Earticle

위치기반 서비스란 휴대폰과 같은 모바일 단말기 속에 위성 항법장치(GPS)와 연결되는 칩을 부착하여 위치추적 서비스, 공공안전 서비스, 위치기반 정보 서비스 등 위치와 관련된 각종 정보를 제공하는 서비스를 일컫는다. 그리고 클라우드 컴퓨팅이란 개인용 컴퓨터 또는 기업의 서버에 개별적으로 저장해 두었던 자료와 소프트웨어들을 클라우드 클러스터로 구축하여 필요할 때 PC나 휴대폰 같은 각종 단말기를 이용하여 원격 작업을 수행할 수 있는 환경을 의미한다. 본 논문에서는 구글의 연구로부터 시작된 클라우드 컴퓨팅 기술에 주목하고 클라우드 컴퓨팅 환경을 위한 대용량 이동 객체의 정보를 저장하고 질의하는 시스템에 대하여 연구하였다. 그리고 위치 기반 서비스를 위한 대용량 이동객체에 대하여 효율적인 질의를 수행할 수 있는 저장 구조를 제안하였다. 본 논문에서 제안한 방법을 적용한 시스템의 효율성을 증명하기 위해 저장 및 질의 성능을 다양한 측면에서 실험하고, 실험 결과를 다른 분산처리 시스템과의 비교하여 성능을 입증하였다.

The location-based service is referred to as the service for providing various types of information regarding such as the location-tracing service, the public-safety service and the location-based information service by attaching chips connected with the GPS to the mobile phone. In addition, cloud computing means the environment which makes it possible to carry out remote operations by establishing cloud clusters with the data and software which have been individually stored in personal computer or corporate servers and using devices such as personal computers and cellular phones whenever it is necessary. Throughout this paper, the cloud computing technology which originates from the research by Google the system has been focused on and the system for storing a large volume of information for moving object and making query for cloud computing environment has been studied. Besides, the storing structure for executing efficient query regarding the high-capacity mobile devices for the location-based service has been suggested. In order to prove the efficiency of the system with the application of the method suggested in this paper, the storage and qualitative functions have been experimented in various aspects and compared with other distributed processing system's performance.

최근 기술의 발전으로 인하여 서로 다른 영역에서 대규모의 데이터를 생성할 수 있게 되었고 이로 인하여 빅데이터 를 효율적으로 처리하고 분석할 수 있는 대규모 데이터 센터의 필요성이 대두되었다. 데이터 양이 증가함에 따라 작 업 스케줄링과 자원 관리는 매우 중요한 요소이다. 본 논문에서는 데이터 센터의 성능을 향상하기 위한 목적으로 자 원 관리 및 업무 스케줄링 매커니즘을 개선하는 새로운 인공지능 기반 프레임워크를 제안한다. 우리의 논문에서는 기계 학습을 사용하여 리소스 관리를 위한 특정기간 동안의 수요 리소스 활용도를 예측하고, 작업 스케줄링 개선을 위하여 향상된 개미 군체(ant colony) 알고리즘을 사용한다. 프레임워크 시뮬레이션을 통해 미래의 수요를 예측하 여 실행 중인 노드의 수를 10% 줄이고 전통적인 리소스 관리와 작업 스케줄링 방법보다 작업량이 15% 향상하는 결과를 확인할 수 있었다. 본 결과를 기초로 하여 우리는 인공지능과 기계학습을 사용한 효과적인 자원할당과 작업 스케줄링이 전반적인 성능이나 데이터센터를 개선할 수 있음을 알 수 있다.

Recent technological advancement has enabled the creation of large scale data (big data) in different domains which have raised the need for large data centers to process and analyze that big data in an efficient fashion. The incremental amount of data has made job scheduling and resource management an essential and challenging component of modern-day data centers. Therefore, in this paper, we have proposed a novel artificial intelligence based framework to enhance the data center performance by improving resource management and job scheduling mechanisms. We have used machine learning to predict resource utilization based on user demand over a particular time span for resource management and improved ant colony algorithm to job scheduling. Results generated from framework simulation demonstrates that predicting future demands aids prediction of future resource utilization and enables efficient job scheduling that reduce the number of running nodes by 10% and increase throughput by 15% from traditional resource management and job scheduling methods. Based on our simulation results be to argue that by using artificial intelligence and machine learning we can improve overall performance or modern-day data centers by efficient resource allocation and job scheduling.

