CRESCO LAIII: RISULTATI E PROSPETTIVE

Presentazione sul tema: "CRESCO LAIII: RISULTATI E PROSPETTIVE"— Transcript della presentazione:

1 CRESCO LAIII: RISULTATI E PROSPETTIVE
ENTE PER LE NUOVE TECNOLOGIE L’ENERGIA E L’AMBIENTE CRESCO LAIII: RISULTATI E PROSPETTIVE Sandro Bologna ENEA- CR Casaccia Review finale Progetto Cresco Portici, 22 aprile 2009

2 Modelling Networked Infrastructures Interdependencies

3 Presentation Scenarios Setup Simulators
Decision Maker ENEA Platform Architecture Repositories Scenarios Repository End-User Interface Presentation Results Presentation Scenarios configuration Models Repository (3rd parties) Simulators Output Results Scenarios deployment and design interface Scenarios Setup Add-on Tools Add-on Tools Interdep Model Repository Orchestrator Diesis Analysis Tools Diesis Middleware Cisia Ciab Simcip Descrizione Blocchi e corrispondenza con dimostratore CRESCO e DIESIS Partiamo a descrivere i blocchi dal livello più basso. Il Grid Middelware ha il compito di connettere tutte le risorse computazionali e banche dati. Il suo obiettivo è quello di fornire gli strumenti per supportare un ambiente di esecuzione distribuito. Nel Simulation Layer si collocano i simulatori specifici. Preciso la distinzione tra simulatore e modello di simulazione. Ad esempio la telecom potrebbe avere più modelli delle sue reti (ad esempio quello per la rete mobile e quello per la rete cablata a banda larga) e tutti questi modelli possono essere risolti, ossia simulati, con lo stesso ambiente di simulazione (ad esempio NS2) ossia con lo stesso simulatore. Il Simulation Layer coincide con il livello più basso dello schema Enea e con il livello più alto dello schema diesis. Interoperable Simulation Middleware (che coincide con il “middleware di interfacciamento simulatori - Associa CORE” nello schema Enea e con il “Diesis middleware” nello schema DIESIS). Questo livello dovrà avere le stesse funzionalità del Diesis Middleware, ossia dovrà consentire l’interazione tra i vari modelli di simulazione mediante scambio messaggi/eventi e sincronizzazione dei tempi. Iterdependencies Model(s) layer. (Modello ad Agenti – Modello Entità risorse in CRECO). A questo livello si colloca il modello delle interdipendenze ed il relativo framework che ne consente la risoluzione (Scenarios Simulator, per intenderci CISIA-CIAB-SimCIP-…). Di consenguenza anche questo livello è interconnesso con l’Interoperable Simulation Middleware e ha il compito di orchestrare l’intera simulazione. La Interdependencies Modeling Interface (Nuovo Componente) sarà un interfaccia di basso livello (quindi anche basata su un linguaggio di programmazione standard o un linguaggio di descrizione come l’XML) che consentirà di modellare le interdipendenze tra i vari oggetti/entità che possono essere utilizzati per comporre gli scenari. Ad esempio a questo livello verranno definite le interdipendenze tra la rete elettrica la rete di telecomunicazioni la rete di trasporto, il servizio sanitario, il servizio di distribuzione alimentare, etc… Lo “Output Processing and Visualization Engine” ha il compito di processare e visualizzare opportunamente i dati raccolti dalla simulazioni. (Nuovo Componente) Lo “Scenarios Configuration and Design Engine” ha il compito di prendere come input i modelli delle reti e delle componenti che compongono lo scenario ed i modelli di interdipendenze che tra essi esistono, mettere tutto insieme e passarlo come input allo “Scenaris Simulator” che farà partire la simulazione. Lo “Scenarios Repository”, “Interdependencies Models Reposirtory” ed il “Models Repository” contengono gli scenari precedentemente definiti ed archiviati, i modelli di interdipendenze ed i modelli delle reti e delle infrastrutture forniti dalle terze parti rispettivamente. Il “End-User Interface Layer” che coincide con il livello “Utenti/Interfaccia GIS” in Cresco ha il compito di: 1) fornire un’interfaccia di visulaizzazione dei risultatti della simulazione; 2) fornire un’interfaccia per la configurazione e progettazione degli scenari. Il modulo “Result Presentation” gestirà la visualizzazione georeferenziata e multidimesionale dei risultati della simulazione. Il modulo “Scenarios Configuration/Design” consentirà la composizione e configurazione degli scenari mediante tecniche drag-and-drop ed immissione valori dei vari parametri dello scenario. Scenario expert Simulators Knowledge base Interoperable Simulation Middleware Domain Simulators Grid Communication 3

