ক্রিপ্টোকারেন্সি, ব্লকচেইন প্রযুক্তির একটি অগ্রণী অ্যাপ্লিকেশন হিসেবে, ব্যাপক বৃদ্ধি এবং মূলধারার গ্রহণযোগ্যতা অর্জন করেছে। এই ইকোসিস্টেমের একটি মৌলিক উপাদান হল mining pool—একটি খননকারীদের সমষ্টি যারা গণনামূলক সম্পদ একত্রিত করে ব্লক পুরস্কার অর্জনের সম্ভাবনা বৃদ্ধি করে, যা তারপর আনুপাতিকভাবে বিতরণ করা হয়। যদিও ক্রিপ্টোকারেন্সি অসংখ্য সুবিধা প্রদান করে, তাদের ছদ্মনামী এবং বিকেন্দ্রীকৃত প্রকৃতি দূষিত কার্যকলাপ যেমন র্যানসমওয়্যার পেমেন্ট এবং গোপন কমান্ড-এন্ড-কন্ট্রোল (C2) অপারেশনকেও সহজতর করে। এই গবেষণাপত্রটি ক্রিপ্টোকারেন্সি মাইনিং পুল এবং পাবলিক ক্লাউড অবকাঠামোর মধ্যে সমালোচনামূলক ছেদবিন্দু তদন্ত করে, তাদের সংযোগ প্রোফাইল করা, নিরাপত্তা ঝুঁকি পরিমাপ করা এবং তাদের অন্তর্নিহিত গতিবিদ্যা মডেল করার লক্ষ্য রাখে।
কেন্দ্রীয় অনুমানটি হল যে প্রতিপক্ষরা ক্রিপ্টোকারেন্সি খননের জন্য তাদের স্কেলযোগ্যতা, নমনীয়তা এবং অপব্যবহারের সম্ভাবনার (যেমন, আপসকৃত ইনস্ট্যান্সের মাধ্যমে) কারণে ক্রমবর্ধমানভাবে পাবলিক ক্লাউড সম্পদ ব্যবহার করছে। এই পরিবর্তনটি আধুনিক কম্পিউটিং প্রবণতা এবং প্রতিপক্ষের প্রণোদনার মিলনকে প্রতিনিধিত্ব করে, যা ট্রেসযোগ্য ব্যক্তিগত সার্ভার থেকে ক্ষণস্থায়ী, ক্লাউড-ভিত্তিক আক্রমণের দিকে সরে যাচ্ছে।
অধ্যয়নটি নেটওয়ার্ক ইন্টেলিজেন্স ডেটার উপর ভিত্তি করে একটি প্যাসিভ, পর্যবেক্ষণমূলক পদ্ধতি ব্যবহার করে।
মূল পদ্ধতিতে বিশ্লেষণ জড়িত প্যাসিভ ডোমেইন নেম সিস্টেম (pDNS) ট্রেসpDNS ডেটা DNS ক্যোয়ারী এবং রেজোলিউশনের ঐতিহাসিক রেকর্ড সরবরাহ করে, যা গবেষকদের সময়ের সাথে ডোমেইন নামগুলিকে আইপি ঠিকানায় ম্যাপ করতে এবং সত্ত্বাগুলির মধ্যে সংযোগ চিহ্নিত করতে (যেমন, মাইনিং পুল ডোমেইন এবং ক্লাউড প্রদানকারীর আইপি রেঞ্জ) অনুমতি দেয়।
বৃহৎ-স্কেল pDNS ডেটাসেট থেকে তথ্য সংগ্রহ করা হয়েছিল। পাবলিকলি উপলব্ধ তালিকা এবং ব্লকচেইন ইন্টেলিজেন্স সূত্রের মাধ্যমে মাইনিং পুল ডোমেইন চিহ্নিত করা হয়েছিল। এরপর এই ডোমেইনগুলি থেকে রেজলভ করা আইপি ঠিকানাগুলিকে তাদের সংশ্লিষ্ট স্বায়ত্তশাসিত সিস্টেম নম্বর (এএসএন) এবং সাংগঠনিক মালিকদের সাথে ম্যাপ করে ক্লাউড সার্ভিস প্রদানকারীদের (সিএসপি) শনাক্ত করা হয়। নিরাপত্তা খ্যাতি ডেটা ক্রস-রেফারেন্স করা হয়েছিল VirusTotal দূষিত সংযোগ মূল্যায়ন করতে।
