基于輪換策略的異構云資源分配算法

倪思源，扈紅超，劉文彥，梁 浩

（1.鄭州大學 中原網絡安全研究院，鄭州 450000；2.中國人民解放軍戰略支援部隊信息工程大學，鄭州 450000）

0 概述

云計算憑借其隨需應變、按需即付的優勢給用戶帶來極大的便利。為支持大規模的云服務，數據中心需開通數千臺服務器和交換機。數據中心要為眾多服務器和網絡設備供電，因此會消耗大量能源。典型數據中心的能耗相當于25 000 戶家庭的能耗，每5 年可能翻1 番［1-2］。最近的研究結果表明，由于數據中心的服務器利用率不足會導致大量的資源被浪費，且服務器的平均利用率僅為5%～20%之間［3］。因此，在提供云服務的同時，提高數據中心的服務器利用率非常重要。

部署在服務器上的虛擬機被攻擊后會影響正常服務，所以研究人員提出一種冗余備份的虛擬機策略，冗余策略能夠提高云計算環境的容錯性，減小對用戶體驗帶來的影響。然而，系統組件的同質化，使得攻擊者易于探測用戶信息、竊取用戶數據，導致云計算環境受到安全威脅［4］。2019 年1 月，研發人員發現WINRAR 漏洞，該漏洞威脅了5 億用戶的系統安全。同年10 月，Android 零日漏洞也被發現，該漏洞威脅了華為、三星、小米等多家電子設備的安全。基礎設施異構化能夠增大攻擊者探測難度［5］，提高云計算環境的安全性，在此基礎上對虛擬機進行動態輪換能夠進一步增強虛擬機安全性，通過動態改變虛擬機的部署位置和虛擬機的操作系統，避免用戶虛擬機受到側信道攻擊［6］和探測攻擊［7］。

然而，異構云基礎設施和虛擬機輪換會帶來云計算資源分配的難題［8］。一方面，由于基礎設施異構化使得傳統的裝箱方法不再適用資源分配，供應商需考慮每一個服務器可提供的資源來實現負載均衡。另一方面，虛擬機的輪換會改變當前服務器的負載情況，如何在輪換的過程中減小負載波動值得研究。本文提出一種基于輪換策略的異構云資源分配算法，將不同的資源抽象成維度不同的向量，利用余弦定理來衡量向量之間的相似度，根據向量間的相似度進行資源分配以實現負載平衡，并在初次資源分配完成后對虛擬機選擇相似度最高的服務器進行輪換。

1 相關研究

云計算中的資源分配屬于大規模多任務調度問題，一直是人們研究的熱點。文獻［9］提出一種兩步式的資源分配算法，首先在云中選擇一個集群，然后在集群中選擇一個節點部署虛擬機，該模型使用了3 個集群和6 個節點，實驗結果表明，選擇合適的集群比選擇合適的節點對資源分配的影響更大。文獻［10］討論了如何量化服務器和整個系統間的負載平衡，該研究選用貪心算法來平衡服務器之間的負載，當服務器負載超過閾值時，對該服務器上的虛擬機進行遷移，并計算遷移虛擬機后的服務器負載平衡變化值，選取最小不平衡變化值進行遷移。文獻［11］根據虛擬機的狀態，提出了靜態虛擬機放置和動態虛擬機放置的算法，既考慮了單個服務器的資源剩余量和資源利用率，又兼顧了整體服務器的資源剩余量和資源利用率。該算法使用平面資源六邊形，由代表不同資源利用類別的三角形組成。虛擬機被分配到互補資源三角形中的服務器上來平衡總體利用率。文獻［12］在文獻［11］的基礎上提出了一種虛擬機放置互補策略。該互補策略考慮資源使用和時間使用兩個方面，并認為在不同時間使用相同資源的虛擬機或在相同時間使用不同資源的虛擬機是互補的。文獻［13］設計一種基于啟發式正交二叉樹搜索的三維裝箱算法，該算法以所有葉子節點填充率最高為目標，滿足了裝箱的3 個約束條件。文獻［14］結合日常砌墻策略，提出了一種混合模擬退火算法，利用找點法和參考線規則來進行裝箱，該算法能有效解決三維裝箱問題。