Due to the rapid growth of the amount of data, research on bigdata processing has been highlighted. For bigdata processing, CUBRID Shard is able to support query processing in parallel way by dividing the database into a number of CUBRID servers. However, CUBRID Shard can answer a user's query only when the query is required to gain accesses to a single CUBRID server, instead of multiple ones. To solve the problem, in this paper we propose a CUBRID based distributed parallel query processing system that can answer a user's query in parallel and distributed manner. Finally, through the performance evaluation, we show that our proposed system provides 2-3 times better performance on query processing time than the existing CUBRID Shard.

분산 스트림 처리 시스템을 위한 고가용성 알고리즘에는 Passive Standby, Active Standby, Upstream Backup 알고리즘 등이 있다. 기존의 고가용성 알고리즘은 복구 시 필요한 데이터의 백업을 위한 bandwidth overhead가 크며 노드의 연산결과를 다수의 downstream 노드들이 공유하며 데이터의 유입률이 폭발적으로 증가하는 경우에 출력 큐의 오버플로우로 인한 데이터의 손실 문제가 발생 할 수 있다. 본 논문은 이러한 문제들을 해결하기 위해 데이터 스트림의 유입량과 노드들의 연산처리율 모니터링을 통해 백업 방법을 유동적으로 변경시키는 적응적 Upstream Backup 알고리즘을 제안한다.

There have been High-Availability algorithms for Distributed Stream Processing System such as Passive Standby, Active Standby and Upstream Backup. Existing High Availability Algorithms have high bandwidth overhead when they backup data needed for restoring from the system failure and data can be lost by overflow of output queue in case of explosive increasing of input data rates. In this paper, we suggest adaptive Upstream Backup algorithm which changes fluidly the way to backup using monitor input rates of data stream and throughput of operation to solve those problems.

일반적으로 초고속 네트워크에서 실행되는 분산 시스템의 데이터 전달처리 효율은 시스템 구조 및 데이터의 전달처리 시스템에 의존한다. 분산 환경을 이용한 실시간 분산 시뮬레이션 시스템은 데이터전달처리의 실시간성과 시스템의 신뢰성 보장을 위하여 데이터 전달처리 시스템에 의하여 요구된 성능을 만족하고자 하였다. 그러나 실시간 시뮬레이션 시스템에 적용된 클라이언트/서버 기반의 데이터 전달처리 시스템은 시스템의 안정성 및 시스템의 변경에 따른 확장성과 유지보수성 확보가 어려웠다. 따라서 기존의 데이터 전달처리 시스템의 문제점을 해결하기 위하여 새로운 데이터 전달처리 시스템이 필요하다. 본 논문에서는 기존의 실시간 시뮬레이션 시스템을 분석하여 시스템 개선방향을 제시하고, 시스템 확장성, 상호운용성, 재사용성 및 유지보수성을 위하여 소프트웨어 디자인 패턴을 적용한 새로운 실시간 데이터 전달처리 시스템을 제안한다.

Usually, The data transmission processing efficiency of the distributed system running on high speed networks depends on the system architecture and the data transmission processing system. In order to secure the real-time rate and the system reliability, the real-time distributed simulation system on the distributed environment has tried to satisfy the performance required by the data transmission processing system. However, the client/server-based data transmission processing system in the real-time simulation system has been difficult to satisfy the system stability, extensibility and maintenability, especially when system changes. So, it is natural to study another improved data transmission processing system to solve the problems at the existing real-time simulation system. After analyzing the existing real-time simulation system, this paper will propose the improved real-time data transmission system by using Software Design Pattern, which enhances extensibility, interoperability, reusability and maintenability of the system.

IP보안 카메라의 보급으로 원격에서 얼굴인식을 수행함에 있어 서버의 부하를 줄이기 위한 여러 가지 방법들이 구현되고 있다. 본 논문에서는 원격지에 있는 IP 보안 카메라 영상을 얼굴검출기능이 탑재된 DSP 보드를 통해 입력받아 얼굴검출을 수행 한 후 해당 얼굴영역 이미지를 서버로 전송하여 이를 얼굴인식 분산 처리를 통해 얼굴인식 기능을 수행한다. 결과적으로 전체적인 서버시스템 로드를 상당히 줄이는 성과와 실시간 얼굴 인식처리를 최대 256 대의 카메라를 연동하면서 수행할 수 있는 장점을 가지고 있다. 이를 수행할 수 있는 기술은 분산처리 서버기술을이용하여 한 서버 당 64채널 얼굴인식을 수행하며, 4개 분산처리 서버를 운영할 경우 250여개 카메라 채널을 통한얼굴검출 결과를 처리하는 성과를 가져올 수 있었다.