24
মাইনিং পুলের সাথে যুক্ত অনন্য ক্লাউড প্রদানকারী পাওয়া গেছে।
~৪৮%
Amazon (AWS) এবং Google Cloud এর সাথে যুক্ত সংস্থাগুলির।
৩০-৩৫%
VirusTotal-এ ক্ষতিকারক হিসাবে চিহ্নিত সংশ্লিষ্ট এন্ডপয়েন্ট।
বিশ্লেষণে প্রকাশ পেয়েছে যে 24টি স্বতন্ত্র পাবলিক ক্লাউড প্রদানকারী DNS রেজোলিউশন পথের মাধ্যমে ক্রিপ্টোকারেন্সি মাইনিং পুলের সাথে পর্যবেক্ষণযোগ্য সংযোগ রয়েছে। বাজার অত্যন্ত কেন্দ্রীভূত, যেখানে Amazon Web Services (AWS) এবং Google Cloud Platform (GCP) পর্যবেক্ষণকৃত সমস্ত সংযোগের প্রায় অর্ধেক (৪৮%) এর জন্য দায়ী। এটি ইঙ্গিত দেয় যে খননকারী এবং সম্ভাব্য দূষিত অভিনেতারা বড়, প্রতিষ্ঠিত সরবরাহকারীদের পছন্দ করে, সম্ভবত তাদের বিশাল বৈশ্বিক অবকাঠামো, নির্ভরযোগ্যতা এবং বৈধ ট্র্যাফিকের সাথে মিশে যাওয়ার সুবিধার কারণে।
মাইনিং পুলের সাথে ক্লাউড প্রদানকারীর উপস্থিতি এবং সংযোগের (অ্যাসোসিয়েশন) সংখ্যা উভয়ের বণ্টন একটি হেভি-টেইলড ডিস্ট্রিবিউশন, স্কেল-ফ্রি নেটওয়ার্কের বৈশিষ্ট্যপূর্ণ। এই প্যাটার্ন একটি অন্তর্নিহিত নির্দেশ করে প্রেফারেনশিয়াল অ্যাটাচমেন্ট মডেল: জনপ্রিয় মাইনিং পুলগুলি বড় ক্লাউড প্রদানকারীদের সাথে নতুন সংযোগ গঠনের সম্ভাবনা বেশি থাকে, এবং এর বিপরীতটিও সত্য, যা একটি "ধনীরা আরও ধনী হয়" গতিশীলতা তৈরি করে। এটি সামাজিক মাধ্যম থেকে উদ্ধৃতি গ্রাফ পর্যন্ত অন্যান্য প্রযুক্তিগত নেটওয়ার্কে পর্যবেক্ষণকৃত বৃদ্ধির ধরণগুলিকে প্রতিফলিত করে।
A significant security finding is the high rate of malicious association. Among the endpoints (IPs/domains) associated with the top two cloud providers (AWS & GCP), ৩০-৩৫% ইতিবাচকভাবে শনাক্ত করা হয়েছিল VirusTotal স্ক্যানের ভিত্তিতে দূষিত কার্যকলাপের সাথে যুক্ত হিসেবে চিহ্নিত করা হয়েছে। এই উচ্চ শতাংশটি নির্দেশ করে যে ক্লাউড-ভিত্তিক মাইনিং শুধুমাত্র একটি বৈধ বাণিজ্যিক কার্যকলাপ নয়, বরং এটি ক্রিপ্টোজ্যাকিং, আপসকৃত সম্পদ এবং সাইবার অপরাধের অন্যান্য রূপের সাথে ব্যাপকভাবে জড়িত। গবেষণাপত্রটি এছাড়াও মাইনিং কার্যক্রমের দিকে একটি পরিবর্তনের কথা উল্লেখ করেছে Metaverse-সম্পর্কিত মুদ্রা, যা বিবর্তনশীল প্রতিপক্ষ প্রণোদনা নির্দেশ করে।
