Two Risk-Aware Resource Brokering Strategies in Grid Computing: Broker-Driven vs. User-Driven Methods

황준석, Jihyoun Park, Jörn Altmann (2010) · IEEE Workshop on Grid Economics and Business Models (GECON) pp. 187-197

그리드 컴퓨팅 자원 brokering 의 위험 관리 (보안·QoS 실패·hardware 장애·worm/virus catastrophic event) 를 cyber-insurance 시장 부재 조건에서 어떻게 풀 것인가에 대해 (i) broker-driven self-insurance (broker 가 risk-free 자원 capital $c$ 비축) 와 (ii) user-driven risk-performance preference specification (user 가 job submission 시 위험 허용 수준 명시) 두 메커니즘을 제안한다. Java/Repast J 의 agent-based-simulation (365 시점, Poisson worm event 1 회/년) 으로 시장 규모 + PCR (Perceived Composite Risk, AHP weight 적용) 양 측면 비교. 결과: PCR 기준 broker-driven (c=33%) 최저 0.0195, user-driven 0.0238, do-nothing 0.2908. 시장 규모는 user-driven 이 최대지만 catastrophic event 시 변동 큼. Broker-driven 의 feasible safety capital 범위 $c \in [21\%, 33\%]$ 도출.

• RQ: 개방형 그리드 컴퓨팅 시장에서 자원 broker 가 보안·QoS 위험을 어떻게 관리해야 (i) 시장 규모 확대, (ii) 위험 감소, (iii) 비용 효율 3 측면을 동시에 만족하는가
• 방법론: 시장 기반 메커니즘 설계 (self-insurance vs risk-performance preference 두 메커니즘), agent-based-simulation (Java + Repast J 도구; broker·user·resource agent 3 entity; Poisson worm event)
• 데이터: Grid 시장 시뮬레이션 — 365 시점 (1 년 가정), 자원 fault tolerance $\delta_j \in (0, 1)$ heterogeneity, risk-free 자원 운영 비용 = grid 자원의 1.5 배, worm event Poisson 분포 1 회/년 가정. AHP 가중치: expected loss 0.25 + expected severe loss 0.25 + std deviation of loss 0.5
• 주요 발견: PCR 결과: broker-driven (c=33%) 0.0195 (최저), broker-driven (c=23%) 0.0235, user-driven 0.0238, do-nothing 0.2908. 시장 규모: user-driven 최대 (catastrophic event 7 월 시점 큰 손실), broker-driven 안정적, do-nothing 정체. Feasible $c$ 범위: lower bound 21% (severe loss = 0 보장 시작), 23% (user-driven PCR 보다 우월 시작), upper bound 33% (시장 잠재의 1/3)
• 시사점: User-driven 이 비용 효율 면에서 우월 (추가 risk-free 자원 불필요), broker-driven 이 위험 절대 최소화 면에서 우월. Broker 의 risk-residual tolerance 와 예산 제약 에 따라 둘 사이 trade-off 결정. 후속 연구: pricing 모델 + 실시스템 구현

요약

황준석 · Jörn Altmann · Jihyoun Park 의 그리드 경제학 라인에서 위험 관리 측면을 다룬 paper. Grid computing 의 상용화는 utility computing 으로의 확장과 함께 가속됐지만 (Kenyon & Cheliotis 2002, 2004), 보안·QoS·privacy 위험이 commercialization 의 핵심 장애로 남아 왔다. 종전 해결 시도는 두 갈래로 나뉜다 — (i) Bohme & Kataria (2006), Gordon, Loeb & Sohail (2003), Kesan, Majuca & Yurcik (2004), Ogut, Menon & Raghunathan (2005) 의 cyber-insurance market 라인, (ii) Domingues, Sousa & Moura Silva (2007), Hwang & Kesselman (2003), McGough et al. (2005) 의 fault tolerance + reservation 라인. 본 paper 는 (i) cyber-insurance market 이 아직 미성숙 (actuarial 데이터 부족, interdependent risk 로 premium 과대) 이고 (ii) 기술적 fault tolerance 만으로는 broker 의 비즈니스 sustainability 가 보장되지 않는다는 결합 한계 를 출발점 삼아, broker 가 직접 risk 를 internalize 하는 두 가지 economic 메커니즘 을 제안한다.