4 EISAC Trans-national Organisation Example Communication Network
4

5 A potential solution for the EISAC Italian Node
DIESIS Front End ENEA CRESCO HPC Federate DIEISIS Middleware Upper Layers CC FC CE CE Front End j Front End i

6 SPIII.1 Fisica delle Reti Complesse
Elena Marchei, C.R. ENEA Portici Vittorio Rosato, C.R. ENEA Casaccia 6

7 Obiettivo Studio delle proprietà di robustezza e di vulnerabilità delle reti complesse in base alla loro struttura topologica. Fasi di studio Cambiamento della performance della rete al variare del carico. Quantificare i parametri di robustezza, vulnerabilità, connettività, di una rete in modo da essere misurabili attraverso un’attività di modellazione e analisi. Variazione della connettività, vulnerabilità, robustezza, in seguito alla perdita e/o rimozione di alcuni parti della rete. Quale può essere il risultato dell’adozione di algoritmi di riconfigurazione per far fronte a certe modifiche topologiche della rete. Partner Università di Catania Dipartimento di Fisica

8 Esempio di topologia delle reti
Rete della trasmissione elettrica ad alta tensione italiana Backbone della rete internet italiana per la ricerca, la rete GARR

9 Attività (1/2) Sono state generate due diverse topologie di rete : una rete Random utilizzando il meccanismo di crescita di Erdos-Renyi e una Internet-like basata su una combinazione del Preferential Attachment con il Triad Formation . L'efficienza della rete di sostenere un determinato traffico è stata stimata attraverso l’ analisi del Tempo Medio di Consegna dei pacchetti, e di un parametro, la Qualità del Servizio (QoS) che tiene conto sia dei tempi di consegna che del numero di pacchetti droppati. Variation of the average delivery time as a function of the rate of packet emission λ for Internet-like network. Data are in log-log scale. Variation of the Quality of service as a function of the rate of packet emission λ for Internet-like network. Data are in log-log scale. 9

10 Attività (2/2) E’ stato definito un parametro , Temperatura del Nodo, che tiene conto, in un unico valore, delle informazioni sia locali che globali del traffico dati, per l’implementazione di nuove strategie adattive di routing in grado di evitare (o ritardare) la congestione. Variation of the efficiency mean temperature of the Internet-like network as a function of packet emission. Per analizzare l’efficienza della rete sono state fatte differenti simulazioni di traffico dati mediante l’utilizzo del tool NS2 (Network Simulator). La struttura del GRID-ENEA (CRESCO) ha facilitato l’implementazione computazionale.

11 SPIII.2 Analisi di Vulnerabilità delle Reti Complesse
Saverio Di Blasi, C.R. ENEA Portici Ester Ciancamerla, Michele Minichino, C.R. ENEA Casaccia 11

12 Obiettivo Studio della vulnerabilità di reti complesse in termini di affidabilità, sicurezza, qualità di servizio e prestazioni. Fasi di studio Quali sono gli indicatori di vulnerabilità delle reti e di interconnessione tra reti. Quali sono gli indicatori di interconnessione e vulnerabilità delle reti di telecomunicazione che meglio caratterizzano le loro proprietà di sicurezza, prestazioni e qualità di servizio. Qual è l’interazione delle possibili vulnerabilità delle reti di telecomunicazione sulle altre reti tecnologiche che le includono. Partner Università di Roma La Sapienza Università del Piemonte Orientale

13 Direttrici di ricerca I metodi e le tecniche di modellazione ed analisi, sono dimostrate su uno scenario di riferimento: il guasto di un nodo del backbone nazionale Telecom di Roma avvenuto nel gennaio 2004 e che ha avuto ripercussioni sulla qualità dei servizi di telecomunicazioni nell’intera area di Roma La rete Telco e’ rappresentata mediante i Reliability Block Diagrams. I sistemi di alimentazione di emergenza Telco sono rappresentati da reti di Attività Stocastica, un’estensione delle Reti di Petri la rete di distribuzione dell’energia elettrica e’ rappresentata mediante un Network Reliability Analyser, basato su BDD. Inoltre e’ investigato l’uso dei metodi di verifica formale per computare il Massimo Flusso Garantito nelle reti di Comunicazione.

