verifi

Dipartimento per l'Università, l'Alta Formazione Artistica, Musicale e Coreutica e per la Ricerca
Direzione
Generale per il Coordinamento e lo Sviluppo della Ricerca
PROGRAMMI DI RICERCA SCIENTIFICA DI RILEVANTE INTERESSE NAZIONALE – Bando
2012
D.M. 28 dicembre 2012 n. 957/Ric

PROGETTO DI RICERCA TRIENNALE

DEADLINE 14 GIUGNO
Anno 2012 ‐ prot. 2012XXXX

‐ 8.2 - Descrizione e quantificazione degli indicatori bibliometrici del

Coordinatore e dei responsabili delle unità operative (per i settori LS e PE),
ovvero (per il settore SH) di qualità e impatto delle pubblicazioni
(relativamente agli ultimi 5 anni)
Max. 1.000 caratteri

Fonte: Google Scholar/Scopus. Le pubblicazioni sono classificate in contributi a rivista (J),

contributi a proceedings o capitoli di libro (P), attività editoriale di libri o special issues (E). Gli
indici rispetto agli ultimi 5 anni sono calcolati considerando le citazioni ricevute a partire dal
2008 su tutti i documenti pubblicati.

Author J/P/E Citations Citations h-index h-index

(2008) (2008)

Salvatore Venticinque 15/84/6 349/161 268/148 10/7 8/7

http://scholar.google.it/citations?user=
PFedE7EAAAAJ
http://www.scopus.com/authid/detail.u
rl?authorId=9276299200

Orazio Tomarchio 3/54/0 819/194 321/76 15/7 10/6

http://scholar.google.com/citations?us
er=fFuMI2sAAAAJ
http://www.scopus.com/authid/detail.u
rl?authorId=6602163319

Paolo Trunfio 18/58/1 1447/563 909/400 19/11 15/10

http://scholar.google.com/citations?us
er=AUf7nU8AAAAJ
http://www.scopus.com/authid/detail.u
rl?authorId=6602968036
 Salvatore Distefano 29/64/9 386/200 345/180 11/10 10/9
http://scholar.google.com/citations?us
er=iK9nBfcAAAAJ
http://www.scopus.com/authid/detail.u
rl?authorId=17433851100

Dario Bruneo 15/30/1 240/61 155/50 8/5 7/4

http://scholar.google.it/citations?user=
ufUdkigAAAAJ&hl=it
http://www.scopus.com/authid/detail.u
rl?authorId=6506813268

8.4 ‐ Evidenziazione del grado di successo del PI in precedenti progetti italiani o

internazionali (SUN)
(Max 8.000 caratteri)

Due progetti a cui ha partecipato il PI con ruoli di responsabile di attività, conclusi nell'ultimo
periodo, sono particolarmente rilevanti rispetto alla tematica oggetto della proposta.
Il primo: European Project, MOSAIC: Open-Source API and Platform for Multiple Clouds,
Small or medium-scale focused research project (STREP), ICT Call 5, FP7-ICT-2009-5, si è
concluso a marzo 2013 con un giudizio “Eccellente” da parte dei revisori e del project officer. In
particolare nell'ambito del progetto il PI è stato task leader per lo sviluppo di una piattaforma ad
agenti per la negoziazione, gestione e monitoring di servizi Cloud di tipo infrastrutturali. Lo
specifico risultato è stato considerato uno dei più rilevanti contributi originali del progetto: “The
original idea of using agent technology in combination with semantic and negotiation methods
has been demonstrated successfully and the project leaves a complete set of tools and a
platform as tangible outcomes.”.
Il dimostratore ad agenti, principale risultato tecnologico della ricerca, è stato presentato al
Future Internet Assembly– May 10th 2012 – Aalborg (DE). In particolare la pubblicazione del PI
“Agents based cloud computing interface for resource provisioning and management“è stata
premiata come best paper della 6th International Conference on Complex, Intelligent, and
Software Intensive Systems, (CISIS 2012).
Il secondo: 2010-2012 PRIN (Project of Relevant National Interest), Cloud@home: a
new Enhanced Computing Paradigm, Funded by Ministry of Research(DM n.1407 4 April 2009)
rappresenta il progetto nazionale, chiuso positivamente il 2012, che ha visto il PI partecipare
con 4 dei 5 partners della presente proposta. La responsabilità del PI ha riguardato la
progettazione e la realizzazione di un sistema di monitoraggio che, in un contesto di Volunteer
Computing per il Cloud, utilizzava tecnologie ad agenti mobili, migranti sulle macchine virtuali
ospitate dagli utenti, per eseguire misure di parametri prestazionali.
Le diverse pubblicazioni, tra cui:
- “Venticinque et Al. 2011. The Cloud@ Home project: towards a new enhanced computing
paradigm. Euro-Par 2010 Parallel Processing Workshops, 555-562”; - “Venticinque e Al. 2013.
An SLA-based Broker for Cloud Infrastructures. Journal of Grid Computing 11 (1) , pp. 1-25”
mettono in evidenza non solo la rilevanza delle tematiche e dei risultati come base di partenza
della proposta in oggetto, ma documentano anche la stretta collaborazione tra i responsabili i
unità che partecipano insieme come co-autori.
Il PI ha inoltre coordinato dal 2010 al 2012 le attività di tipo scientifico tecnologico di un
progetto finanziato dalla Seconda Università degli Studi di Napoli, di rilevante interesse per le
linee di ricerca Smart Cities, dal titolo “Fruizione assistita e context aware di siti archeologici
complessi leader mediante dispositivi mobili” (PRIST 2009, Progetti di rilevante interesse
scientifico e tecnologico, €120.000). Il progetto di tipologia interculturale ha con successo
valorizzato le competenze di esperti del dominio archeologico progettando e sviluppando
tecniche e tecnologie per l'annotazione semantica di contenuti multimediali e la loro erogazione
al fine di aumentare la realtà percepita dai visitatori per mezzo di dispositivi mobili. I risultati di
tale progetto sono rendicontabili sia in termini di pubblicazioni che di dimostratori software. In
particolare la pubblicazione del PI “A semantic framework for delivery of context-aware
ubiquitous services in pervasive environments“ è stata premiata come best paper della 4th
International Conference on Intelligent Networking and Collaborative Systems, INCoS 2012

Seguono altri progetti completati con successo a cui il PI ha partecipato come responsabile di
task:

- 2006-2009 MIUR Project( FAR), LC3 - Laboratorio Pubblico-Privato Di Ricerca Sul Tema Della
Comunicazione Delle Conoscenze Culturali - National Project of Ministry of Research MIUR
DM1791.

- 2007-2010 POR Project (Legge 5), MAGDA: A Mobile Agent Platform for Grid Computing,
Funded by Regione Campania

- 2002-2004 POR 2000/2006 "Regional Competence Center on Information and Communication

Technologies", Funded by Regione Campania

- 2003-2004 POR 2000/2006, "Telemedicina per la Regione Campania", Funded by Regione

Campania

- 2004-2006 PON Project(FESR), Servicewave: Tecnologie innovative per i servizi a valore

aggiunto su reti mobili di terza generazione.