虛擬機是一種用于模擬物理服務器的虛擬化技術。隨著虛擬化的發展，虛擬機擴容和虛擬機的實時遷移為提高服務器利用率提供了兩種潛在的解決方案［15-16］。虛擬機大小調整方案可以對虛擬機資源配置的細粒度進行調整。與峰值資源請求的資源調配相比，虛擬機大小調整的資源調配可以更好地利用物理資源，而計算開銷可以忽略不計。實時遷移能夠以無中斷的方式在不同服務器之間移動正在運行的虛擬機。通過應用實時遷移和虛擬機擴容，數據中心管理器可以將虛擬機整合到更少的服務器上，以提高數據中心的能源使用率。在整合虛擬機時，可能存在虛擬機工作負載突發的情況使服務器過載［17］。虛擬機遷移通過改變底層的物理環境可以抵御云計算中的側信道攻擊，文獻［18］在此基礎上利用MTD 技術，通過多個操作系統的輪換來增強安全性，并利用現有技術，提供了一個可行的動態防御解決方案，可以方便地部署在真實的網絡環境中。不同于虛擬機遷移，該方案通過輪換刪除原服務器上的虛擬機，并在新的服務器上部署新的虛擬機。測試結果表明，平臺的多樣性和動態性提高了系統的安全性，攻擊成功率與輪換時間間隔成反比。

隨著云計算的發展，越來越多的計算資源被提供給客戶，如CPU、內存大小、磁盤大小、帶寬等。因此，分配方法應該支持任意數量的維度［19］。同時，在保障虛擬機安全性的同時服務器的資源利用率和負載波動也應被關注。針對以上問題，本文在傳統的裝箱方法上做了改進，并提出一種基于輪換策略的異構云資源分配算法，主要貢獻如下：

1）對底層物理設施異構化，通過異構底層物理服務器，增大攻擊者探測難度，提升云計算環境安全性。

2）將影響虛擬機部署的資源抽象成向量，多維度地考慮資源分配問題，以更貼近真實的資源分配環境，同時根據虛擬機部署資源的向量與物理服務器向量間的相似度選擇虛擬機，使得計算節點成本更小，能源利用率更大。

3）在每個虛擬機初次部署的同時，為每個虛擬機設置駐留時間，當到達駐留時間后根據當前服務器負載情況對虛擬機進行輪換。輪換會改變虛擬機的操作系統以及所部署的服務器位置，在提高資源利用率的同時提升了執行體的安全性。

2 問題描述

虛擬機在部署時會面臨服務器選擇問題，由于不同的服務器負載情況可能不同，在部署時會影響云平臺的整體負載情況。本文將多維異構資源的分配問題分為2 個階段：

1）初次部署虛擬機。將虛擬機部署在異構的物理服務器上，同時保證各個服務器資源利用率高和服務器間負載平衡，這本質上是一個多目標優化問題。

2）輪換已經部署好的虛擬機。輪換可以減小攻擊者對虛擬機的影響，提升虛擬機安全性，但是輪換會引起服務器負載變化，所以在考慮虛擬機安全的同時，應盡量減小服務器的負載波動。

2.1 裝箱問題

資源分配問題通常被視為裝箱問題，即在最少的箱子里放置最多的物品。云計算中影響資源分配的因素有很多，如CPU、內存大小、磁盤大小、帶寬等。本文用不同的維度來表示這些因素，并對云計算中多維資源分配問題進行研究。裝箱問題描述如下：有n種體積不同的物品，將這n種物品裝到體積為C的m個箱子中，并約定這n種物品的體積均小于箱子的體積C。不同的裝箱策略使用的箱子個數可能不同，裝箱問題要求使用最少的箱子來裝這些物品。

云計算的物理基礎設施是由一臺臺的物理服務器組成的，異構能有效提高云計算環境的安全性，但是異構的服務器之間容量不同，因此異構裝箱較傳統的裝箱問題相比引入了新的問題。對于每臺服務器均需滿足以下約束條件：