14 Disponibilità di servizio di reti interconnesse
Rete Telco Rete di distribuzione dell’energia elettrica Alimentazione di emergenza Telco BDD model RDB model SAN model risultati numerici: a) Indisponibilità connessione HDSL b) Inaffidabilità s-t rete elettrica b) a)

15 a) Back Bone Nazionale (BBN) della rete di telecomunicazione Italiana
Analisi di vulnerabilità di reti di telecommunicazione mediante simulazione a) a) Back Bone Nazionale (BBN) della rete di telecomunicazione Italiana b) Elementi principali del BBN c) Modello NS2 del BBN c) b) 15

16 Come applicazione parallela: Parallel Distributed NS2
RISULTATI Le simulazioni e l’analisi dello scenario di riferimento sono state effettuate mediante l’utilizzo del simulatore NS2 (Network Simulator) NS2 è installato su piattaforma HPC (High Performance Computing) ENEA-GRID come applicazione distribuita eseguibile su tutti gli host Linux della piattaforma computazionale Come applicazione parallela: Parallel Distributed NS2 la rete da simulare viene divisa in N sottoreti ogni sottorete è inviata tramite SSH ad un host oppure si utilizza MPI un processo Master si occupa dell’input e output dei dati di simulazione Cluster Frascati Casaccia Brindisi Trisaia Portici Totale Nodi (hosts) 28 16 1 296 352

17 SPIII.3 Modelli e Strumenti di supporto alla Ottimizzazione e Riconfigurazione delle Reti Alberto Tofani, C.R. ENEA Casaccia Giovanni Dipoppa, C.R. ENEA Casaccia 17

18 Obiettivo Realizzazione di un Sistema di Supporto alle Decisioni avente lo scopo di suggerire in tempo reale una strategia di riconfigurazione di reti tecnologiche complesse, in particolare reti elettriche e di telecomunicazioni, nelle quali uno o più dei suoi componenti siano stati danneggiati per cause naturali, attacchi terroristici o guasti. Fasi di studio Quale è il modello di rete più appropriato per l’ottimizzazione delle politiche di riconfigurazione. Quale è l’algoritmo di ottimizzazione in grado di ricercare nello spazio delle possibili configurazioni di rete quelle che favoriscono la sostenibilità del servizio a parità di costo. Quale è la complessità computazionale per avere soluzioni faster-than-real-time. Partner Università di Palermo – Dipartimento di Ingegneria Informatica Università di Salerno – Dipartimento di Ingegneria dell’Informazione e Matematica Applicata

19 Attività del Dipartimento di Ingegneria Informatica dell’Università degli Studi di Palermo
Risultati Conseguiti Configurazioni sperimentali: Rete di distribuzione elettrica della sede Casaccia dell’ENEA, modellata attraverso l’interfaccia di eAgora. Il simulatore eAgora gira sul cluster windows di CRESCO. Il pacchetto di ottimizzazione è stato implementato come un programma java parallelo il quale gira su ogni nodo del GRID-ENEA. Risultati sperimentali: L’algoritmo converge velocemente dopo alcune generazioni ad una valore costante inferiore al costo significativo iniziale.

20 I codici sviluppati girano sul cluster windows di CRESCO.
Dipartimento di Ingegneria dell’Informazione e Matematica Applicata (DIIMA), Un. Di Salerno Ottimizzazione della qualità dei servizi erogati da una rete di telecomunicazione soggetta a guasti e/o attacchi deliberati a livello fisico, attraverso il raffinamento di un modello fluidodinamico Modellazione fluidodinamica di una rete di telecomunicazione al fine di descrivere il comportamente dei differenti router che la compongono. Analisi di problemi di convergenza e sviluppo di schemi numerici. Analisi delle politiche di instradamento dei pacchetti. Ottimizzazione dei coefficienti caratteristici del traffico. Studi su come preservare la qualità di servizio nel caso in cui uno o più nodi e/o linee di comunicazione non funzionino. Implementazione di prototipi, sviluppati in linguaggio C++, a partire da modelli definiti. I codici sviluppati girano sul cluster windows di CRESCO.