(i) Broker-driven self-insurance: broker 가 자체적으로 spare risk-free 자원 (in-house computing, 운영 비용 1.5 배) capital $c$ 를 미리 확보. Grid 자원 실패 시 risk-free 자원으로 대체해 user 의 job 을 완수. 본질적으로 broker 가 insurer 역할 internalize. Bohme & Kataria 의 insurance 비용 공식 $C_{insurance} = E(L) + A + \mu c$ 에서 $E(L)$ (평균 claim) 은 예측 가능, $A$ (administration) 는 무시할 수 있으므로, $c$ (safety capital) 가 핵심 변수. (ii) User-driven risk-performance preference specification: user 가 job 제출 시 보안 요구 수준 (fault tolerance $\delta_j$ 임계값) 을 명시 → broker 가 filtering 후 자원 할당. Broker 추가 비용 무. 본질적으로 risk-performance trade-off 를 user 측에 위임 (Song, Kai, Yu-Kwong 2006 의 security-assured scheduling 의 economic 적용판).

평가는 Java + Repast J 의 agent-based-simulation (Tobias & Hofmann 2004, Tesfatsion 2006). 시뮬레이션 1 년 (365 iteration), Poisson worm event 1 회 (catastrophic, 7 개월 시점 발생) 가정. 평가 지표 두 가지: (1) 시장 규모 (user 가 broker 성과를 관찰해 진입·이탈 결정), (2) PCR (Perceived Composite Risk, Bodin, Gordon & Loeb 2008) — AHP 가중치 (expected loss 0.25 + expected severe loss 0.25 + std deviation of loss 0.5) 로 broker 의 business stability + predictability 강조. 결과: User-driven 이 시장 규모 측면 최대, 단 catastrophic event 7 개월 시 큰 손실. Broker-driven (c=33%) 이 PCR 면에서 0.0195 로 최저 — 위험 최소화 절대 우위. Sensitivity analysis 로 feasible $c$ 범위 도출: lower bound 21% (severe loss = 0 보장 시작), 23% (PCR 이 user-driven 보다 우월 시작), upper bound 33% (시장 잠재의 1/3, risk-free 자원 비용 1.5 배 가정에서). 23% 미만이면 broker 는 user-driven 으로 switch 가 합리적. 한계는 pricing 모델 미반영 — broker 의 profit margin 이 risk-free 자원 비용을 정당화하는지 별도 분석 필요.

황준석 의 그리드 경제학 라인 (Jihyoun Park 의 박사 라인) 의 risk 측면, Managing risks in an open computing environment using mean absolute deviation portfolio optimization 와 자매. 황준석 의 초기 1 기 대역폭 시장·시장 기반 메커니즘 설계 라인 (Steve J. Chapin · Haci A. Mantar Syracuse 시기) 의 네트워크 자원을 시장 거래 가능 상품으로 보는 관점 이 grid 자원으로 확장된 시기.

핵심 결과

Resource brokering 전략	Expected loss	Expected severe loss	Std dev. of loss	PCR
Do-nothing	0.0857	0.9403	0.0686	0.2908
Broker-driven (c=20%)	0.0223	0.5195	0.0376	0.1543
Broker-driven (c=21%)	0.0230	0	0.0366	0.0241
Broker-driven (c=22%)	0.0231	0	0.0361	0.0238
Broker-driven (c=23%)	0.0234	0	0.0352	0.0235
Broker-driven (c=33%)	0.0212	0	0.0284	0.0195
User-driven	0.0292	0	0.0330	0.0238

핵심 명제: 두 메커니즘 모두 시장 규모 확대 + PCR 감소 효과 (do-nothing 0.291 → broker-driven c=33% 0.0195 → user-driven 0.0238). User-driven 은 추가 자원 비용 0 + 비용 효율, broker-driven 은 위험 최소화 + 안정성 우월. Broker 의 합리적 $c$ 선택 범위는 $[21\%, 33\%]$, 그 외에는 user-driven 으로 switch.