Various methods for reducing the load on the server have been implemented in performing face recognition remotely by the spread of IP security cameras. In this paper, IP surveillance cameras at remote sites are input through a DSP board equipped with face detection function, and then face detection is performed. Then, the facial region image is transmitted to the server, and the face recognition processing is performed through face recognition distributed processing . As a result, the overall server system load and significantly reduce processing and real-time face recognition has the advantage that you can perform while linked up to 256 cameras. The technology that can accomplish this is to perform 64-channel face recognition per server using distributed processing server technology and to process face search results through 250 camera channels when operating four distributed processing servers there was.

본 연구는 다중 RGBD 센서를 실시간 볼류메트릭 시스템에 적용하여, 대역폭･동기화･센서 간 간섭 문제를 극복하고 안정적으로 초당 30프레임 이상을 구현하기 위한 기술적 해법을 제시한다. 총 9대의 RGBD 카메라를 데이지 체인 방식으로 동기화하고, 3대의 영상 데이터 생성기에서 분산 전처리를 수행한 뒤, 볼류메트릭 서버에서 3차원 데이터를 합성･렌더링하여 실시간 서비스를 제공한다. 분산 전처리된 3차원 영상 데이터는 이더넷을 통해 전송되며 데이터를 수신한 볼류메트릭 서버는 초당 30 프레임 이상 속도로 렌더링을 수행한다. 데이지 체인 동기화로 센서 간 적외선 간섭을 줄여 깊이 정보 품질을 높였으 며, 레지스트레이션 과정을 통해 서로 다른 좌표계를 단일 글로벌 좌표계로 정합하여 볼류메트릭 모델을 실시간으로 생성하 였다. 대역폭･연산 부담･센서 간 간섭 문제를 효과적으로 해소함으로써 실시간성과 정확도를 모두 충족시켰으며, 향후 딥러 닝 후처리 또는 센서 확장을 통해 고해상도･저지연 볼류메트릭 구현이 가능할 것으로 기대한다.

This study proposes a technical solution for integrating multiple RGBD sensors into a real-time volumetric system, overcoming bandwidth constraints, synchronization challenges, and sensor interference while maintaining a stable frame rate of over 30 fps. Nine RGBD cameras are synchronized in a daisy chain method, distributed preprocessing is performed on three video data generators, and 3D data is synthesized and rendered on a volumetric server to provide real-time services. Distributed preprocessed 3D image data is transmitted via Ethernet, and the volumetric server that receives the data performs rendering at a speed of more than 30 fps. Daisy-chain synchronization reduces infrared interference among sensors, thereby improving depth data quality. In addition, a registration process aligns disparate coordinate systems into a single global reference frame for real-time volumetric model generation. This approach effectively addresses bandwidth, computational overhead, and sensor interference issues, ensuring both real-time performance and high accuracy. Future work includes deep-learning-based post-processing or sensor expansion to achieve higher-resolution, lower-latency volumetric content.

본고는 분산 멀티미디어 시스템 환경에서 여러가지 응용 서비스를 지원하기 위한 범용 멀티미디어 데이타 처리 모델을 제시하고 그것을 구현하기 위한 객체지 향, 클 라이언트 서버 구조에 대하여 기술하였다. 이 모델은 분산 멀티미디어 시스템에서 필 요한 원격 데이타의 이용을 위한 통신망 투명성과 실시간 멀티미디어 입출력, 그리고 미디어의 통합이나 동기화 등의 멀티미디어 처리를 지원하는 범용 모델이다. 이 모델 은, 스트립 계층, 멀티미디어 프리젠테이션 계층, 하이퍼 프리젠테이션 계층등으로 구 성된다. 본 고는 이 모델의 각 계층에 해당되는 추상적인 데이타개념을 정의하고 이것 이 각 계층의 서비스와 실재로 객체지향 기법으로 제공되는 AP(Application Programming Interface)가 어떻게 연결되는지 기술하였다. 그리고 실제 구현하기 위한 구체적인 문제 를 예를 들면서 다루었고 마지막에 추후 연구해야 할 방향을 제시하며 결론을 맺었다.