21 SPIII.4 Modellistica delle Reti Complesse viste come aggregati Socio-Tecnologici Adam Maria Gadomski, C.R. ENEA Casaccia 21

22 Obiettivo Studiare come dal punto di visto formale, teorico e di modellazione si possa rappresentare un sistema socio-tecnologico composto da reti organizzative che gestiscono reti tecnologiche. Fasi di studio Come si può modellare un sistema Socio-Tecnologico e in particolare le interazioni tra la rete sociale di governo e la rete tecnologica usata per fornire il servizio. Quali sono gli elementi fondamentali da considerare per valutare le interazioni tra i diversi strati di una rete complessa. Esiste un formalismo comune che permette di modellare i diversi aspetti. Partner Università di Roma “Tor Vergata”, Dip.to di Ingegneria dell’Impresa ECONA (Centro Interuniversitario per Processi Cognitivi nel Sistemi Naturali e Artificiali)

23 Obiettivo Analisi, modellazione e simulazioni sperimentali dei processi decisionali socio-cognitivi dell'alto rischio nelle organizzazioni umane interdipendenti e coinvolte nei processi di protezione socio-tecnologica delle grandi infrastrutture critiche  (LCCIs). Identificazione e analisi della loro vulnerabilità (fattori umani dominanti). Metodo A Metodologia sistemica per reti decisionali basata sul generico modello IPK (information, preferences, knowledge): meta-teoria TOGA Modellazione: Precautionary Principle in decision-making Contributo ENEA B - Analisi socio-cognitiva (un nodo) dei processi decisionali umani di tipo manageriale: due livelli: sub-simbolico e simbolico, dal punto di vista dei errori umani Contributo ECONA C - Analisi socio-tecnologica (rete organizzativa) dal punto di vista della comunicazione e degli errori organizzativi. Contributo Tor Vergata DII This three INTEGRATED approaches HAS BEEN APPLIED AND will be shortly presented on the next pictures. Gruppo di ricerca A.M. Gadomski (ENEA), A. D'Ausilio (ECONA), M. Caramia (Tor Vergata), A.Londei (ECONA), T.A. Zimny (ENEA’s fellowship)

24 Analisi delle Interdipendenze tra Reti Complesse
SPIII.5 Analisi delle Interdipendenze tra Reti Complesse Silvia Ruzzante, C.R. ENEA Portici Giovanni Dipoppa, C.R. ENEA Casaccia Giordano Vicoli, C.R. ENEA Casaccia 24

25 Obiettivo Fasi di studio Partner
Studiare il fenomeno delle interdipendenze tra Reti con un approccio di tipo What if Fasi di studio Elaborazione di modelli per modellare l’interdipendenza tra reti complesse Elaborazione di tecniche per federare simulatori diversi per rappresentare reti di diversi domini Sviluppo di un Middleware di gestione delle richieste utente e di interfacciamento dei simulatori Partner CRIAI – Consorzio Campano di Ricerca per l’Informatica e l’Automazione Industriale, Portici (NA) Università di Roma “Tor Vergata” - Dipartimento di Informatica, Sistemi e Produzione Università di Roma “Campus Biomedico”-Dipartimento di Ingegneria

26 Risultati (1/2) Realizzazione di una piattaforma di integrazione di diversi strumenti di simulazione eterogenei dove sia possibile eseguire in modo automatico scenari di guasto o attacco, per evidenziare le problematiche di “interdipendenza” fra differenti reti complesse L’obiettivo è studiare il fenomeno delle interdipendenze con un approccio di tipo What if e con una visualizzazione dei risultati il più possibile aderente alla realtà, facendo anche uso di tecnologie di realtà virtuale. Questa attività intende rispondere alle domande: a) Come modellare un insieme di reti complesse tra loro interdipendenti. b) Quale è il peso dei parametri spaziali ed economici sul fenomeno delle interdipendenze, ossia come si possono progettare reti assolutamente autonome. c) Quale è il contributo del cyber layer alla interdipendenza delle reti e come valutare i rischi ad esso legati.  Lo scopo dell’attività di ricerca è sviluppare una metodologia e alcuni codici di integrazione dei modelli di simulazione con una visione unitaria rivolta non tanto a fare delle previsioni di settore ma a studiare le interdipendenze tra le varie infrastrutture e fornire delle indicazioni ai decisori responsabili della gestione delle situazioni di crisi. 26