- 2001-2002 PRIN (Project of Relevant National Interest), ISIDE - Sistemi di elaborazione

reattivi ed affidabili per applicazioni industriali,Funded by Ministry of Research (MURST)

- 2001-2002 "MOSAICO: Metodologie e Strumenti di Progetto di Sistemi ad Alte Prestazioni per

Applicazioni Distribuite", Funded by Ministry of Research (MURST)
Negli anni 2010-2011 il PI è stato invitato a partecipare a incontri di ricerca nell'ambito del
dell'European project SPRERS FP7 246839, “Strengthening the Participation of Romania at
European R&D in Software Services” (CSA)

Rispetto ai progetti di ricerca in cui il PI è attualmente coinvolto si citano i seguenti progetti

europei e nazionale.
Dall'anno 2013 il PI è Work Package (WP) leader del progetto Europeo CoSSMic
(Collaborating Smart Solar-powered Micro-grids ), finanziato dalla misura FP7-ICT-2013.6.4 –
Optimising Energy Systems in Smart Cities. Il progetto CoSSMic mira a sviluppare sistemi di
gestione e controllo per piccole reti elettriche intelligenti costituite da fonti di energia rinnovabili,
accumulatori di energia e consumatori, attraverso una soluzione ICT basata su meccanismi di
collaborazione peer-to-peer su piccole reti locali e con la rete di distribuzione centrale.
Nell'ambito del WP coordinato il PI è responsabile della realizzazione di una rete di agenti
software in grado di negoziare l'allocazione ottima di sorgenti di potenza elettrica rispetto a
accumulatori di energia per conto degli utenti. Il PI si adopererà per instaurare una stretta
collaborazione con il progetto citato e la proposta in oggetto, basata su un eventuale scambio di
informazioni raccolte durante le attività sperimentali
Infine dall'anno 2013 il PI partecipa come task leader al progetto nazionale DISPLAY
(Distributed hybrId Simulation PLAtform for ATM and VTS sYstems) il cui obiettivo è la
realizzazione di una piattaforma di simulazione ibrida e distribuita per i sistemi critici e complessi
realizzata su infrastrutture Cloud. Il progetto fa parte del laboratorio pubblico-privato Cosmic,
autorizzato e finanziato dal Ministero dell’Istruzione, dell’Università e della Ricerca, nell’ambito
del PON Ricerca e Competitività 2007-2013 per le Regioni della Convergenza D.D. MIUR
n.713/Ric. del 29 ottobre 2010 e D.D. MIUR n.759/Ric. dell’30 aprile 2013 (Cod. Identificativo:
PON02_00485_3487784).

10 ‐ Abstract del progetto di ricerca (UNIME)

(Max. 3.000 caratteri –4132)
La diffusione del Cloud Computing come paradigma di programmazione ed erogazione di
servizi attraverso Internet spinge verso la fornitura delle risorse di calcolo secondo un modello
mutuato dalle reti elettriche. Le applicazioni e i dati di ogni utente migrano dai singoli dispositivi
verso il Cloud consentendo la fruizione di servizi ubiqui. La parola Cloud ha così assunto
un’accezione positiva favorendo il trasferimento della conoscenza dal mondo reale verso quello
digitale. Utilizzando il Cloud e alimentandolo attraverso l’uso di servizi quali social networks,
dispositivi mobili, ambienti pervasivi, sensori, storage e macchine virtuali, si sta contribuendo ad
aumentare la consapevolezza da parte della Rete della realtà costruendo la cosìddetta Internet
of Things. La forza di tale approccio è la trasparenza e l'indipendenza alle diverse tecnologie, in
quanto l’utente ha solo bisogno di un dispositivo attraverso cui connettersi in rete per ottenere le
informazioni richieste. Tuttavia, delegare la gestione delle informazioni e l’esecuzione delle
applicazioni al Cloud introduce nuove problematiche. Ad esempio, questo riversamento della
realtà verso il Cloud corrisponde alla minore consapevolezza degli utenti del comportamento dei
servizi utilizzati e della gestione delle informazioni personali. L'utente deve dunque fidarsi di
quanto dichiarato dal provider, perdendo così il controllo sulla propria privacy e risultando
inconsapevole della reale qualità dei servizi che sta utilizzando.
Obiettivo generale del progetto è definire metodologie e metodi per la valutazione della
qualità del servizio, dei costi e di proprietà non funzionali dei servizi offerti dai Cloud provider,
costruiti con una nuova prospettiva user-centric. Si vuole cioè ricercare soluzioni che non
richiedano agli utenti di affidarsi al provider per il monitoring e la valutazione dei servizi stessi.
Ciò consentirà di supportare l'utente nella scelta del servizio/risorsa Cloud che meglio risponde
alle sue esigenze, ma soprattutto di assisterlo nella sua fruizione, monitorando sia il rispetto
degli accordi negoziati da parte del provider, che l’efficacia della scelta. In tali casi si procederà
ad una nuova fase di negoziazione con eventuale valutazione di offerte alternative. Pertanto,
l'originalità del progetto è fornire tecniche e meccanismi con cui misurare, valutare e monitorare
i servizi Cloud da una nuova prospettiva che garantisca gli utenti piuttosto che i provider.
A tal fine verranno definiti modelli e metriche per la descrizione dei requisiti dell’utente e
delle proprietà non funzionali dei servizi Cloud. Verranno investigate tecniche per la misura di
tali metriche e per la valutazione del servizio utilizzando diverse fonti di informazioni. In
particolare si considererà la raccolta di dati sul terminale utente per valutare la qualità percepita,
verranno analizzati metodi e tecniche per il monitoraggio in tempo reale dei servizi Cloud per
valutare il rispetto dei termini dichiarati da parte del provider. In questo modo, si potranno
controllare in tempo reale gli indici di interesse, in base ai quali decidere se cambiare provider
secondo le proprie (insoddisfatte) necessità. Ai fini della definizione dei criteri e del supporto alla
scelta di servizi alternativi verranno studiati gli aspetti “business oriented” dei Cloud provider
(quali ad esempio, modelli di prezzo, strategie di vendita, servizi di supporto, etc.) e di
sicurezza, e confrontati con il profilo e i requisiti utente.
Altre fonti di informazioni verranno altresì utilizzate per la valutazione e il confronto di
servizi equivalenti. Per la sperimentazione delle tecniche di valutazione dei servizi e di supporto
alla scelta verranno utilizzati repository disponibili in rete (Open-Data), dati storici circa il
benchmark effettuato da terze parti in scenari applicativi di tipo Smart City.