In this paper, we describe a multimedia data processing model that supports wide variety of applications based on multimedia production model. This model supports network-transparent access to stored multimedia data, real-time mult media input devices, and multimedia processing. The model addresses real-time dato a switching and delivery, as well as acquisition, processing, and output. Most translation, compression, and synchronization services are integrated. This model consists of three layers: (1) stream, (2) multimedia presentation, (3) hyperpresentaion. This paper describes the data abstractions associated with each layer. These data abstractions provide a framework for defining the services provided by each layer, and describe the object-oriented mechanisms that provide those services. A sample scenario is presentated to illustrate the use of this model. A server-client architecture and implementation issues, and future directions are also discussed. sed.

The technology of IoT which began in the sensor networks generate numerous sensing data from a variety of physical environments to virtual world. There are many types of IoT device used the sensors based on application. They usually create time series data that people can use to make more sensible decision. Things produced various data which is generated and stored as time based and then saved them to the existing database. In this paper, we introduce the system architecture for the large distributed cluster based system for the processing and collecting of big-data of time-series to meet the goal of performance using Redis Cluster and OpenTSDB.

This paper discusses distributed processing systems to be applied to design the Education and research Computer Network. Especially, we have analyzed performance measures of computer communication networks, have solved the capacity assignment problem approximately, and have presented two algorithms by which we could decide the efficient topology of a computer communication network. In general, computer networks can be modelled by appropriate queueing models on the basis of queueing theory. But in that case we must consider several performance measures carefully to estimate the performance of the model of a computer network. In this paper, we have analyzed some important performance measure - time delay, line cost, and routing strategy. According to queueing theory, we can get optimal solutions of the network optimization problems. However, if we are to use this method we should know a great deal of data, and so it is time-consuming to find the analytic optimal solutions. In this paper, we have introduced the inefficient index(I) to describe another method - approximate method - of solving the capacity assignment problem. Meanwhile, we have presented two algorithms by which the efficient network topology can be extracted. In other words, this paper has shown construct the Education and Research Computer Network, which is one of the Five Main National Computer Networks, and we can expect it might be applied to the implementation of other computer networks. the design method of the network topology satisfying suitable utilities and costs of processors, which are components of a computer network, under the given design constraints. With applying those algorithms to the computer network including several distributed database systems, we have presented a case study. In conclusion, this paper has provided a theoretical background to

인터넷과 클라우드 서비스 사용이 증가하면서 패킷의 양과 사이버 위협이 증가하였다. 본 논문에서는 빅데이터를 처리하기 위해 사용되는 NoSQL을 보안이벤트의 신속한 처리를 위한 침입탐지시스템에 적용하였다. 다양한 데이터 모델 유형의 NoSQL 데이터베이스 중에서 빅데이터 보안이벤트를 처리하는데 가장 적합한 시스템을 찾기 위해 세 가지 유형의 Snort 룰 기반 보안이벤트 분산 처리 프로토타입 시스템들을 구축하였고 각 시스템의 성능을 평가하였다. 그 결과로 MongoDB 기반의 보안이벤트 분산 처리 시스템이 가장 속도가 빠른 것을 확인하였다.

인터넷과 클라우드 서비스 사용이 증가하면서 패킷의 양과 사이버 위협이 증가하였다. 본 논문에서는 빅데이터를 처리하기 위해 사용되는 NoSQL을 보안이벤트의 신속한 처리를 위한 침입탐지시스템에 적용하였다. 다양한 데이터 모델 유형의 NoSQL 데이터베이스 중에서 빅데이터 보안이벤트를 처리하는데 가장 적합한 시스템을 찾기 위해 세 가지 유형의 Snort 룰 기반 보안이벤트 분산 처리 프로토타입 시스템들을 구축하였고 각 시스템의 성능을 평가하였다. 그 결과로 MongoDB 기반의 보안이벤트 분산 처리 시스템이 가장 속도가 빠른 것을 확인하였다.

