混合云中面向隐私任务的多目标调度方法OA

混合云整合了公有云的丰富资源和私有云的数据隐私保护优势,成为处理隐私数据的理想平台。然而,混合云中隐私任务调度仍面临着安全性与效率难以平衡的挑战,现有研究主要依靠隐私约束来确保安全,难以同时优化安全和任务执行效率。针对此问题,提出了一种细粒度的隐私任务动态调度模型,结合多目标优化算法,生成一组满足非支配条件的调度方案,使用户能够灵活权衡安全性与任务执行效率。首先,构建了包含协作任务建模与量化安全性指标在内的隐私任务动态调度模型,为平衡效率与安全奠定基础;其次,设计了一种改进的非支配排序遗传算法(NSGA-OW),结合卸载窗口优化策略(OW-FF),协同优化任务完工时间、成本与安全性;最后,实验结果表明,相较于其他方法,所提方法在不增加成本的前提下,能够降低52.7%的任务完工时间,并能提升31.9%的安全性。此外,NSGA-OW算法在收敛速度和解集质量上也优于传统多目标元启发式算法。