11 ‐ Stato dell’arte (POLIMI)

(Max. 3.000 caratteri)
ENG (2979 ch)
The growing involvement of Cloud Computing in the management of applications, services and
resources puts even more emphasis on the necessity of monitoring the QoS parameters to
obtain the required performances [1]. Traditional monitoring technologies for single machines or
Clusters are restricted to locality and homogeneity of monitored objects and, therefore, cannot
be adequately applied to the Cloud [2]. The monitoring service offered by the provider itself is
not enough [3]. Monitoring solutions in Clouds are usually tailored to specific vendors. Amazon
[26], Windows Azure [27], GoGrid [28] provide their own monitoring services, but users cannot
trust twice the provider for the SLA and for its checking. For this reason a number of research
projects are investigating open solutions [3-5], relying on user's infrastructure and trying to
minimize overhead and network utilization for monitoring information.
In the literature, some techniques have been proposed to deal with the problem of non
functional property assessment of Clouds, mainly focusing on the provider perspective.
Problems of capacity planning [16], resource management (VM multiplexing [19,20], scheduling
[21,22], optimisation [23,24], etc.), SLA-driven provisioning [16-18], security [15], service
orchestration and composition [25] have been indeed addressed so far, considering users as
passive actors suffering the decisions of providers.
Regarding the data mining aspects of this project, most existing works focused on the use of
Cloud platforms to support knowledge discovery applications. Notable examples are
Sector/Sphere [6], All-Pairs [7], Dryad [8], and COMPSs [9]. Sector/Sphere is a framework
designed to run data analysis applications on large distributed datasets, consisting of a storage
component (Sector) and a compute component (Sphere). All-Pairs is a programming model and
a framework to implement data intensive scientific applications on a cluster or a Cloud. Dryad is
a Microsoft framework to run data-parallel applications that combine computational vertices with
communication channels to form a dataflow graph. COMPSs is a programming model and an
execution runtime system, whose main objective is to ease the development of applications for
distributed environments, including private and public Clouds. Besides the systems mentioned
above, some other data intensive applications have been implemented in Cloud environments
using the MapReduce programming model [10].
Finally, regarding the decision criteria, taxonomies and ontologies of Cloud systems are needed.
Some attempts to design cloud ontologies have recently appeared in the literature [11-14].
Still, there is no proposal that has reached a broad acceptance from the community. Moreover,
market related properties are not covered, while we claim that to support the Cloud economy, a
resource discovery process must account for market-related properties rather than just the
Cloud resources’ technical features.

ITA (2967 ch)

Il crescente ricorso al Cloud nella gestione di applicazioni, servizi e risorse mette in risalto la
necessita' di monitorare i parametri di QoS per la verifica delle prestazioni erogate [1]. Le attuali
tecnologie di monitoraggio sono limitate da vincoli di località e omogeneità sugli oggetti
monitorati e pertanto non possono essere applicate al Cloud [2]. Inoltre, il servizio di
monitoraggio offerto dal provider non è di solito sufficiente [3] poiché le soluzioni offerte sono
molto specifiche e poco flessibili. Amazon [26], Windows Azure [27], GoGrid [28] forniscono i
propri servizi di monitoraggio, ma gli utenti non possono delegare al provider il controllo della
SLA pattuita. Diversi progetti di ricerca stanno studiando soluzioni al problema [3-5] basandosi
sull'infrastruttura utente e cercando di minimizzare l'utilizzo della rete per le informazioni di
monitoraggio.
La valutazione di proprietà non funzionali in Cloud e’ un altro tema caldo in letteratura, che
tuttavia si concentra principalmente sulla prospettiva provider. Difatti, problemi di pianificazione
della capacità [16], di gestione delle risorse (VM multiplexing [19,20], scheduling [21,22],
ottimizzazione [23,24], ecc.), di SLA-driven provisioning [16-18], di sicurezza [15], di
orchestrazione e composizione dei servizi [25] sono stati affrontati, considerando gli utenti come
attori passivi in balia dei provider.
Per quanto riguarda gli aspetti di data mining, i lavori in letteratura si focalizzano
prevalentemente sull'uso del Cloud come infrastruttura per le applicazioni di knowledge
discovery. Per esempio Sector/Sphere [6] è un framework per l’esecuzione di analisi su grandi
insiemi di dati distribuiti, costituiti da un componente di archiviazione (Sector) ed uno di calcolo
(Sphere). All-Pairs [7] è un modello di programmazione ed un framework per lo sviluppo di
applicazioni scientifiche data-intensive in un cluster o un Cloud. Dryad [8] è un framework
Microsoft per eseguire applicazioni data-parallel che combinano i nodi computazionali con i
canali di comunicazione per formare un dataflow graph. COMPSs [9] è un modello di
programmazione ed un ambiente d'esecuzione il cui principale obiettivo è facilitare lo sviluppo di
applicazioni per ambienti distribuiti quali Cloud pubblici e privati. Oltre ai sistemi di cui sopra,
alcune applicazioni data-intensive sono state implementate in ambienti Cloud utilizzando
MapReduce [10].
Infine, per quanto riguarda i criteri di decisione, sono necessarie specifiche tassonomie ed
ontologie Cloud. Alcuni tentativi di progettare ontologie Cloud sono recentemente apparsi in
letteratura [11-14]. Tuttavia, nessuna proposta ha raggiunto ampio consenso da parte della
comunità scientifica ed inoltre le proprietà relative al mercato non vengono considerate. Per
sostenere l'economia Cloud, il sistema di ricerca delle risorse deve anche basarsi su tali
proprietà piuttosto che solo sulle caratteristiche tecniche delle risorse Cloud.