পর্যবেক্ষিত পক্ষপাতমূলক সংযুক্তি গাণিতিকভাবে মডেল করা যেতে পারে। ধরুন $G(t)$ সময় $t$-এ নেটওয়ার্ক গ্রাফ, যেখানে নোডগুলি ক্লাউড প্রদানকারী এবং মাইনিং পুলগুলিকে প্রতিনিধিত্ব করে, এবং প্রান্তগুলি পর্যবেক্ষিত সংযোগগুলি প্রতিনিধিত্ব করে। সম্ভাব্যতা $\Pi(k_i)$ যে একটি নতুন সংযোগ নোড $i$-এর সাথে তৈরি হবে তা তার বর্তমান ডিগ্রি $k_i$-এর সমানুপাতিক:
$$
অধিকন্তু, একটি ক্লাউড প্রদানকারী $c$ এর জন্য নিরাপত্তা ঝুঁকি $R_c$ কে তার সংযোগের পরিমাণ $V_c$ এবং সেই সংযোগগুলির দূষিত অনুপাত $M_c$ এর একটি ফাংশন হিসাবে ধারণা করা যেতে পারে:
$$
চার্ট ১: ক্লাউড প্রদানকারী অ্যাসোসিয়েশন শেয়ার। একটি পাই চার্ট বা বার গ্রাফ বিশ্লেষণকে দৃশ্যত প্রাধান্য দেবে, যা দেখাবে AWS এবং GCP সম্মিলিতভাবে অ্যাসোসিয়েশন শেয়ারের প্রায় 48% ধরে রেখেছে, এরপর অন্যান্য প্রদানকারীদের একটি দীর্ঘ লেজ (Microsoft Azure, Alibaba Cloud, DigitalOcean ইত্যাদি) বাকি 52% গঠন করেছে।
চার্ট 2: ডিগ্রি ডিস্ট্রিবিউশন লগ-লগ প্লট। একটি মূল পরীক্ষামূলক ফলাফল হল নোড ডিগ্রি বন্টনের লগ-লগ প্লট। চার্টটি একটি নেতিবাচক ঢাল সহ একটি সরল রেখা দেখাবে, যা পাওয়ার-ল, হেভি-টেইলড ডিস্ট্রিবিউশন $P(k) \sim k^{-\gamma}$ নিশ্চিত করে। এই প্লটটি কার্যকর থাকা পছন্দসই সংযুক্তি প্রক্রিয়ার প্রত্যক্ষ প্রমাণ।
চার্ট 3: শীর্ষ প্রদানকারী প্রতি দূষিত এন্ডপয়েন্ট অনুপাত। AWS এবং GCP-এর তুলনা করে একটি গ্রুপ বার চার্ট, যা দেখায় যে AWS-সংশ্লিষ্ট এন্ডপয়েন্টের প্রায় ৩৫% এবং GCP-সংশ্লিষ্ট এন্ডপয়েন্টের প্রায় ৩০% দূষিত হিসেবে চিহ্নিত হয়েছিল, যা নিরাপত্তা ঝুঁকির একটি পরিমাপযোগ্য মাত্রা প্রদান করে।
কেস: একটি সন্দেহভাজন ক্রিপ্টোজ্যাকিং অপারেশন ট্র্যাকিং
Step 1 - Seed Identification: Start with a known malicious coin miner binary or a domain from a threat intelligence feed (e.g., `malicious-miner-pool[.]xyz`).