部署在服務器J上的虛擬機資源需求要小于服務器容量，不滿足該約束條件即視為裝箱失敗。以三維裝箱為例，將服務器的CPU、內存與磁盤空間抽象為互不相關的3 個維度，如圖1 所示。的容量為（6,6,3），的容量 為(7,5,6)。的體積為(2,1,3)的體積為(1,2,1)，的體積為(1,2,2)，的體積為(3,1,2)，的體積為(2,1,1)。按傳統的裝箱方法，當虛擬機任務請求到達時，先嘗試放入已經打開的箱子，如果能放下就放入該箱子，放不下就開啟新的箱子，直到找到能放下的箱子為止。如圖1（a）所示；可以放置在，放置后剩余資源為(5,5,0)，此時磁盤空間已經使用完，但是CPU 與內存空間還剩余很多，會造成嚴重的資源浪費；、和可以放置在上，放置后剩余資源為(2,0,2)，此時，導致無法放置。但這種放置策略會造成資源浪費，即PM的利用率不高。如圖1（b）所示，將放置在上，和放置在上，此時，所有虛擬機都能成功部署在服務器上。這種放置策略可以有效提高箱子的利用率，減少資源的浪費。

圖1 虛擬機放置策略Fig.1 Virtual machine placement strategies

2.2 輪換問題

網絡攻擊對網絡系統的危害主要分為網絡可用性危害與信息安全屬性危害［20］，主要體現在對可用性、機密性、完整性、不可抵賴性、認證性等安全屬性的危害。由于不同的系統遇到危害時敏感性反應不同，假設攻擊者只要能入侵目標主機便視為成功攻擊，攻擊過程的5 個階段描述如圖2 所示。

圖2 侵入攻擊階段示意圖Fig.2 Schematic diagram of intrusion attack phase

同一臺物理服務器上的虛擬機之間共享資源，攻擊者通過定位到目標主機所在的服務器位置，將攻擊者控制的虛擬機與目標主機部署到同一臺服務器上，并對目標主機發起側信道攻擊。同時，攻擊者也可以探測用戶虛擬機的操作系統，根據用戶操作系統漏洞對目標主機進行攻擊。攻擊成功率P與虛擬機操作系統漏洞有關：

其中，V表示虛擬機操作系統漏洞。因此，動態地改變虛擬機部署的位置和虛擬機的操作系統能夠增大攻擊者的探測難度，降低攻擊者的攻擊成功率。

3 模型建立

本節提出基于輪換策略的異構云資源分配算法，將異構云資源分配問題建模為多維裝箱問題進行求解，同時提出一個資源分配利用率指標，根據該指標選擇虛擬機要部署的服務器位置。

3.1 系統模型

3.2 資源分配利用率指標

本節根據利用率指標來解決虛擬機布局問題。在資源分配時根據當前服務器的負載情況以及資源利用率來選擇虛擬機的放置位置，參數定義如表1所示。

表1 參數定義Table 1 Parameters definition

式（3）表示服務器j的剩余資源為服務器j的總資源減去部署虛擬機i所占用的資源。由于部署虛擬機時要考慮當前服務器負載情況以及資源剩余情況，因此本文根據當前的服務器資源利用率來選擇虛擬機的部署位置。對于一個2 維向量空間，兩個向量間的夾角越小，兩個向量越相似。將此推廣至兩個k維向量，即虛擬機i的資源需求request 與服務器j的資源剩余，這兩個k維向量余弦值如式（5）所示，其中θvp表示虛擬機i的資源需求與服務器j的剩余資源夾角大小。

θvp值越大表示虛擬機i的資源需求與服務器j的剩余資源之間夾角越大，兩個向量相關性越低。反之，θvp值越小表示虛擬機的資源需求與服務器的剩余容量相關性越高。本文選取與虛擬機i的θvp值最小的服務器j來放置虛擬機。

4 基于輪換策略的裝箱方法

4.1 裝箱方法

資源分配問題本質上是一個多目標優化的問題，旨在提高能源效率、資源利用率、負載平衡和服務器整合。本文將云計算中的異構資源分配問題視為多維異構裝箱問題，具體描述如下：有n個體積不同的虛擬機(0 ≤i≤n)，m個容量不同的服務器(0 ≤j≤m)，如式（6）所示，目標是用最少的服務器部署最多的虛擬機。

目標函數：

在革命戰爭年代，長征時期紅軍戰士爬雪山、過草地、煮皮帶、吃樹根，堅決執行“不拿群眾一針一線”的方針；在社會主義年代，老一代科學家風餐露宿、頑強拼搏，克服各種難以想象的困難，突破技術難關，最終完成了我國“兩彈一星”戰略。大學生接受紅色文化熏陶，有助于將艱苦奮斗精神滲透到他們的學習和生活中去，培養謙虛、踏實的學習和生活態度[1]。