[1] Clayman, S., et al. Monitoring service clouds in the future internet. Towards the Future
Internet pp. 115–126 (2010)
[2] Emeakaroha, V.C. et al. Low level metrics to high level slas - lom2his framework: Bridging
the gap between monitored metrics and sla parameters in cloud environments. HPCS. pp.
8–54. IEEE (2010)
[3] Clayman, S., et al. Monitoring service clouds in the future internet. Future Internet Assembly.
pp. 115–126. IOS Press (2010)
[4] Spyridon V. Gogouvitiset al. OPTIMIS and VISION Cloud: How to Manage Data in Clouds.
Euro-Par Workshops (1) 2011: 35-44
[5] Massimiliano, R., et al. Cloud Application Monitoring: The mOSAIC Approach, Cloud
Computing Technology and Science. pp. 758–763 IEEE (2011),
[6] Y. Gu and R. L. Grossman. Sector and Sphere: the design and implementation of a
high-performance data cloud. Philosophical Transactions of The Royal Society A:
Mathematical, Physical and Engineering Sciences, 367:2429–2445, 2009.
[7] C. Moretti, J. Bulosan, D. Thain, and P.J. Flynn. All-pairs: An abstraction for data-intensive
cloud computing. In IEEE Int. Symposium on Parallel and Distributed Processing, pages
1–11, 2008.
[8] M. Isard, M. Budiu, Y. Yu, A. Birrell, and D. Fetterly. Dryad: distributed data-parallel programs
from sequential building blocks. In 2nd ACM SIGOPS/EuroSys European Conference on
Computer Systems 2007, EuroSys ’07, pages 59–72, 2007.
[9] F. Marozzo, F. Lordan, R. Rafanell, D. Lezzi, D. Talia, and R. M. Badia. Enabling cloud
interoperability with compss. In Christos Kaklamanis, Theodore Papatheodorou, and PaulG.
Spirakis, editors, Euro-Par 2012, pages 16–27. 2012.
[10] J. Dean and S. Ghemawat. Mapreduce: simplified data processing on large clusters.
Commun. ACM, 51(1):107–113, 2008.
[11] B. Rimal, E. Choi, and I. Lumb, “A taxonomy and survey of cloud computing systems,” in
Proceedings of the 2009 Fifth International Joint Conference on INC, IMS and IDC (NCM '09).
pp. 44 –51, Aug. 2009.
[12] L. Youseff, M. Butrico, and D. Da Silva, “Toward a unified ontology of cloud computing,” in
Grid Computing Environments Workshop, 2008. GCE ’08, Nov. 2008, pp. 1 –10.
[13] J. Kang and K. Sim, “Cloudle: An ontology-enhanced cloud service search engine,” in Web
Information Systems Engineering WISE 2010 Workshops, ser. Lecture Notes in Computer
Science, 2011, vol. 6724, pp. 416–427.
[14] OpenCrowd, “The OpenCrowd Cloud Taxonomy,” http://cloudtaxonomy.opencrowd.com/
[15] H. Takabi, J. B. D. Joshi, and G.-J. Ahn, “Security and Privacy Challenges in Cloud
Computing Environments,” Security & Privacy, IEEE, vol. 8, no. 6, pp. 24–31, 2010.
[16] Y. Kouki, T. Ledoux, "SLA-driven capacity planning for Cloud applications," 4th IEEE
International Conference on Cloud Computing Technology and Science Proceedings, pp.
135-140, 4th IEEE International Conference on Cloud Computing Technology and Science
Proceedings, 2012
[17] Yousri Kouki and Thomas Ledoux. 2013. SCAling: SLA-driven cloud auto-scaling. In
Proceedings of the 28th Annual ACM Symposium on Applied Computing (SAC '13). ACM, New
York, NY, USA, 411-414. DOI=10.1145/2480362.2480445
http://doi.acm.org/10.1145/2480362.2480445
[18] Bonvin, N.; Papaioannou, T.G.; Aberer, K., "Autonomic SLA-Driven Provisioning for Cloud
Applications," Cluster, Cloud and Grid Computing (CCGrid), 2011 11th IEEE/ACM International
Symposium on , vol., no., pp.434,443, 23-26 May 2011
doi: 10.1109/CCGrid.2011.24
[19] Nandi, B.B.; Banerjee, A.; Ghosh, S.C.; Banerjee, N., "Stochastic VM Multiplexing for
Datacenter Consolidation," Services Computing (SCC), 2012 IEEE Ninth International
Conference on , vol., no., pp.114,121, 24-29 June 2012
doi: 10.1109/SCC.2012.94
[20] Xiaoqiao Meng, Canturk Isci, Jeffrey Kephart, Li Zhang, Eric Bouillet, and Dimitrios
Pendarakis. 2010. Efficient resource provisioning in compute clouds via VM multiplexing. In
Proceedings of the 7th international conference on Autonomic computing (ICAC '10). ACM, New
York, NY, USA, 11-20. DOI=10.1145/1809049.1809052
[21] Pandey, S.; Linlin Wu; Guru, S.M.; Buyya, R., "A Particle Swarm Optimization-Based
Heuristic for Scheduling Workflow Applications in Cloud Computing Environments," Advanced
Information Networking and Applications (AINA), 2010 24th IEEE International Conference on
pp. 400-407, 20-23 April 2010, doi: 10.1109/AINA.2010.31
[22] Bittencourt, L.F.; Madeira, E. R M; da Fonseca, N.L.S., "Scheduling in hybrid clouds,"
Communications Magazine, IEEE , vol.50, no.9, pp.42,47, September 2012
doi: 10.1109/MCOM.2012.6295710
[23] Sivadon Chaisiri, Bu-Sung Lee, Dusit Niyato, "Optimization of Resource Provisioning Cost
in Cloud Computing," IEEE Transactions on Services Computing, vol. 5, no. 2, pp. 164-177,
Second, 2012
[24] Marin Litoiu and Milena Litoiu. 2010. Optimizing resources in cloud, a SOA governance
view. In Proceedings of the 2010 Workshop on Governance of Technology, Information and
Policies (GTIP '10). ACM, New York, NY, USA, 71-75. DOI=10.1145/1920320.1920330
[25] Dario Bruneo, Salvatore Distefano, Francesco Longo, Marco Scarpa, "Stochastic
Evaluation of QoS in Service-Based Systems," IEEE Transactions on Parallel and Distributed
Systems, vol. 99, no. PrePrints, p. 1-10, 2012
[26] https://aws.amazon.com/cloudwatch/
[27] https://www.windowsazure.com/
[28] http://www.gogrid.com/

12.1 ‐ Obiettivi e risultati che il progetto si propone di raggiungere e loro interesse per
l’avanzamento della conoscenza (SUN)
(Max. 10.000 caratteri- Current: 9.200)

ITA
Il principale obiettivo del progetto è la definizione di metodologie e tecniche per rappresentare,
monitorare e valutare le proprietà non funzionali dei servizi e delle risorse Cloud, al fine di
supportare gli utenti nella ricerca e nella scelta di quei servizi in grado di soddisfare i requisiti,
consentendo di verificarne il soddisfacimento durante la fruizione e tutelando le informazioni
personali. Uno degli aspetti più innovativi del progetto è il concentrarsi sulla prospettiva utente.
Le attività svolte nell'ambito della ricerca affronteranno problemi aperti nello scenario Cloud
attuale fornendo adeguate soluzioni, strumenti e servizi.

ENG
Project main objective is the definition of methodologies and techniques able at representing,
monitoring and evaluating non-functional properties of Cloud Services ad Resources. Such
techniques will be adopted to support end users in searching and choosing the services,
enabling the respect of such non-functional properties during the service usage, taking care of
privacy information of end users. The originality of the approach is that it focuses on the end
user point of view.
ITA
Partendo dal modello concettuale illustrato in figura, nell'ambito del progetto verrà definito un
framework per l'applicazione delle tecniche e dei modelli risultanti dalla ricerca come servizi
interoperanti. Verrà sviluppato un dimostratore software come mezzo per la conduzione delle
attività sperimentali e la validazione dei risultati della ricerca, con riferimento a uno scenario
applicativo nel contesto "Smart City". In tale scenario l'utente è interessato a servizi che
forniscono informazioni turistiche, traffico, trasporti, etc., con precisi livelli di servizio e in
maniera personalizzata, e che dunque necessitano il trattamento di informazioni personali
(posizione, ...). Il progetto adotterà formati aperti (Open Data) per la rappresentazione delle
informazioni, utilizzando le fonti di informazione disponibili, la cui condivisione da parte di enti
pubblici è già una realtà in questo contesto applicativo, e alimentandole a sua volta. Nella
scelta del servizio, grazie alle nuove tecniche proposte, l'utente potrà ricercare e discriminare
tra quelli disponibili in base a parametri non funzionali. Nella fase di evaluation e mining si
valuterà ogni offerta e si suggeriranno i servizi che soddisfano al meglio la richiesta dell'utente,
secondo le proprietà non funzionali quali prestazioni e sicurezza, reputazione dei providers,
utilizzando dati storici e tenendo in conto dei servizi già in uso. I criteri di scelta includeranno
minor costo, migliori prestazioni, maggiore sicurezza, etc. In particolare, una volta scelto il
servizio, il sistema di monitoring analizzerà le prestazioni continuando ad alimentare la serie di
dati storici. Nel caso di degrado dei livelli di servizio al di sotto deirequisiti utente, o anche
rispetto alle garanzie nominali concordate col provider, si proporrà una ri-negoziazione di
eventuali soluzioni alternative.
A tal fine sono identificati i seguenti tre macro obiettivi:
OR1- Modellazione di requisiti utente e proprietà non funzionali di servizi Cloud
OR2- Misura e valutazione di proprietà non funzionali
OR3- Modelli e tecniche di supporto alla scelta dei servizi

ENG
Starting from the conceptual model shown in the figure, the project will define a framework for
the application of models and techniques resulting from research as interoperable services.

