AI-Assisted Recovery Readiness for SaaS Workloads
A Framework for Anomaly Detection and Risk-Based Validation
DOI:
https://doi.org/10.66838/sauc.6510Palabras clave:
Recovery Readiness, SaaS Resilience, Anomaly Detection, Risk-Based Validation, Zero Trust, Backup Verification, Machine Learning, Incident Response.Resumen
Software-as-a-Service (SaaS) platforms protect the availability of their own infrastructure, but customers remain responsible for the integrity and recoverability of the data and configuration they place in them. Mass deletion, ransomware-like encryption, malicious permission changes and silently failing backup jobs can all leave an organization unable to restore a workload within its recovery objectives, and many such conditions are discovered only when a restore is attempted. This paper proposes the AI-Assisted Recovery Readiness Framework (ARRF), which treats recovery readiness as a continuously measured property of each SaaS workload and not as a state assumed from the existence of a backup.....
Descargas
Estadísticas globales ℹ️
|
32
Visualizaciones
|
0
Descargas
|
|
32
Total
|
|
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2024 Los autores/as conservan los derechos de autor y ceden a la revista el derecho de la primera publicación y el derecho de edición
Esta obra está bajo una licencia internacional Creative Commons Atribución-SinDerivadas 4.0.
Los autores/as que publiquen en esta revista aceptan las siguientes condiciones:
- Los autores/as conservan los derechos de autor.
- Los autores/as ceden a la revista el derecho de la primera publicación. La revista también posee los derechos de edición.
- Todos los contenidos publicados se regulan mediante una Licencia Atribución/Reconocimiento-SinDerivados 4.0 Internacional. Acceda a la versión informativa y texto legal de la licencia. En virtud de ello, se permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista. Si transforma el material, no podrá distribuir el trabajo modificado.
- Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
- Se permite y recomienda a los autores/as a publicar su trabajo en Internet (por ejemplo en páginas institucionales o personales), una vez publicado en la revista y citando a la misma ya que puede conducir a intercambios productivos y a una mayor y más rápida difusión del trabajo publicado (vea The Effect of Open Access).