ধাপ ২ - pDNS সম্প্রসারণ: গত ৬ মাসের জন্য বীজ ডোমেনের সাথে যুক্ত সমস্ত IP ঠিকানা (`A` রেকর্ড) এর জন্য pDNS ডেটা অনুসন্ধান করুন।
ধাপ ৩ - ক্লাউড আরোপণ: প্রতিটি সমাধানকৃত IP-এর জন্য, একটি WHOIS লুকআপ এবং ASN ম্যাপিং সম্পাদন করুন। প্রধান CSP-এর অন্তর্গত IP রেঞ্জগুলির জন্য ফিল্টার করুন (যেমন, AWS `us-east-1`)।
ধাপ ৪ - গ্রাফ নির্মাণ: ডেটাকে একটি দ্বিপক্ষীয় গ্রাফ হিসেবে মডেল করুন: নোডের একটি সেট হল মাইনিং পুল ডোমেইন, অন্যটি হল CSP IP ব্লক। একটি এজ বিদ্যমান থাকে যদি একটি ডোমেইন সেই ব্লকের একটি IP-এ রিজল্ভ করে।
Step 5 - Anomaly Detection & Risk Scoring:
ফলাফল: এই কাঠামোটি শুধুমাত্র পৃথক দূষিত উদাহরণই চিহ্নিত করতে পারে না, বরং ক্লাউড অবকাঠামো জুড়ে অপব্যবহারের ধরণও শনাক্ত করতে পারে, যা সুনির্দিষ্ট উচ্চ-ঝুঁকিপূর্ণ আইপি ব্লক সম্পর্কে CSP-দের নিরাপত্তা দলগুলিকে লক্ষ্যবস্তু সতর্কতা প্রদান করতে সক্ষম করে।
CSP-দের জন্য সক্রিয় হুমকি শিকার: ক্লাউড প্রদানকারীরা তাদের অভ্যন্তরীণ নিরাপত্তা অপারেশন সেন্টার (SOC)-এ অনুরূপ pDNS বিশ্লেষণ সংহত করে অবৈধ খনির জন্য ব্যবহৃত সম্পদ সক্রিয়ভাবে চিহ্নিত ও স্থগিত করতে পারে, যা অপব্যবহার হ্রাস করে এবং বৈধ গ্রাহকদের জন্য অবকাঠামো সংরক্ষণ করে।
2. Blockchain Analytics Integration: ভবিষ্যতের কাজে অন-চেইন লেনদেনের তথ্যের সাথে অফ-ক্লাউড আইপি ইন্টেলিজেন্স একীভূত করা উচিত। মাইনিং রিওয়ার্ড ঠিকানাগুলোকে ক্লাউড-হোস্টেড পুল এন্ডপয়েন্টের সাথে সম্পর্কিত করে গবেষকরা ক্রিপ্টোজ্যাকিংয়ের আয়ের আর্থিক প্রবাহ ট্রেস করতে পারবেন, এটি Chainalysis এবং Elliptic দ্বারা ব্যবহৃত কৌশলগুলোর অনুরূপ একটি পদ্ধতি।
3. AI-চালিত আচরণগত সনাক্তকরণ: মেশিন লার্নিং মডেলগুলিকে ক্লাউড ইনস্ট্যান্সের নেটওয়ার্ক ও সম্পদ ব্যবহারের প্যাটার্ন (CPU/GPU লোড, পরিচিত পুলগুলোর নেটওয়ার্ক ট্র্যাফিক) এর উপর প্রশিক্ষণ দিয়ে রিয়েল-টাইমে মাইনিং ম্যালওয়্যার সনাক্ত করার জন্য তৈরি করা যেতে পারে, যা endpoint detection and response (EDR) টুলস কিভাবে কাজ করে তার অনুরূপ কিন্তু হাইপারভাইজার লেভেলে।