In order to validate and tests the proposed framework, the project will develop a demonstrator
software whose application scenario is in the context of "Smart City". In such scenario the end
user needs services dedicated to turistism, car traffic, public transport, etc.. Moreover the end
user needs well defined and customized service levels that have access to personal data, with
privacy requirements.

The project aims at using open format (Open Data) for information representation, using the
existing information sources. It is relevent to point out that Public bodies in italy already are
adopting such approach to share information. A side effect of the project will be a faciitation of
Open Data approach diffusion.

End users will be able to choose among the available service on the basis of the non-functinal
requirements, due to the adoption of the innovative techniques proposed in the research
activities. During Evaluation and mining phases, the proposed techniques will help in evaluating
and suggesting the services that well conform to end user requirements, considering
performance and security offered, provider reputation, using historical data and taking into
account already adopted services. Choice criteria will take into account cost, performance,
security, etc.
Once the srvice will be chosen, the monitoring system will analyze the performances, collecting
historical data. In case of service degradation the system will be able to re-negotiate user
requirements with end users.

OR1- Modellazione di requisiti utente e proprietà non funzionali di servizi Cloud

Attualmente non esistono né un modello né una tassonomia condivisa, in assenza dei quali
proprietà, livelli e termini di servizio non sono definiti allo stesso modo da provider diversi.
Nonostante esistano in letteratura proposte di modelli formali per la descrizione degli accordi di
servizio, in ambito commerciale questi sono prevalentemente descritti in linguaggio naturale e
l’unico parametro comunemente specificato è la disponibilità, con diverse interpretazioni e
metriche. Per tale motivo, per la valutazione e la comparazione di servizi offerti da provider
diversi è di rilevante interesse un modello comune, agnostico rispetto al provider e formalmente
definito. Si ricercherà tale modello di rappresentazione attraverso il conseguimento dei seguenti
sotto obiettivi specifici.
OR1.1- modelli e metriche per esprimere i requisiti utente in termini di prestazioni, sicurezza,
disponibilità ed altre proprietà non funzionali (lato utente);
OR1.2- modelli e metriche per descrivere i livelli di servizio effettivamente percepiti dall’utente
nella fase di fruizione, le risorse realmente utilizzate, il livello di sicurezza garantito;
OR1.3- modelli e metriche di costo ed altri aspetti tra i criteri da utilizzare nella valutazione dei
servizi.

In particolare per il conseguimento di tali sotto obiettivi le unità di ricerca investigheranno:

- metriche per la valutazione dei livelli di servizio, includendo ulteriori indici oltre la disponibilità e
le prestazioni della rete attualmente considerati dai provider;
- modelli per la rappresentazione formale e la valutazione dei livelli di servizio Cloud;
- modelli formali per la rappresentazione di politiche di business in servizi Cloud, principalmente
relative ai modelli di costo, alle strategie di mercato ed alla disponibilità economica dell'utente;
- modelli, anche semantici e basati su ontologie, di rappresentazione del profilo utente, dal
momento che i servizi di monitoring attualmente utilizzano unicamente indici prestazioni del
servizio (solitamente a livello infrastrutturale) misurati dal provider;

OR2- Misura e valutazione di proprietà non funzionali

Il raggiungimento di tale macro obiettivo richiede lo studio e lo sviluppo di tecniche per misurare
i parametri che descrivono i livelli di servizio. Di particolare interesse per l’avanzamento della
ricerca è la possibilità, da parte dell’utente, di misurare i livelli di servizio effettivi nella fase di
fruizione senza doversi affidare agli strumenti di monitoring del provider stesso. Attualmente
infatti esistono per lo più servizi di terze parti che forniscono risultati di benchmarking, utilizzabili
solo prima di acquistare e utilizzare il servizio stesso. Tale macro obiettivò sarà quindi
conseguito attraverso il raggiungimento dei seguenti obiettivi specifici.

OR2.1- misurare i livelli di servizio offerti dai diversi provider e valutarli rispetto ai requisiti
utente;
OR2.2- monitorare i servizi utilizzati per verificare che offrano un’adeguata Qualità del Servizio
per il particolare profilo;
OR2.3- valutare il servizio e rilevare violazioni agli accordi di servizio (SLA) e/o il degrado dei
livelli di qualità del servizio;

Al fine di perseguire gli obiettivi elencati sopra sarà necessario condurre attività di ricerca che
consentano di definire tecniche per l'analisi delle prestazioni, affidabilità, sicurezza. Ciò verrà
fatto investigando:
- tecniche per l'analisi della Qualità del Servizio in contesti Cloud basate anche su modelli
stocastici;
- tecniche per valutare e migliorare il livello di privacy dell’utente
- tecniche per il benchmarking e il monitoraggio dei servizi con soluzioni user-centric;
- tecniche di valutazione e rilevazione violazioni dei parametri di SLA;
OR3- Modelli e tecniche di supporto alla scelta dei servizi
Attualmente i Cloud provider si limitano a pubblicare il portfolio dei servizi offerti. Lo scopo di
questo macro obiettivo è definire modelli e tecniche di supporto alla scelta dei servizi sulla base
di appropriati criteri di selezione. Di particolare interesse ai fini dell’avanzamento della ricerca in
questo contesto è la definizione di strumenti di scelta che, sfruttando la piattaforma Cloud per
l’esecuzione efficiente di algoritmi mining, garantiscono tempi di risposta ridotti ai potenziali
utenti dei servizi. Tale macro obiettivo si articolerà nei seguenti obiettivi specifici.
OR3.1- Supportare l’utente nella comparazione tra diversi servizi Cloud.
OR3.2- Supportare l’utente nella valutazione della rispondenza dei servizi ai requisiti
dell’applicazione.
OR3.3 - Supportare l’esecuzione remota di task complessi anche mediante offload su nodi del
Cloud.

Le attività di ricerca si concentreranno sullo studio di:

- tecniche di supporto alla scelta del servizio basate su criteri di decisione multipli quali:
parametri non funzionali rilevanti per l'utente, colli di bottiglia, SLA, reputazione dei provider,
capacità di negoziazione, modelli di costo, servizi in uso e rispettivi livelli di servizio.
- tecniche di matching per la valutazione di politiche di sicurezza per servizi Cloud;
- modelli di data mining per la valutazione dei servizi disponibili che rispondano ai requisiti
utente;
- tecniche di scheduling per l'esecuzione remota dei task di data mining in Cloud, che
consentano di ridurre il carico computazionale in caso il nodo utente avesse limitate risorse di
calcolo.