최근 위성 기반 윈격 탐사 기술의 발전과 더불어 대용량 위성 자료를 효율적으로 처리하기 위한 능력이 요구되고 있다. 이 연구에서는 대용량 GOCI 산출물을 효율적으로 재처리하기 위해 서버가상화와 분산처리를 기반으로 한 GOCI 산출물 재처리 시스템(GOCI Products Re-processing System; GPRS)을 개발하는데 집중하였다. 실험 결과 GPRS를 이용하여 메모리 및 CPU의 사용률을 각각 약 100%, 75%까지 올릴 수 있었다. 이는 제안 시스템을 통해 하드웨어 자원을 절약함과 동시에 작업 처리 속도를 향상시킬 수 있다는 것을 의미한다.

Recent advance in the satellite-based remote sensing technology demands abilities to efficiently processthe massive satellite data. In thisstudy, we focused on developing GOCI Products Reprocessing System (GPRS) based on server virtualization and distributed processing in order to efficiently reprocess massive GOCI data. Experimental results revealed that GPRS allows raising the usage rates of memory and central processing unit (CPU) up to about 100% and 75%, respectively. This meansthat the proposed system enables us to save the hardware resources and increase the work process speed at the same time when we process massive satellite data.

기존 악성코드 탐지는 다형성 또는 난독화 기법이 적용된 변종 악성코드 탐지에 취약하다. 기계학습 알고리즘은 악성코드에 내재된 패턴을 학습시켜 유사 행위 탐지가 가능해 기존 탐지 방법을 대체할 수 있다. 시간에 따라 변화하는 악성코드 패턴을 학습시키기 위해 지속적으로 데이터를 수집해야한다. 그러나 대용량 악성코드 파일의 저장 및 처리 과정은 높은 공간과 시간 복잡도가 수반된다. 이 논문에서는 공간 복잡도를 완화하고 처리 시간을 가속화하기 위해 HDFS 기반 분산 처리 시스템을 설계한다. 분산 처리 시스템을 이용해 2-gram 특징과 필터링 기준에 따른 API 특징 2개, APICFG 특징을 추출하고 앙상블 학습 모델의 일반화 성능을 비교했다. 실험 결과로 특징 추출의 시간 복잡도는 컴퓨터 한 대의 처리 시간과 비교했을 때 약 3.75배 속도가 개선되었으며, 공간 복잡도는 약 5배의 효율성을 보였다. 특징 별 분류 성능을 비교했을 때 2-gram 특징이 가장 우수했으나 훈련 데이터 차원이 높아 학습 시간이 오래 소요되었다.

Traditional Malware Detection is susceptible for detecting malware which is modified by polymorphism or obfuscation technology. By learning patterns that are embedded in malware code, machine learning algorithms can detect similar behaviors and replace the current detection methods. Data must collected continuously in order to learn malicious code patterns that change over time. However, the process of storing and processing a large amount of malware files is accompanied by high space and time complexity. In this paper, an HDFS-based distributed processing system is designed to reduce space complexity and accelerate feature extraction time. Using a distributed processing system, we extract two API features based on filtering basis, 2-gram feature and APICFG feature and the generalization performance of ensemble learning models is compared. In experiments, the time complexity of the feature extraction was improved about 3.75 times faster than the processing time of a single computer, and the space complexity was about 5 times more efficient. The 2-gram feature was the best when comparing the classification performance by feature, but the learning time was long due to high dimensionality.

기존 악성코드 탐지는 다형성 또는 난독화 기법이 적용된 변종 악성코드 탐지에 취약하다. 기계학습 알고리즘은 악성코드에 내재된 패턴을 학습시켜 유사 행위 탐지가 가능해 기존 탐지 방법을 대체할 수 있다. 시간에 따라 변화하는 악성코드 패턴을 학습시키기 위해 지속적으로 데이터를 수집해야한다. 그러나 대용량 악성코드 파일의 저장 및 처리 과정은 높은 공간과 시간 복잡도가 수반된다. 이 논문에서는 공간 복잡도를 완화하고 처리 시간을 가속화하기 위해 HDFS 기반 분산 처리 시스템을 설계한다. 분산 처리 시스템을 이용해 2-gram 특징과 필터링 기준에 따른 API 특징 2개, APICFG 특징을 추출하고 앙상블 학습 모델의 일반화 성능을 비교했다. 실험 결과로 특징 추출의 시간 복잡도는 컴퓨터 한 대의 처리 시간과 비교했을 때 약 3.75배 속도가 개선되었으며, 공간 복잡도는 약 5배의 효율성을 보였다. 특징 별 분류 성능을 비교했을 때 2-gram 특징이 가장 우수했으나 훈련 데이터 차원이 높아 학습 시간이 오래 소요되었다.