由于虛擬機是多維資源包，本文用向量來表示虛擬機的多維資源，其中k表示資源類型的維度。式（7）表示放置的虛擬機資源需求要小于服務器的剩余資源，表示服務器j的k維資源剩余情況，表示服務器的容量，表示虛擬機i各個維度占的體積。式（8）表示將虛擬機i部署在服務器j上。

4.2 輪換方法

變量說明：

S(xij)：0-1 變量，當虛擬機i在服務器j上的狀態正常時，S(wij)為1，否則為0。

約束條件：

式（9）表示虛擬機i在服務器j上駐留的時間不能超過時間t。式（10）表示服務器的負載變化情況，它等于虛擬機輪換前后服務器體積的變化，其中，add 表示輪換后服務器j新增的虛擬機體積，delete 表示服務器j上要刪除的虛擬機體積。式（11）表示服務器當前負載狀態，它等于動態輪換之前服務器的負載與輪換后服務器負載變化之和。虛擬機動態輪換時也要滿足式（7）的約束條件，即輪換的虛擬機體積要小于服務器的容量。

本文通過動態、異構的虛擬機部署方式來增強虛擬機的安全性。對于虛擬機(Ov,Pj)，本文考慮操作系統Ov以及部署的服務器位置Pj兩個要素，通過異構操作系統Ov和部署的服務器位置Pj來提高虛擬機的安全性。如圖3 所示，在創建虛擬機(O1,P1)時，給每個虛擬機提前設定好駐留時間，同時設置代理監控每個虛擬機的狀態。當虛擬機到達駐留時間或虛擬機狀態異常時，便刪除該服務器上的虛擬機，但是該虛擬機的數據仍然存在一個安全的共享數據庫中。同時，創建一個新的虛擬機(O2,P2)，該虛擬機操作系統與原虛擬機不同，部署的服務器位置也不同，但是虛擬機(O2,P2)能從數據庫中獲取虛擬機(O1,P1)的數據，并和虛擬機(O1,P1)一樣對外提供服務。虛擬機根據當前服務器的負載，選擇θvp值最大的服務器進行輪換，并要求request，即當前服務器剩余容量大于要輪換的虛擬機體積。

圖3 虛擬機輪換方法Fig.3 Virtual machine rotation method

4.3 輪換策略的裝箱方法

算法1基于輪換策略的異構云多維資源分配算法

本文根據服務器利用率指標來解決虛擬機布局問題。在資源分配時根據當前服務器的負載情況以及資源利用率來選擇虛擬機的放置位置。對虛擬機遍歷所有的服務器，通過式（5）計算θvp值，θvp=[θvp(i,1),θvp(i,2),…,θvp(i,j)]。將虛擬機部署到θvp值最小的服務器上，此時應注意服務器的負載情況，若服務器資源剩余量小于虛擬機資源請求，則選擇θvp第二小的服務器上，依次類推，直到能成功部署虛擬機為止。若資源池中有虛擬機需要輪換，服務器的負載狀態要同時考慮輪換的虛擬機體積和部署的虛擬機體積。若資源池中無虛擬機需要輪換，服務器的負載狀態僅考慮要部署的虛擬機體積。

1）時間復雜度分析。當初次部署虛擬機時，沒有虛擬機進行輪換。n個虛擬機遍歷m個服務器，并選取最佳θvp選擇服務器，時間復雜度為O(mn)。當有虛擬機進行輪換且輪換個數為w時，輪換的時間復雜度為O(wn)。

2）安全性分析。探測攻擊是攻擊者常用的一種攻擊手段。攻擊者通過向用戶發送帶有惡意網址或附件的電子郵件來收集有關目標網絡信息，并根據收集到的信息來判斷用戶的操作系統，然后利用該操作系統的漏洞發動攻擊。對于攻擊者來說，每次無論是否攻擊成功，都能獲得用戶的操作系統類型，并為下次攻擊做準備。攻擊成功率如式（12）所示：

其中，P表示虛擬機被攻擊成功的概率，V表示虛擬機操作系統的種類，n表示攻擊者發動的攻擊次數，探測攻擊最多發動2 次攻擊就一定能攻擊成功。輪換策略增大了攻擊者的攻擊難度，使得攻擊者無法根據上一次探測到的信息來判斷用戶的操作系統。