Risultati scientifici

Il raggiungimento degli obiettivi di progetto avverrò attraverso il conseguimento di risultati

scientifici e tecnici. I risultati attesi dalle attività di progetto consisteranno in un insieme di report
scientifici e tecnici, che documenteranno metodologie, modelli e tecniche sviluppati nel progetto,
e in un dimostratore software che fungerà da mezzo per la loro validazione.

Tra i principali risultati scientifici si includono:

- Modelli per la rappresentazione dei requisiti utente (OR1)
- Modelli di rappresentazione degli aspetti “business oriented” di un Cloud (OR1)
- Metriche e modelli di prestazioni ed affidabilità di servizi Cloud (OR1)
- Metriche e tecniche per il monitoring e il benchmarking (OR1,OR2);
- Tecniche di analisi della Qualità del Servizio percepita dall’utente (OR2);
- Scenari applicativi e metodologie di sperimentazione (OR1, OR2, OR3)
- Modelli e tecniche di data mining di supporto alla scelta dei servizi (OR3)
- Dimostratori software (OR1, OR2, OR3)
- Risultati sperimentali (OR1, OR2, OR3)
12.2 ‐ Eventuali potenzialità applicative e impatto scientifico e/o tecnologico e/o
socio‐economico (UNICT)
Max. 5.000 caratteri Current (5004 car.) is siamo

Le attività del progetto riguarderanno il monitoraggio, la valutazione ed il brokering di servizi

Cloud, tematiche di particolare attualità in svariati bandi nazionali ed internazionali (FP7)
sull'ICT. La ricerca, a partire dai più significativi risultati scientifici in riferimento a tecnologie,
metodologie e tecniche per lo sviluppo e l'erogazione di servizi Cloud, si concentrerà sul
problema della valutazione dei servizi con una prospettiva completamente nuova, incentrata
sull'utente piuttosto che sul provider. Al fine di perseguire tale ambizioso obiettivo, reso
difficoltoso dalle limitate risorse e restrizioni nell'accesso ai servizi da parte dell'utente, i partner
del progetto, partendo dall'esperienza acquisita attraverso progetti e collaborazioni su tematiche
oggetto di studio (FP7 mOSAIC, FP7 Vision-Cloud, PRIN2008 Cloud@Home), studieranno
nuove metodologie ed adeguati modelli e tecniche di analisi. I risultati della ricerca forniranno
strumenti avanzati per la valutazione e la scelta del servizio dal lato utente. In altri termini, il
progetto intende colmare la mancanza di meccanismi e di strumenti per coinvolgere attivamente
gli utenti nel “sistema” Cloud, permettendo loro di scoprire, selezionare, comporre, negoziare e,
in particolare, verificare che i parametri dei servizi forniti dai provider Cloud effettivamente
corrispondano alle richieste. In tal modo l'utente non sarà più attore passivo nelle scelte
effettuate, ed a volte imposte dal provider, ma avrà totale controllo sulla gestione di risorse, dati
e servizi Cloud. L'incidenza sul tessuto economico e sociale del progetto produrrà benefici quali:
maggior consapevolezza degli utenti sulla scelta e/o sull'uso improprio dei servizi Cloud;
risparmio legato alla possibilità di controllare la qualità del servizio utilizzato ed alla disponibilità
di un supporto alla scelta attraverso parametri quantitativi che includono anche aspetti
business-oriented; tracciabilità dei propri dati al fine di prevenire problemi di sicurezza e privacy;
maggiore trasparenza rispetto alla qualità dei servizi erogati dai providers e tracciabilità delle
informazioni gestite da essi; spinta all'innovazione e al miglioramento dell'offerta favorendo
competitività nel mercato. I temi affrontati nel progetto sono rilevanti in ambito Horizon 2020,
con riferimento alle seguenti priorità. Eccellenza Scientifica: tecniche innovative saranno
sviluppate per supportare analisi di sistemi Cloud dal punto di vista utente. Leadership
Industriale: la ricerca su Next Generation Computing e Future Internet si focalizzerà
principalmente sull'utente, aprendo nuove prospettive di business nell'ottica di mercato di servizi
Cloud. Sfide per la società: il progetto impatterà nella percezione e nell'uso del Cloud,
infondendo fiducia nella tecnologia con possibili risvolti nelle abitudini degli utenti attraverso un
crescente utilizzo di tali tecnologie. Infine, i temi del progetto coprono gli obiettivi dei cluster
tecnologici MIUR, in particolare nelle linee Smart City.
Proprio in quest'ultimo contesto è atteso un forte impatto sulla diffusione della conoscenza.
Infatti la scelta di adottare l'approccio Open Data per la rappresentazione delle informazioni
raccolte e prodotte, in forma puntuale, contribuirà ad arricchire il patrimonio di dati già messo a
disposizione da diversi enti pubblici e privati riguardanti cartografia, genetica, composti chimici,
formule matematiche e scientifiche, dati medici e pratica, delle bioscienze, dati anagrafici, dati
governativi, ecc. Allo stesso modo la sperimentazione delle tecniche e tecnologie proposte su
fonti di informazioni offerte come open data produrranno nuovi dati di tipo aggregato
produrranno nuovo know how accessibile e riutilizzabile.
Ulteriore contributo all’impatto di tipo scientifico è previsto in virtù della partecipazione delle
Unità di Ricerca ad altri progetti Internazionali e Nazionali attualmente in essere, o in fase di
partenza. SUN parteciperà a due progetti Europei in partenza ad Ottobre e Novembre
rispettivamente: Cossmic–Optimising Energy Systems in Smart Cities FP7-ICT-2013.6.4, e
FP7-ICT-2013-10-610795 SPECS - Secure provisioning of Cloud Services based on SLA
management. UNIME parteciperà al progetto Europeo FP7-610802 CloudWAVE in partenza a
Novembre 2013. UniCT sta partecipando al progetto Cloud4Business (PO FESR 2007-2013
Sicilia), avente come oggetto lo sviluppo e la fruzione in modalità cloud di applicativi gestionali
orientati alle PMI. PoliMi cercherà di sfruttare le esperienze e le conoscenze acquisite in ambito
self management systems attraverso lo ERC Advanced Investigator Grant N. 227977
[2008-2013] - SMSCOM - PI Professor Carlo Ghezzi. Rilevante rispetto ai temi della presente
proposta, è la partecipazione di UNICAL a due progetti PON “Ricerca e Competitività
2007-2013”: il progetto “TETRis: TETRA Innovative Open Source Services” (2011-2013) e il
progetto “DiCeT-INMOTO: Organization of Cultural Heritage for Smart Tourism and REal Time
Accessibility” (2013-2015). Si sottolinea, infine, la partecipazione di SUN a comitati quali IEEE
Technical Committee on Scalable Computing (TCSC) e al Cloud Standards Customer Council,
while PoliMi is member of the IEEE Cloud computing community and of the IEEE Emerging
Technical Committee on Internet of Things.

