Análise de Desempenho da Distribuição de Workflows Científicos em Nuvens com Restrições de Confidencialidade

As nuvens fornecem um ambiente sob demanda que permite que cientistas migrem seus experimentos locais para um ambiente elástico. Os experimentos são modelados como workflows científicos, e muito deles são intensivos em computação e produção de dados. O armazenamento desses dados preocupa, uma vez que a confidencialidade pode ser comprometida. Usuários maliciosos podem inferir conhecimento dos resultados e da estrutura dos workflows. Dispersão dos dados e criptografia podem ser adotados para aumentar a confidencialidade, mas esses mecanismos não pode ser adotados de forma desacoplada ao escalonamento do workflow, sob o risco de aumentar o tempo de execução e despesas. Nesse artigo, apresentamos a SaFER (workflow Scheduling with conFidEntiality pRoblem), uma abordagem de escalonamento que considera restrições de confidencialidade dos dados.