5 實驗結果與分析

5.1 實驗設置

本文實驗在Intel?CoreTMi7-4790 CPU 3.6 GHz，16 GB RAM 的主機上進行，基于輪換策略的多維異構裝箱算法采用C++語言編程實現，并利用Matlab工具對實驗結果進行分析。攻擊者已知的操作系統漏洞和防御者操作系統具有的漏洞都服從［0，11］的均勻分布，攻擊手段采用探測攻擊。每個實驗進行100 次蒙特卡洛仿真，保證誤差在合理范圍內。

本文通過通用漏洞披露（Common Vulnerability Enumeration，CVE）公布的數據，獲取了11 種操作系統在1994 年—2017 年被公開的所有漏洞。這11 種操作系統分別是OB（OpenBSD）、NB（NetBSD）、FB（FreeBSD）、W03（Windows Server 2003）、W08（Windows Server 2008）、W12（Windows Server 2012）、U（Ubuntu）、D（Debian）、R（Redhat）、OS（OpenSolaris）和S（Solaris）。表2 所示為上述系統存在的漏洞數量以及不同操作系統間存在的共同漏洞數量。

表2 操作系統共同漏洞數量Table 2 Number of common vulnerabilities in operating systems

假設攻擊者已獲知的操作系統為Ii，該系統的漏洞數為V(Ii)，用戶虛擬機的操作系統為Ij，用戶的操作系統漏洞數為V(Ij)，攻擊者已知的漏洞和用戶虛擬機間的操作系統共同漏洞數為V(Ii,Ij)。用戶虛擬機被攻擊成功的概率為：

5.2 實驗分析

仿真實驗1不同維度下服務器資源利用率的對比實驗。本實驗分別對10 臺服務器、50 個虛擬機和20 臺服務器、100 個虛擬機這兩種組合進行分析。對比這兩種組合中不同維度下的服務器資源利用率情況。實驗結果如圖4 所示。

圖4 不同維度下服務器資源利用率對比Fig.4 Comparison of server resource utilization in different dimensions

從圖4 可以看出，對于10 臺服務器和50 個虛擬機的裝箱實驗，不同維度的服務器資源利用率不同，隨著維度的升高，虛擬機的資源利用率逐漸降低。在2 維時資源利用率為0.990 0，在3 維時資源利用率為0.989 7，在5 維時資源利用率為0.988 7；對于20 臺服務器和100 個虛擬機，在2 維時資源利用率為0.981 5，在3 維資源利用率為0.978 4，在5 維時資源利用率為0.967 9。通過以上實驗分析結果可以看出，隨著維度的增加，服務器的資源利用率會降低。

仿真實驗2不同異構程度的裝箱對比實驗。實驗設置10臺服務器、50個虛擬機進行裝箱。對異構程度不同的虛擬機與服務器組合進行對比分析。4 組組合分別是：同構服務器，同構虛擬機；同構服務器，異構虛擬機；異構服務器，同構虛擬機；異構服務器，異構虛擬機。將本文所使用的基于最大利用率策略與輪流放置策略、隨機放置策略進行對比，如圖5所示。

圖5 服務器異構裝箱資源利用率對比Fig.5 Comparison of server heterogeneous packing resource utilization

從圖5 可以看出：當服務器與虛擬機都同構時，3 種策略下的服務器平均資源利用率相同，均為0.990 0；當服務器同構、虛擬機異構時，基于最大利用率策略與輪流策略的資源利用率相同為0.993 9，隨機放置策略的服務器的資源利用率為0.979 1；當服務器異構、虛擬機同構時，基于最大利用率策略下平均資源利用率最高為0.993 8，輪流策略次之，平均資源利用率為0.965 2，隨機策略最差，平均資源利用率為0.941 6；當服務器異構、虛擬機異構時，基于最大利用率策略下平均資源利用率最高為0.993 8，輪流策略次之，平均資源利用率為0.940 7，隨機策略最差，平均資源利用率為0.848 2。以上實驗結果表明，基于利用率裝箱策略在異構裝箱問題中表現較好。

仿真實驗3不同策略下服務器利用率的對比實驗。實驗分為兩組：一組是10 臺服務器，50 個虛擬機；另一組是20 臺服務器，100 個虛擬機。對比兩組配置在不同虛擬機部署策略下的服務器資源利用率。

圖6 所示為基于利用率裝箱策略和輪流放置策略、隨機放置策略的資源利用率情況。

圖6 不同策略下服務器資源利用率對比Fig.6 Comparison of server resource utilization under different strategy