13 ‐ Criteri di verifica dei risultati (UNICAL)

(Max. 3.000 caratteri) 1800 senza figura

La verifica delle tecniche e delle tecnologie sviluppate nell'ambito del progetto verrà effettuata
attraverso le attività di sperimentazione già previste nell'ambito della proposta. Tuttavia la
necessità di verificare in itinere le tecniche e le tecnologie sviluppate, richiederà la disponibilità
di dati e informazioni prima della fase di sperimentazione stessa, che è di per sè un risultato di
progetto soggetto ad eventuali criticità. Per tale motivo, si utilizzeranno informazioni e basi di
dati condivise da altri progetti, e repository open data già resi disponibili in rete da diversi enti di
ricerca o amministrazioni pubbliche.

Per la verifica dei risultati scientifici del progetto verranno utilizzati il numero e la collocazione
delle pubblicazioni prodotte, confrontate con il piano di diffusione programmato ad inizio
progetto. Il numero e la tipologia di collaborazione con ulteriori progetti sarà un'indicatore della
rilevanza e della dinamicità della ricerca. In particolare si mirerà a creare collaborazioni con
progetti che già coinvolgono o che coinvolgeranno le unità di ricerca attraverso gli stessi
ricercatori o ricercatori delle stesse strutture partecipanti alla presente proposta.

Momenti di verifica saranno previsti in itinere durante lo sviluppo del piano di lavoro a partire dal
mese 6 con cadenza semestrale. Le milestones previste al punto 14, sono da considerarsi punti
di decisione per eventuali revisioni o correzioni delle attività di ricerca o semplicemente della
time line. In occasione di ogni momento di verifica verrà misurata la percentuale di realizzazione
di ogni obiettivo realizzativo definito e messa in relazione con le attività del workplan.

Segue la tabella contenente i rischi identificati in partenza e da aggiornare nel corso del
progetto.

Risk Probability Cause Impact Contingency strategy

Wrong Low Subestimat Time delays Six months progress reports will be
planning, over ion of work used as a data point for estimating the
scheduling of need suitability of the project scheduling; if
activities necessary, effort or time-line schedule
changes will be proposed

Lack of Low Internal to Low Increase frequency of project

communicatio the partner cooperation meetings, virtual meetings (not only
n and institute plenary meeting), use of mailing lists
coordination and document repository tools .
among tasks
and partners

Deadlines not Low Technical Low quality Regular reports about the partners
met problems delays of activities, periodic conference call,
deliver. decision points.

Dissemination Low Quality of Low impact A registry of planned, submitted,

seems disseminati accepted, rejected, and published
ineffective on scientific contribution is maintained.
Also participation to dissemination
events are tracked.

The targeted Medium Low Impact is Interaction with other projects,

audience interaction small collection of feedback by interview,
does not have with analysis, diffusion of project result by
a positive potential releasing software demonstrator or web
reaction users service, and publishing results.

Poor results Medium Few Failure of Utilization of open data repositories,

experiment validation usage of input from other projects.
al activities activities

14 ‐ Articolazione del progetto con individuazione del ruolo delle singole unità operative
in funzione degli obiettivi previsti e relative modalità di integrazione e collaborazione
(Max. 10.000 caratteri Current 110451) (UNICAL)
Le attività di ricerca verranno organizzate secondo un piano di lavoro diviso in work packages.
E’ previsto un work package per ogni macro obiettivo realizzativo definito nella sezione 12.1, più
due work packages inerenti le attività di coordinamento e le sperimentazioni. La complessità
del problema in esame richiede competenze diverse sia per la raccolta (monitoring e
benchmarking) e la rappresentazione delle informazioni che per le tecniche di valutazione delle
decisioni. La strategia organica delle attività è descritta dal workplan in figura.

WP0 Coordinamento
SUN sarà responsabile delle attività di coordinamento. Il PI si occuperà di gestire la
comunicazione sia interna che esterna, predisponendo gli strumenti e operando un
monitoraggio dell’avanzamento di progetto, verificando il rispetto dei tempi e la qualità dei
risultati, coinvolgendo tutti i partner attraverso una continua interazione. Teleconferenze
plenarie verranno schedulate con scadenza mensile, mentre incontri a vista verranno
organizzate in occasione delle milestone di progetto.

WP1 Modellazione di requisiti utente e proprietà non funzionali di servizi Cloud

Attraverso questo WP si procederà alla definizione di modelli e metriche per rappresentare
requisiti utente e i livelli di servizi Cloud. La prospettiva è sempre User-centric, ovvero si terrà
conto di ciò che è visibile e controllabile dall’utente. Ci si concentrerà sull’identificazione di cosa
è misurabile e di quali sono i parametri significativi della misura.

WP2 Misura e valutazione di proprietà non funzionali

Nell’ambito del WP2 verranno studiate e proposte tecniche e metodologie per la misura e la
valutazione delle proprietà non funzionali dei servizi. A tale scopo, si assumono come input i
risultati del WP1, che indicheranno cosa misurare, mentre ci si concentrerà sull’identificazione
del come effettuare la misura. Tali attività includono la definizione di tecniche di monitoring e
benchmarking e la predisposizione di strumenti appositi. A completamento della
rappresentazione user-centric, verranno utilizzate anche altre banche dati e informazioni messe
a disposizione da provider o terze parti (Open Data).

WP3 Modelli e tecniche di supporto alla scelta dei servizi

Nel WP3 a partire dai risultati del WP1 verranno definiti criteri e tecniche per la classificazione
delle informazioni raccolte per mezzo delle tecniche sviluppate in WP2. Tali informazioni
verranno utilizzate per fornire all’utente un supporto nella scelta del servizio Cloud che meglio si
adatta alle sue necessità ed ai requisiti delle sue applicazioni: tale supporto è attivo anche
durante la fase di fruizione del servizio, notificando l’utente di eventuali mutamenti degli scenari
valutati in precedenza. Il WP comprende inoltre tecniche per abilitare l’esecuzione remota di
algoritmi di analisi (data mining) su piattaforme Cloud.

WP4 Sperimentazione e validazione

Obiettivo di questo WP è quello di fornire la base tecnologica comune per il progetto. E’ il
contesto nel quale le tecniche, le metodologie e le soluzioni proposte in WP1 e WP2 vengono
applicate in modo sperimentale ed implementate in forma prototipale. Laddove possibile,
l'efficacia delle soluzioni proposte sarà valutata su dati reali (e.g. Open Data) in scenari
applicativi di tipo Smart City. Il WP assume anche il ruolo di integrazione e analisi tecnologica
delle soluzioni esistenti.

L'apporto scientifico di ogni unità di ricerca è descritto nel seguito.