4. Policy & Regulatory Implications: এই গবেষণা একটি তথ্য ব্যবধান তুলে ধরে। আর্থিক কর্মকাণ্ড কার্যবাহী দল (FATF)-এর কাঠামোতে প্রস্তাবিত হিসাবে, বাস্তুতন্ত্রের স্বচ্ছতা উন্নত করতে এবং অবৈধ অর্থায়ন মোকাবেলা করতে, নিয়ন্ত্রক সংস্থাগুলি CSP-দের ক্রিপ্টোকারেন্স মাইনিং ট্র্যাফিকের সমষ্টিগত মেট্রিক্স রিপোর্ট করতে বাধ্য করার বিষয়ে বিবেচনা করতে পারে, অনেকটা আর্থিক লেনদেন রিপোর্টের মতো।
5. পরবর্তী প্রজন্মের সম্পদ অধ্যয়ন: যেমনটি উল্লেখ করা হয়েছে, মেটাভার্স মুদ্রার দিকে একটি পরিবর্তন ঘটছে। ভবিষ্যতের গবেষণাকে গোপনীয়তা মুদ্রার (যেমন: Monero, Zcash) এবং ভার্চুয়াল বিশ্ব ও বিকেন্দ্রীকৃত ভৌত অবকাঠামো নেটওয়ার্ক (DePIN) এর সাথে যুক্ত নতুন Proof-of-Work সম্পদের জন্য মাইনিং পুলগুলির বিশ্লেষণ সম্প্রসারণ করতে হবে।
মূল অন্তর্দৃষ্টি
এই গবেষণাপত্রটি কেবল ক্লাউডে ক্রিপ্টো মাইনিং সম্পর্কে নয়; এটি একটি কঠোর উদ্ঘাটন যে কীভাবে আধুনিক কম্পিউটিং-এর স্থাপত্য—কেন্দ্রীভূত, স্কেলযোগ্য এবং চাহিদাভিত্তিক—বিকেন্দ্রীভূত, সম্পদ-নিবিড় ব্লকচেইন অর্থনীতিকে জ্বালানি দেওয়ার জন্য, প্রায়শই দুরভিসন্ধিপূর্ণ উদ্দেশ্যে, ব্যবহারে নিয়োজিত হয়েছে। লক্ষ্য করা কার্যকলাপের প্রায় অর্ধেক AWS এবং Google Cloud-এর মাধ্যমে প্রবাহিত হয়—এই আবিষ্কারটি এখন পর্যন্ত সবচেয়ে নিন্দনীয় প্রমাণ যে "ক্লাউড নিরপেক্ষতা" বৈরী পরিবেশে একটি মিথ। প্রধান CSP-গুলি অজান্তেই, তবে অসমভাবে, বৈধ ও অবৈধ উভয় মাইনিং অপারেশনের ভিত্তি হয়ে দাঁড়িয়েছে। এটি একটি বিশাল অসমতা তৈরি করে: রক্ষাকারীদেরকে একটি বিশাল, ভাগ করা আক্রমণের পৃষ্ঠ নিরাপদ করতে হয়, আক্রমণকারীরা অস্থায়ী ক্লাউড সম্পদের চটপটে ব্যবহার ও বেনামীত্ব উপভোগ করে।
লজিক্যাল ফ্লো
লেখকদের যুক্তি প্রভাবশালী এবং পদ্ধতিগতভাবে সুসঙ্গত। তারা একটি দৃঢ় প্রেক্ষাপট থেকে শুরু করেছেন: ক্লাউড গৃহীতকরণ এবং ক্রিপ্টোকারেন্সি বিস্তারের মিলন অপব্যবহারের একটি স্বাভাবিক লক্ষ্য। pDNS-কে একটি মৌলিক লেন্স হিসেবে ব্যবহার করা চতুর পদক্ষেপ—এটি একটি প্যাসিভ, বিশ্বব্যাপী সত্যের উৎস যা