방법론 노트

Broker 의 insurance 비용 (Bohme & Kataria 2006):

$$C_{insurance} = E(L) + A + \mu c$$

여기서 $E(L)$ = 평균 claim (예측 가능), $A$ = administration 비용 (무시 가능), $\mu$ = 이자율, $c$ = safety capital (catastrophic event 대비 risk-free 자원 비축량). $c$ 의 lower bound 는 (i) broker-driven 의 PCR 이 user-driven 보다 우월해지는 임계값 = 23%, (ii) severe loss = 0 보장 임계값 = 21% 두 기준 중 높은 임계값. Upper bound 는 risk-free 자원 운영 비용 $1.5 \times$ grid 자원 가정 하 시장 잠재 $M$ 대비 $x \leq M / 3$, 즉 33%. 이는 $(M + 1.5 x) / M < 1.5 \Rightarrow x < M / 3$ 의 직접 결과.

PCR (Perceived Composite Risk, Bodin, Gordon & Loeb 2008) 의 AHP 가중치:

$$PCR = 0.25 \cdot E[L] + 0.25 \cdot E[L_{severe}] + 0.5 \cdot \sigma[L]$$

여기서 $E[L]$ = expected loss, $E[L_{severe}]$ = expected severe loss (실패율 > 0.5 인 case), $\sigma[L]$ = loss 표준편차. 본 paper 의 broker 는 business stability + predictability 강조 (실패 변동성에 큰 weight), 따라서 std dev 가 0.5 로 가장 큰 weight. 식별은 (i) Poisson worm event 의 stochastic 발생 + 365 시점 + 두 메커니즘 + do-nothing baseline 의 factorial 비교 에서, (ii) sensitivity analysis 로 $c$ 의 feasible 구간 도출에서 온다.

연구 계보

직접 선행: Bohme & Kataria (2006) WEIS “Models and Measures for Correlation in Cyber-Insurance” — insurance 비용 공식의 출처, internal vs global risk correlation 분류. Gordon & Loeb (2002) ACM TISSEC “Economics of information security investment” — security investment optimization 라인. Gordon, Loeb & Sohail (2003) CACM “Framework for using insurance for cyber-risk management”. Bodin, Gordon & Loeb (2008) CACM “Information security and risk management” — PCR 정의의 직접 출처, AHP 가중치 방법. Chen, Kataria & Krishnan (2005) WEIS “Software diversity for information security” — internal correlation 해소 방법. Kesan, Majuca & Yurcik (2004), Ogut, Menon & Raghunathan (2005) 의 cyber-insurance economic 라인. Song, Kai & Yu-Kwong (2006) IEEE TC “Risk-resilient heuristics and genetic algorithms for security-assured grid job scheduling” — user-driven 메커니즘의 직접 영감. Hwang & Kesselman (2003), McGough et al. (2005) 의 fault tolerance + reservation 라인. Kenyon & Cheliotis (2002, 2004) 의 grid resource commercialization 라인. Foster, Kesselman & Tuecke (2001) IJHPCA “Anatomy of the Grid”. Tobias & Hofmann (2004), Tesfatsion (2006) 의 agent-based simulation 정전. 황준석 의 그리드 경제학 라인 (Jörn Altmann HP Labs 시기) 의 risk-management 측면, Determinants of Participation in Global Volunteer Grids: A Cross-Country Analysis 와 자매, Managing risks in an open computing environment using mean absolute deviation portfolio optimization 의 portfolio 측면과 보완.

See also

• 황준석
• Jörn Altmann
• IEEE Workshop on Grid Economics and Business Models (GECON)
• 그리드 컴퓨팅
• 시장 기반 메커니즘 설계
• 위험 관리
• 사이버 보험
• agent-based-simulation
• Determinants of Participation in Global Volunteer Grids: A Cross-Country Analysis
• Managing risks in an open computing environment using mean absolute deviation portfolio optimization

인접 그래프

1-hop 이웃 14개

• 인물 5
• 방법론 1
• 개념 1
• 주제 4
• 수록처 1
• 논문 2

↻ 초기화

휠 = 확대/축소 · 드래그 = 이동 · hover = 라벨 · 클릭 = 페이지 이동

이 문서를 가리키는 페이지

논문 (1)

• Determinants of Participation in Global Volunteer Grids: A Cross-Country Analysis

인물 (1)

• Jihyoun Park