Seconda Università di Napoli (SUN)

L'unità SUN si occuperà della supervisione e del coordinamento del progetto. Sarà responsabile
delle attività di ricerca inerenti i modelli e le metriche per la descrizione dei requisiti e della
qualità del servizio percepita dall’utente (T1.3). Coordinerà la progettazione e sperimentazione
di tecniche per la misura delle metriche di cui sopra (T2.2). In particolare verrà investigata la
possibilità di utilizzare tecnologie ad agenti per la realizzazione di una infrastruttura di
monitoring che consenta l’applicazione delle tecniche definite in T2.2 e la raccolta delle
informazioni da utilizzare per le attività di valutazione. SUN contribuirà alla valutazione delle
politiche di sicurezza (T3.3) e alla schedulazione ed esecuzione dei task di data-mining, troppo
onerosi per essere completati sul terminale utente, su piattaforme Cloud (T3.4). SUN
investigherà tecniche di valutazione degli SLA, ai fini della decisione, basate su modelli formali
attraverso cui descrivere i servizi, parametrizzati rispetto agli indici prestazionali dichiarati dai
providers.
Università di Messina (UniME).
Il ruolo di UniME sarà relativo allo studio di tecniche per l'analisi della QoS in ambienti Cloud
(T1.1). Si studieranno soluzioni basate sulla modellazione stocastica con particolare riferimento
ad approcci analitici basati su modelli dello spazio degli stati già noti in letteratura (ad esempio,
reti di Petri stocastiche non Markoviane) e su nuove tecniche di rappresentazione e risoluzione
che verranno proposte e comparate. Verranno studiati i parametri necessari ad una corretta
interpretazione degli aspetti di business (T1.2) ed anche le tecniche e gli strumenti necessari
all'acquisizione dei dati ed alla valutazione sia dei servizi (T2.1) che della qualità percepita dagli
utenti (T2.2). UniME parteciperà, inoltre, al WP4 mettendo a disposizione del progetto le sue
conoscenze approfondite sui sistemi di Cloud computing, utilizzando come base di partenza i
risultati scientifici ottenuti nel progetto FP7 VISION-CLOUD, anche in termini di un testbed reale
che potrà essere utilizzato per la validazione delle tecniche proposte.
Università degli Studi di Catania (UniCT).
L'unità di ricerca UniCT impiegherà nel progetto le sue competenze su tecniche di discovery
nelle architetture orientate ai servizi, tecnologie semantiche per il discovery e la
caratterizzazione di servizi e risorse cloud, tecniche di SLA management e politiche di
sicurezza. In particolare in T1.2 ci si occuperà di definire un modello ontologico che permetta di
caratterizzare gli aspetti “business oriented” di un mercato di servizi e risorse cloud. Tale
modello includerà ad esempio, strategie di vendita, modelli di prezzo, servizi di supporto offerti,
caratteristiche dello SLA, nochè aspetti legati alla sicurezza. Tale modello verrà sfruttato
all’interno dei meccanismi decisionali previsti nel T3.1 per la definizione di metodologie,
tecniche e strumenti che permettano di effettuare un matchmaking tra domanda e offerta in
mercati cloud massimizzando profitto dei providers e utilità dei customers. In T3.3 ci si occuperà
di definire modelli (anche semantici), tecniche e strumenti che consentano di esprimere i
controlli di sicurezza (capabilities) offerti da un cloud service provider ed i requisiti dei customers
in formati “machine readable”, abilitando la possibilità di effettuare matching tra requisiti e
capabilities.
Università della Calabria (UNICAL).
UNICAL ha partecipato a numerosi progetti di ricerca nazionali ed europei su temi di ricerca
relativi a knowledge discovery e data mining, mobile computing, reti peer-to-peer, Grid e Cloud
computing. Si concentrerà principalmente su due obiettivi: 1) sfruttare tecniche e modelli di data
mining per supportare gli utenti nella scelta del miglior servizio Cloud, fornendo una valutazione
dei servizi disponibili in base alle loro caratteristiche; 2) supportare l'esecuzione remota dei task
di data mining su risorse Cloud, quando le risorse client non consentono l'esecuzione locale. In
particolare, UNICAL coordinerà i task T3.2 e T3.4. In T3.2 studierà le soluzioni esistenti che
utilizzano tecniche di data mining per la valutazione basata su features e partirà da tali soluzioni
per supportare la valutazione di servizi Cloud sulla base delle features dei servizi e dei modelli
di data mining. In T3.4, verranno studiate le tecnologie e le piattaforme di Cloud per abilitare
l'esecuzione remota dei task. Sarà definita un'architettura per l'esecuzione remota dei task (e.g.,
per la valutazione dei servizi Cloud), da utilizzare quando le risorse client sono limitate.
Politecnico di Milano (PoliMi).
L'unità di ricerca PoliMi ha esperienza nella ricerca sul calcolo distribuito, acquisita nel tempo
grazie a collaborazioni e partecipazioni a progetti nazionali ed internazionali, spaziando tra
diversi aspetti di ricerca quali la valutazione di affidabilità e disponibilità, l'ingegneria del
software e dei servizi, volunteer, autonomic computing e Cloud sia dal punto di vista
sistemistico-architetturale che metodologico-modellistico. Tali competenze saranno messe a
disposizione del progetto e in particolare in T1.1, T1.2 e T2.1 in relazione alla caratterizzazione
e valutazione di affidabilità e disponibilità dei servizi Cloud dalla prospettiva utente; in T3.1,
nell’identificazione dei criteri di scelta dei servizi per l’utente basati su proprietà non funzionali,
anche considerando tecniche di discovery distribuiti basati su meccanismi autonomici; nel WP4,
applicando i principi di ingegneria del software e dei servizi per lo sviluppo di un prototipo di
applicazione delle tecniche sviluppate negli altri WP.

Le milestone rappresenteranno momenti di decisione, in corrispondenza dei quali si effettuerà la

verifica del raggiungimento degli OR specifici per mezzo delle attività definite nella Sezione 13.
Contestualmente si effettuerà una nuova analisi dei rischi al fine di aggiornare la lista e di
apportare le opportune contromisure ove necessario.

M12: Scenari applicativi e scouting di tecnologie. Modelli e metriche per la rappresentazione

delle proprietà non funzionali dei servizi (OR1)
M24: Definizione delle tecniche per la misura. Criteri di decisione, e modelli di data mining
(OR2,OR3)
M30: Dimostratori software. Piano delle sperimentazioni. (OR1,OR2,OR3)
M36: Analisi dei risultati

D0.1 Sito Web. M1, SUN

D0.2: Piano per la comunicazione e la diffusione. M1, SUN
D0.3: Report periodico di progetto. M12, M24, M30, M36 SUN
D1.1: Modelli, parametri e metriche di qualita’ del servizio M12 UNIME
D1.2: Modelli di rappresentazione degli aspetti “business oriented” e di Sicurezza di un cloud
M12 UniCT
D1.3: Modello di rappresentazione dei requisiti utente e della qualità percepita M12,
SUN
D2.1: Tecniche per misure prestazionali di servizi Cloud M24, UNIME
D2.2: Tecniche per la valutazione dell'affidabilità di servizi Cloud. M24, PoliMI
D2.3: Modelli, tecniche e strumenti di Monitoring M30, SUN
D3.1: Criteri e tecniche di supporto alla scelta M30, PoliMI
D3.2: Tecniche e modelli di data mining per la valutazione dei servizi Cloud. M24, UNICAL
D3.3: Tecniche di matchmaking di politiche di sicurezza per Cloud M24, UniCT
D3.4: Esecuzione di task di mining su Cloud M30, UNICAL
D4.1.1 Progetto e sviluppo del framework - Preliminary M12, SUN
D4.1.2 Progetto e sviluppo del framework - Definitive M30, SUN
D4.2: Sperimentazione e Analisi dei risultati M36, UNiMe