で、自動化されていないことが多く、オンデマンドのクラウドベースの環境に必要な柔軟性が欠如している。
本稿では、クラウドコンピューティングシステムにおけるQAの詳細な枠組みと、標準化、自動化、適応可能なシステムの提唱について述べる。
論文 参考訳（メタデータ） (2025-02-19T08:29:24Z) - Cloud Platforms for Developing Generative AI Solutions: A Scoping Review of Tools and Services [0.27649989102029926]
Generative AIは、機械がコンテンツ、コード、デザインを作成できるようにすることで、エンタープライズアプリケーション開発を変革している。
クラウドコンピューティングは、生成AIモデルをトレーニング、デプロイ、スケールするためのインフラストラクチャを提供することによって、これらのニーズに対処する。
このレビューでは、生成AIのためのクラウドサービスを調べ、Amazon Web Services(AWS)、Microsoft Azure、Google Cloud、IBM Cloud、Oracle Cloud、Alibaba Cloudといった主要なプロバイダに焦点を当てている。
論文 参考訳（メタデータ） (2024-12-08T19:49:07Z) - Transforming the Hybrid Cloud for Emerging AI Workloads [82.21522417363666]
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) - Building Castles in the Cloud: Architecting Resilient and Scalable Infrastructure [0.0]
本論文では,クラウド環境内におけるコンテキスト設計に必要な重要な対策について考察する。
レプリケーションサーバ、フォールトトレランス、ディザスタバックアップ、高可用性のためのロードバランシングの必要性について検討している。
論文 参考訳（メタデータ） (2024-10-29T04:56:34Z) - Artificial Intelligence enhanced Security Problems in Real-Time Scenario using Blowfish Algorithm [0.0]
クラウド(クラウド)とは、インターネットのような大規模なリアルタイム通信ネットワークによって実現された相互接続型コンピューティングリソースの集合体である。
クラウドコンピューティングの指数的拡大により、クラウドサービスの急速な拡張が非常に目覚ましいものになった。
クラウドコンピューティングに関連するセキュリティモデルには、機密性、信頼性、アクセシビリティ、データの完全性、リカバリなどがある。
論文 参考訳（メタデータ） (2024-04-14T15:38:34Z) - The Security and Privacy of Mobile Edge Computing: An Artificial Intelligence Perspective [64.36680481458868]
Mobile Edge Computing (MEC)は、クラウドコンピューティングと情報技術(IT)サービスをネットワークのエッジで配信できるようにする新しいコンピューティングパラダイムである。
本稿では,人工知能(AI)の観点からMECのセキュリティとプライバシに関する調査を行う。
新たなセキュリティとプライバシの問題に加えて、AIの観点からの潜在的なソリューションにも重点を置いています。
論文 参考訳（メタデータ） (2024-01-03T07:47:22Z) - How Can We Train Deep Learning Models Across Clouds and Continents? An Experimental Study [57.97785297481162]
代表的なCV, NLP, ASRモデルに対して, 異なるゾーン, 大陸, 雲におけるトレーニングの費用とスループットについて検討した。
スポット価格を活用することで、複数の安価なインスタンスでモデルをトレーニングし、より集中的かつ強力なハードウェアと、競争力のある価格でオンデマンドのクラウド製品の両方を台無しにする、新たなコスト効率の方法が実現されることを示す。
論文 参考訳（メタデータ） (2023-06-05T18:17:37Z) - Managing Cold-start in The Serverless Cloud with Temporal Convolutional
Networks [0.0]
サーバレスクラウドは革新的なクラウドサービスモデルであり、多くのクラウド管理業務から顧客を解放します。
サーバーレスクラウドのパフォーマンスに対する大きな脅威はコールドスタートであり、顧客の要求に応えるために必要なクラウドリソースをプロビジョニングするとき、サービスプロバイダや/または顧客に受け入れられないコストが発生する。
本稿では、サーバーレスクラウドスタックのインフラストラクチャおよびファンクションレベルにおけるコールドスタート問題に対処する、新しい低結合・高結合アンサンブルポリシーを提案する。
論文 参考訳（メタデータ） (2023-04-01T21:54:22Z) - Intelligent Model Update Strategy for Sequential Recommendation [34.02565495747133]
我々はIntellectReqを紹介した。IntellectReqはエッジで動作するように設計されており、最小の通信オーバーヘッドでパラメータ要求のコスト対効果を評価できる。
本研究では,実時間ユーザ動作を正規分布に変換するために統計マッピング手法を用い,モデルの不確実性を定量化するためにマルチサンプル出力を用いる。
論文 参考訳（メタデータ） (2023-02-14T20:44:12Z) - 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)
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。