從圖6 可以看出：當服務器為10 臺，虛擬機為50 個時，計算每臺服務器的負載情況。本文使用的基于利用率裝箱策略下服務器的平均資源利用率為0.993 6，差值為0.016 8，輪流放置策略的平均資源利用率為0.981 4，差值為0.051 1，隨機放置策略的平均資源利用率為0.841 0，差值為0.323 0。當服務器為20 臺，虛擬機數量為100 個時，計算每臺服務器的負載情況。基于利用率裝箱策略平均資源利用率為0.991 7，差值為0.028 4，輪流放置策略的平均資源利用率為0.981 6，差值為0.048 0，隨機放置策略的平均資源利用率為0.848 2，差值為0.471 4。以上實驗分析可得，基于利用率裝箱策略能夠有效提高服務器的資源利用率并減小負載波動。

仿真實驗4輪換前后服務器負載狀態對比實驗。由于每個虛擬機創建的時間不同，每個虛擬機開始輪換的時間也不同，因此本實驗單獨考慮每個虛擬機輪換情況。首先從服務器資源池中隨機選取10 個虛擬機，依次進行輪換并計算輪換前后服務器負載平衡變化。

如圖7 所示，輪換前服務器的平均負載平衡率為0.966 5，差值為0.055 3。進行10 次輪換后服務器的平均負載平衡率為0.964 0，差值為0.068 5。通過分析實驗數據可得，輪換后服務器的負載平衡率降低了0.002 5，不同服務器之間負載平衡率差值增大了0.013 5，輪換后服務器平均負載平衡降低了0.2 個百分點，負載波動值增大了15.3 個百分點。

圖7 輪換前后負載平衡率變化情況Fig.7 Changes in load balance rate before and after rotation

仿真實驗5有無輪換策略下虛擬機被攻擊的對比實驗。本文實驗隨機從操作系統庫中選取1 個操作系統，從物理資源池中隨機選擇1 臺服務器來部署虛擬機，操作系統服從［0，11］均勻分布。攻擊者對用戶虛擬機發動探測攻擊，并根據探測到的信息調整攻擊策略發動下一次攻擊。實驗進行100 次蒙特卡洛仿真，保證誤差在合理范圍內。

圖8 所示為有無輪換策略下用戶操作系統被攻擊成功的概率的實驗對比分析。

圖8 虛擬機被攻擊成功的概率對比Fig.8 Comparison of success rate of virtual machines being attacked

本文針對的是探測攻擊，在攻擊鏈中攻擊者先探測用戶的虛擬機，根據從用戶探測到的信息來判斷用戶的操作系統，然后根據掌握的操作系統漏洞對用戶發起攻擊。如圖8 所示，對于非輪換策略，攻擊者在首次發動攻擊時，有0.27 的概率能夠成功攻擊用戶，但是第一次攻擊結束后，攻擊者根據探測到的信息再次發動攻擊的成功率變為1。對于有輪換策略，用戶在攻擊者發動1 次探測的時間范圍內進行輪換，此時用戶的操作系統已經改變，攻擊者已經無法根據上次探測到的信息來確定用戶的操作系統。進行100 次探測攻擊實驗，攻擊者的平均攻擊成功率約為0.183 6，輪換后虛擬機的安全性提升了18.5 個百分點，實驗結果表明，輪換策略能夠有效提高操作系統的安全性。

6 結束語

云計算中的資源分配通常被建模為裝箱問題。在裝箱問題中，靜態同構的云計算環境會威脅到虛擬機安全，動態異構的云計算環境更符合真實的資源分配情況，但也引入了新的資源分配問題。同時，由于影響資源分配的因素較多，傳統的裝箱方法無法解決多維的資源分配問題。針對以上問題，本文提出一種基于輪換策略的多維異構云資源分配算法。將虛擬機和服務器資源抽象為向量，并給出一種利用率指標，根據利用率指標為虛擬機選擇要部署的服務器。為提高虛擬機的安全性引入了輪換策略，給每個虛擬機設定一定的駐留時間，當虛擬機在服務器上的駐留時間達到閾值或虛擬機狀態出現異常后，對虛擬機進行輪換。實驗結果表明，該算法在多維異構的裝箱問題中具有較高的資源利用率，且能夠提高虛擬機的安全性。下一步研究方向為尋找最佳輪換周期，在保證安全性的前提下盡可能減少輪換產生的開銷。