27 CRIAI Risultati (2/2) ASSOCIA Tor Vergata CAMPUS BIOMEDICO
Associa Web (Middleware gestione richieste) ed Associa Core (Middleware interfacciamento simulatori) sono delle WebApplication che vengono lanciate dall'Application Server JBoss installato sulla macchina del GRID_ENEA di Frascati. CRIAI Web Browser Application Server J2EE servlet container CLIENT ASSOCIA SIMULATORE 1 Wrapper 1 HTTP SIMULATORE 2 Wrapper 2 XML SOAP Modello di società ad Agenti Modello Entità Risorse XML/SOAP LOGIN SLA GET POST CONFIGURE SIMULATION SHOW Simulatori Legacy Tor Vergata CAMPUS BIOMEDICO CISIA–Critical Infrastructure Simulation by Interdependence Agents Scenario di simulazione di alcune infrastrutture presenti nel litorale laziale. CIAB – Critical Infrastructure Agent Based IS4CEM_Information System for Civic Emergency Management Il codice di queste applicazioni si trova in AFS nella directory: /afs/enea.it/project/LA1/cresco_sp12_criai/html/jboss

28 Antonio Bruno Della Rocca, C.R. ENEA Casaccia
SPIII.6 Sistema Informativo per la Salvaguardia delle Infrastrutture e della Popolazione Antonio Bruno Della Rocca, C.R. ENEA Casaccia 28

29 Obiettivo L’obiettivo principale delle attività condotte dall’Unità CLIM-OSTES nell’ambito del progetto è quello di progettare e realizzare un innovativo sistema informativo geografico per la salvaguardia e la sicurezza della popolazione, delle infrastrutture e del territorio. Fasi di studio Disponibilità di informazioni geografico-territoriali che forniscano una descrizione “virtuale” del territorio dettagliata ed aggiornata. Disponibilità di sistemi informativi tecnologicamente allo stato dell’arte e dotati anche di capacità di elaborazione e restituzione 3D nonché di prestazioni tali da elaborare in tempo reale una enorme mole di dati. Progettazione e l’implementazione di algoritmi e processi di analisi delle informazioni territoriali dedicati alla specifica esigenza.

30 Sistema Informativo per la Salvaguardia delle Infrastrutture e della popolazione – SISI
OBIETTIVO DEL SOTTOPROGETTO Sviluppo e realizzazione di un Sistema Informativo Geografico in grado di localizzare sul territorio elementi o siti vulnerabili rispetto a fenomeni o eventi naturali e antropici, delimitandone le aree e fornendo un potenziale sostegno per la gestione di potenziali problemi di salvaguardia e sicurezza delle infrastrutture, della popolazione e del territorio stesso. Elemento territoriale “pericoloso” Qualsiasi elemento geografico naturale o artificiale (es. impianti chimici, discariche, corsi d’acqua, versanti franosi…) in grado di provocare un danno/perdita di funzionalità a elementi geografici posti nelle sue vicinanze. Elemento territoriale “vulnerabile” Qualsiasi elemento geografico che, a causa della presenza di elementi pericolosi nelle sue vicinanze, può subire un danno/perdita di funzionalità (es. edifici, infrastrutture, corpi idrici…). Criteri di vulnerabilità I ciriteri di vulnerabilità implementati nel Sistema SISI sono basati sulla compresenza, all’interno di aree di estensione definita dall’utente (focus) di elementi territoriali pericolosi/vulnerabili definiti dall’utente E’ possibile, inoltre, includere nel criterio di vulnerabilità: Relazioni topologiche tra gli elementi Condizioni sulle dimensioni degli elementi Condizioni altimetriche

31 Architettura del Sistema SISI
GEOPROCESSING TOOLS WEB GIS L’utente definisce ed inserisce il criterio di vulnerabilità GEOSPATIAL DATABASE STRUMENTI DI DIAGNOSTICA Ricerca e localizzazione dei focus in cui sono verificate le condizioni di vulnerabilità Perimetrazione delle aree vulnerabili Creazione di mappe di vulnerabilità Geospatial Database Archivia e gestisce i dati spaziali Geoprocessing tools Strumenti personalizzati di analisi territoriale e modellistica, che utilizzano funzioni di geoprocessing WEB GIS Visualizzazione e condivisione via web delle mappe di vulnerabilità SELEZIONE DI AREE CAMPIONE Scala nazionale Scala di dettaglio STRUMENTI DI SIMULAZIONE Modellazione di eventi specifici (dettaglio) Il codice sviluppato funziona come estensione del software ARCGIS, che gira sotto Windows. Il software è installato su una macchina Windows del grid ed è accessibile tramite l'interfaccia Citrix.