Traditional Malware Detection is susceptible for detecting malware which is modified by polymorphism or obfuscation technology. By learning patterns that are embedded in malware code, machine learning algorithms can detect similar behaviors and replace the current detection methods. Data must collected continuously in order to learn malicious code patterns that change over time. However, the process of storing and processing a large amount of malware files is accompanied by high space and time complexity. In this paper, an HDFS-based distributed processing system is designed to reduce space complexity and accelerate feature extraction time. Using a distributed processing system, we extract two API features based on filtering basis, 2-gram feature and APICFG feature and the generalization performance of ensemble learning models is compared. In experiments, the time complexity of the feature extraction was improved about 3.75 times faster than the processing time of a single computer, and the space complexity was about 5 times more efficient. The 2-gram feature was the best when comparing the classification performance by feature, but the learning time was long due to high dimensionality.

본 논문에서는 분산처리시스템에서 서버에 대한 작업의 서비스요구와 서버의 서비스율이 네트워크환경에 따라 모호성을 갖는 경우, 시스템의 성능을 평가할 수 있는 퍼지 폐쇄형 BCMP 큐잉네트워크모델을 제안하였다. 이 모델은 퍼지요소들을 처리할 수 있는 퍼지평균값분석방법을 사용하여 시스템성능을 평가할 수 있는 측도를 유도하였다. 이들의 유효함을 검증하기 위하여 제안한 모델에 작업의 서비스요구와 클라이언트의 수의 변화에 따른 성능평가를 시뮬레이션 하였고, 그 결과를 확인하였다.

In this paper, we propose fuzzy closed BCMP queueing network model for the performance evaluation of distributed processing system. Which has the ambiguous service requirements of job to servers and service rates of server according to network environments. This model can derive the measures for system Performances using fuzzy mean value analysis which can process the fuzzy factors. Computer simulation has been performed for verifying the effectiveness of derived equations of performance evaluation according to service requirements of job and the numbers of clients.

현재의 만성질환 환자들은 잦은 검진과 치료를 요구로 한다. 하루에도 수차례 해야 하는 검사를 일일이 병원을 찾아가 할 수 없으므로 환자 개인이 측정기를 이용해 측정을 하고 있으나 그 때의 상황만 알 수 있을 뿐, 상태가 호전되고 있는지 또는 악화되고 있는지 포괄적으로 알 수 없는 것이 사실이다. 이에 본 논문에서는 개인이 가지고 있는 측정기에서 측정된 데이터를 인터넷 또는 통신모듈이 탑재된 측정기를 통해 실시간으로 전송받아 웹서비스를 통해 산재해 있는 분석엔진 시스템으로 전달하여 환자의 상태를 분석하고 의사와 환자에게 자동으로 알려줌으로써 환자에게는 자신의 현재 상태를 정확히 알고 치료에 임할 수 있게 하는 기회를 만들어 주고 의사에게는 상세한 추가정보를 비롯해 환자가 현재 제대로 치료에 임하고 있는지 확인 할 수 있는 정보를 제공하여 의사가 치료와 관련된 여러 판단을 쉽게 내릴 수 있는 만성질환자 상태 분석 및 제공 시스템을 제안하고자 한다.

인프라로써의 전산자원은 사용자간에 공동 활용될 때 비용 효율을 얻을 수 있다. 이것은 web, was, dbms 중심의 기존 정보시스템 뿐 만 아니라 빅 데이터 등 분산처리가 요구되는 분야에서도 마찬가지이다. 분산처리 시스템에서 보안상 안전하게 전산 리소스를 공유하기 위한 요소를 살펴보고 사용자별로 격리된 클러스터를 제공하는 분산처리 공유 플랫폼을 구축하여 확인해 보았다.

인프라로써의 전산자원은 사용자간에 공동 활용될 때 비용 효율을 얻을 수 있다. 이것은 web, was, dbms 중심의 기존 정보시스템 뿐 만 아니라 빅 데이터 등 분산처리가 요구되는 분야에서도 마찬가지이다. 분산처리 시스템에서 보안상 안전하게 전산 리소스를 공유하기 위한 요소를 살펴보고 사용자별로 격리된 클러스터를 제공하는 분산처리 공유 플랫폼을 구축하여 확인해 보았다.