অনুপ্রবেশকারী এন্ডপয়েন্ট পর্যবেক্ষণের প্রয়োজনীয়তা এড়িয়ে যায়। সহজ সংযোগ গণনা থেকে ভারী-লেজযুক্ত বন্টন চিহ্নিত করার দিকে অগ্রগতি হল সেই স্থান যেখানে বিশ্লেষণ কেবল পরিমাপের ঊর্ধ্বে উঠে যায়। Barabási-Albert পছন্দসই সংযুক্তি মডেল আহ্বান করে, তারা "কী" থেকে "কেন"-এ এগিয়েছে, এই যুক্তি দিয়ে যে ক্লাউড-মাইনিং নেটওয়ার্কটি এলোমেলো নয় বরং পূর্বাভাসযোগ্য, স্ব-শক্তিবর্ধক বৃদ্ধির ধরণ অনুসরণ করে। এটি অনেকটা সামাজিক নেটওয়ার্ক বা ওয়ার্ল্ড ওয়াইড ওয়েব নিজেই কীভাবে বিকশিত হয়েছিল তার অনুরূপ। VirusTotal-এর মাধ্যমে পরিমাপকৃত নিরাপত্তা ঝুঁকিতে চূড়ান্ত লম্ফ, বিমূর্ত নেটওয়ার্ক মডেলটিকে মূর্ত, কার্যকরী হুমকি বুদ্ধিমত্তার সাথে পুনরায় যুক্ত করে।
Strengths & Flaws
শক্তি: কাগজটির প্রাথমিক শক্তি হল এর data-driven, empirical approach. এটি অনুমান এড়িয়ে চলে, প্রতিটি দাবিকে পর্যবেক্ষিত pDNS ডেটায় ভিত্তি দেয়। প্রতিষ্ঠিত নেটওয়ার্ক বিজ্ঞানের নীতিগুলির (স্কেল-ফ্রি নেটওয়ার্ক) ব্যবহার উল্লেখযোগ্য তাত্ত্বিক গুরুত্ব যোগ করে। ফোকাস Metaverse currencies দূরদর্শী, যা দেখায় যে গবেষণা শুধুমাত্র Bitcoin mining-এর মতো ঐতিহাসিক হুমকি নয়, বরং প্রতিপক্ষের উদ্ভাবনের অগ্রভাগের দিকেও নজর রাখছে।
সমালোচনামূলক ত্রুটি: যাইহোক, বিশ্লেষণটির উল্লেখযোগ্য অন্ধস্পট রয়েছে। প্রথমত, এটি স্বভাবতই পশ্চাদমুখীpDNS দেখায় আক্রমণগুলি কোথায় হয়েছিল হয়েছিল, কোথায় সেগুলি নয় আছে অথবা হবে. Sophisticated actors using fast-flux DNS or direct IP connections can evade this. Second, the কার্যকারণ দাবি দুর্বলpDNS-এ একটি সংযোগ ক্লাউড ইনস্ট্যান্সটি ব্যবহার করা হয়েছিল তা প্রমাণ করে না ব্যবহৃত হয়েছিল খনন; এটি একটি পুলের সাথে যোগাযোগকারী একটি নিরীহ পরিষেবা হতে পারে, অথবা একটি মাইনার স্ক্রিপ্ট সহ একটি আপসিত ওয়েবসাইট হতে পারে। Zhu et al.