Scientific researchers faced with extremely large computations or the requirement of storing vast quantities of data have come to rely on distributed computational models like cloud computing. However, distributed computation is typically complex and expensive. The Social Cloud for Public eResearch aims to provide researchers with a platform to exploit social networks to reach out to users who would otherwise be unlikely to donate computational time for scientific and other research oriented projects. In this paper we explore the motivations of users to contribute computational time and examine the various ways these motivations can be catered to through established social networks. We specifically look at integrating Face book and BOINC, and discuss the architecture of the functional system and the novel social engineering algorithms that power it

چکیده

محققین علمی که با محاسبات بسیار زیادی طرف بوده یا نیاز به ذخیره میزان حجیمی از داده دارند، به مدل های محاسباتی توزیع شده ای مثل محاسبات ابری تکیه می کنند. اگرچه محاسبات توزیع شده معمولا پیچیده و هزینه بر است. هدف ابر اجتماعی بمنظور تحقیقات الکترونیکی عمومی این است که به محققین پلتفرمی ارائه دهد تا با کاربرانی از شبکه های اجتماعی ارتباط برقرار کنند که درغیراینصورت زمانی برای پروژه های علمی یا دیگر تحقیقات صرف نمی کنند. در این مقاله، انگیزه های کاربران را در صرف زمان محاسباتی بررسی کرده و شیوه های مختلف به کارگیری این انگیزه ها را در شبکه های اجتماعی موجود آزمایش می کنیم. در اینجا به خصوص به فیسبوک و BOINC می پردازیم و معماری سیستم عملیاتی و الگوریتم های مهندسی اجتماعی جدید محرک آن را بررسی می نماییم.

1-مقدمه

تحقیقات علمی به طور روزافزونی به محاسبات پیچیده و ذخیره سازی بزرگ مقیاس داده های علمی تکیه داشته که مقیاس آن توسط کامپیوترهای شخصی یا حتی خوشه های کوچک قابل پاسخگویی نیست. مدل های محاسباتی توزیع شده براساس خوشه ها، گریدها و اخیرا ابرها ظرفیتی بزرگ مقیاس برای محققین فراهم می آورند. ولی به دلیل  ساختار کنونی سازمان های حمایت کننده و نیاز به گواهینامه و مالکیت تحمیل شده از طرف سازمان های تجاری، تهیه بودجه برای پشتیبانی از بنیان IT اغلب دشوار است. دسترسی به بنیان های گرید ملی (TeraGrid, OSG) تنها از پروژه های انتخاب شده ای پشتیبانی کرده و محدودیت های منبع/زمانی سختگیرانه ای به آنها تحمیل می کنند. چند تحقیق نشان داده اند که تحقیقات علمی در ابرهای تجاری اغلب هزینه بیشتری نسبت به خرید منابع محلی دارد [1-2] و سازمان های حمایت کننده تنها به تازگی مدل هایی را جستجو می کنند که محققین بوسیله آنها قادر به دسترسی به زمان ابری عمومی دارند…