Escalonamento de máquinas virtuais baseado em custo e tolerante a anomalias de tráfego de rede para Dados-como-Serviço

Os serviços de computação em nuvem são executados em diferentes níveis de abstração, envolvendo mais de um tipo de provedor, que alterna entre os papéis de cliente e provedor. Prejuízos causados por falhas são propagados nos diferentes níveis. Mecanismos para reduzir custos e prejuízos são importantes dada a larga escala. Neste trabalho foi proposto um modelo para escalonamento baseado em custo integrado ao mecanismo de detecção de anomalias de tráfego. O modelo de negócio de Dados-como-Serviço (DaaS) foi utilizado como estudo de caso para avaliar o impacto de anomalias. Os resultados demonstraram melhorias significativas na redução de custos e as perdas financeiras foram reduzidas para entre 15% e 26% dos valores convencionais.