-এর CycleGAN-এর মতো কাজে ব্যবহৃত কৌশলগুলি থেকে কাগজটি উপকৃত হতে পারে—বৈধ এবং দূষিত সংযোগ প্যাটার্নগুলিকে আরও ভালভাবে আলাদা করার জন্য adversarial validation ব্যবহার করা। অবশেষে, অর্থনৈতিক চালকটি যথেষ্ট অন্বেষণ করা হয়নি. মেঘ উদাহরণ খরচ বনাম ক্রিপ্টোকারেন্সি ফলনের তুলনা করে একটি সাধারণ মডেল প্রতিপক্ষের Return on Investment (ROI) শক্তিশালীভাবে ব্যাখ্যা করবে এবং ভবিষ্যদ্বাণী করবে যে পরবর্তীতে কোন মেঘ অঞ্চল বা উদাহরণ প্রকারগুলিকে লক্ষ্যবস্তু করা হবে।
কার্যকরী অন্তর্দৃষ্টি
CSP নিরাপত্তা দলের জন্য: বাস্তবায়ন করুন গ্রাফ-ভিত্তিক অস্বাভাবিকতা সনাক্তকরণ আপনার নিজস্ব অভ্যন্তরীণ DNS লগে। সেই ভাড়াটেদের চিহ্নিত করুন যাদের উদাহরণগুলি পরিচিত খনির পুল ডোমেনগুলির একটি বৈচিত্র্যময় সেটে দ্রুত, অনুক্রমিক রেজোলিউশন দেখায়—যা স্বয়ংক্রিয় স্থাপনা সরঞ্জামের একটি বৈশিষ্ট্য। সবচেয়ে সস্তা কম্পিউটিং সহ অঞ্চলগুলিতে (যেমন AWS স্পট উদাহরণ) সম্পদ তদন্তকে অগ্রাধিকার দিন।
হুমকি গোয়েন্দা সংস্থাগুলির জন্য: এটি একীভূত করুন ক্লাউড অ্যাট্রিবিউশন স্তর আপনার ক্রিপ্টোজ্যাকিং ফিডে। শুধুমাত্র একটি ক্ষতিকারক ডোমেন রিপোর্ট করবেন না; রিপোর্ট করুন যে এটি একটি নির্দিষ্ট CSP-এর IP ব্লকে হোস্ট করা হয়েছে, যা সরাসরি প্রদানকারী চ্যানেলের মাধ্যমে আরও সুনির্দিষ্ট এবং দ্রুত অপসারণ সক্ষম করে।
For Regulators & Policymakers: Mandate স্বচ্ছতা প্রতিবেদনVASP-এর জন্য FATF-এর ট্রাভেল রুল দ্বারা স্থাপিত নজির অনুসরণ করে, খনন নির্দেশক গণনামূলক সম্পদ ব্যবহারের ধরণ সম্পর্কে বৃহৎ CSP-দের সামগ্রিক, বেনামি মেট্রিক্স রিপোর্ট করার প্রয়োজনীয়তা বিবেচনা করুন। এটি ব্যবহারকারীর গোপনীয়তা লঙ্ঘন না করেই সমস্যাটির একটি বৃহৎ-স্তরের দৃষ্টিভঙ্গি তৈরি করে।
উপসংহারে, অ্যাডেনিরান এবং মোহাইসেন একটি গোপন যুদ্ধক্ষেত্রের একটি গুরুত্বপূর্ণ মানচিত্র প্রদান করেছেন। ক্লাউড এখন কেবল একটি ইউটিলিটি নয়; এটি ক্রিপ্টো যুদ্ধগুলিতে একটি কৌশলগত সম্পদ। গবেষণার পরবর্তী পর্যায়টি অবশ্যই ম্যাপিং থেকে ভবিষ্যদ্বাণী এবং প্রতিরোধের দিকে এগিয়ে যেতে হবে, রিয়েল-টাইম স্ট্রিমিং অ্যানালিটিক্স এবং অর্থনৈতিক মডেলিং-এর সুবিধা নিয়ে সেই শত্রুদের থেকে এগিয়ে থাকতে হবে যারা ইতিমধ্যেই মালিকদের বিরুদ্ধে ক্লাউডের শক্তি ব্যবহার করছে।