مدل‌سازي امنيت ماشين‌هاي مجازي در ابر با استفاده از تئوري بازي تكرار شونده

امروزه مزاياي زياد رايانش ابري باعث شده بسياري از نهادهاي كوچك و بزرگ، از خدمات ابري براي كاهش هزينه‌هاي خود استفاده كنند. در اين ميان برخي از موانع بازدارنده براي استفاده از سرويس‌هاي ابري وجود دارد كه يكي از بزرگ‌ترين آن‌ها حملات امنيتي متاثر از فوق‌ناظر است. هنگامي كه يك حمله مستقيم به يك كاربر روي يك فوق‌ناظر انجام مي‌شود، ممكن است به طور غيرمستقيم ماشين مجازي ساير كاربران را نيز مورد حمله قرار دهد. در اين بين، اهداف و منافع متضاد كاربران سرويس‌هاي ابري و مهاجمين، تصميم‌گيري فراهم‌كنندگان سرويس‌هاي ابري در خصوص سرمايه‌گذاري روي ماژول‌هاي امنيتي سرورهاي ابري را دشوار مي‌سازد. لذا در اين مقاله، با استفاده از تئوري بازي راه‌حل مناسبي براي تصميم‌گيري در خصوص سرمايه‌گذاري روي يكي از ماژول‌هاي امنيتي براي هر يك از بازيگران ارائه مي‌شود. همچنين با استفاده از مدل بازي تكرار شونده، كليه تعادل‌هاي نش نيز استخراج و تحليل شده است. نتايج نشان مي‌دهد كه تئوري بازي مي‌تواند به خوبي در اتخاذ تصميم مناسب و يافتن تعادل مناسب براي تصميم‌گيري در مورد سرمايه‌گذاري در حوزه امنيت كاربردي باشد. بر اساس نتايج شبيه‌سازي، مي‌توان گفت كه در بازي‌هاي تكرار شونده با احتمال تكرار بازي بين 0.2 تا 0.8، استراتژي‌هاي از پيش تعيين شده سرمايه‌گذاري يا عدم سرمايه‌گذاري مي‌تواند منجر به يك تعادل نش مناسب شده و حداكثر منافع براي كاربران سرويس‌هاي ابري را در پي داشته باشد.