移动网络YouTube视频码率及分辨率识别方法
发布时间:2020-05-23 22:50
【摘要】:YouTube作为世界最大的视频网站,在网络流量中的占比日益增加。大量的视频流量给互联网服务提供商带来了巨大的挑战。随着YouTube全站采用HTTPS加密,如何从HTTPS加密流量中获取视频Qo E评估信息至关重要。在分析了YouTube App在Android和IOS平台上所采用的流媒体传输模式的基础上,提出了C4.5决策树与Kmeans聚类相结合的方法对视频片段进行分辨率识别。实验结果证明该方法能够准确地识别视频播放过程中每个视频片段的播放码率及分辨率。
【图文】:
20p60分辨率和1080p图4断线重连识别算法流程图SSLAlert片段该片段是否是TCP流的结束位置识别为中断片段并记录结束时间T0根据之前流量评估TCP三次连接时间T1和HTTPS建立时间T2在T0+T1+T2时间点附近寻找新建TCP流标记为重传片段TCP流的第一个片段为重连片段是找到归并为音频视频片段不是未找到T1和T21.00.90.80.70.60.50.40.30.20.1360p480p720p720p601080p100020003000400050006000Video视频片版数据量大小/KB0Normcd(fx)图5YouTubeAndroid端视频片段数据量CDF22
提取和解析,解析出每个视频片段的标准播放码率。通过将每个视频片段码率和不同分辨率标准码率比对来确定该视频片段的标准分辨率,再将该分辨率与本文方法识别出的分辨率进行对比,如图7,8所示。对80个视频测试样本设定正确率为80%和70%的阈值通过率统计,统计结果如表1所示。表1显示C4.5决策树结合K-means聚类的分辨率识别方法对YouTubeAndroid平台的分辨率识别效果较好,80%和70%阈值通过率都超过80%。对YouTubeIOS平台的分辨率识别效果相比差一些,80%阈值通过率只有67.5%,但是70%阈值通过率达到87.5%。该方图6YouTubeIOS端视频片段数据量CDF1.00.90.80.70.60.50.40.30.20.1360p480p720p720p601080p1080p60100020003000400050006000Video视频片版数据量大小/KB0Normcd(fx)林高全,,潘吴斌,程光,等:移动网络YouTube视频码率及分辨率识别方法23
本文编号:2678070
【图文】:
20p60分辨率和1080p图4断线重连识别算法流程图SSLAlert片段该片段是否是TCP流的结束位置识别为中断片段并记录结束时间T0根据之前流量评估TCP三次连接时间T1和HTTPS建立时间T2在T0+T1+T2时间点附近寻找新建TCP流标记为重传片段TCP流的第一个片段为重连片段是找到归并为音频视频片段不是未找到T1和T21.00.90.80.70.60.50.40.30.20.1360p480p720p720p601080p100020003000400050006000Video视频片版数据量大小/KB0Normcd(fx)图5YouTubeAndroid端视频片段数据量CDF22
提取和解析,解析出每个视频片段的标准播放码率。通过将每个视频片段码率和不同分辨率标准码率比对来确定该视频片段的标准分辨率,再将该分辨率与本文方法识别出的分辨率进行对比,如图7,8所示。对80个视频测试样本设定正确率为80%和70%的阈值通过率统计,统计结果如表1所示。表1显示C4.5决策树结合K-means聚类的分辨率识别方法对YouTubeAndroid平台的分辨率识别效果较好,80%和70%阈值通过率都超过80%。对YouTubeIOS平台的分辨率识别效果相比差一些,80%阈值通过率只有67.5%,但是70%阈值通过率达到87.5%。该方图6YouTubeIOS端视频片段数据量CDF1.00.90.80.70.60.50.40.30.20.1360p480p720p720p601080p1080p60100020003000400050006000Video视频片版数据量大小/KB0Normcd(fx)林高全,,潘吴斌,程光,等:移动网络YouTube视频码率及分辨率识别方法23
【参考文献】
相关期刊论文 前1条
1 潘吴斌;程光;郭晓军;黄顺翔;;网络加密流量识别研究综述及展望[J];通信学报;2016年09期
【共引文献】
相关期刊论文 前2条
1 林高全;潘吴斌;程光;徐健;;移动网络YouTube视频码率及分辨率识别方法[J];计算机工程与应用;2017年15期
2 程光;陈玉祥;;基于支持向量机的加密流量识别方法[J];东南大学学报(自然科学版);2017年04期
【二级参考文献】
相关期刊论文 前4条
1 Jie HE;Yue-xiang YANG;Yong QIAO;Wen-ping DENG;;Fine-grained P2P traffic classification by simply counting flows[J];Frontiers of Information Technology & Electronic Engineering;2015年05期
2 潘吴斌;程光;郭晓军;王艳;;基于选择性集成策略的嵌入式网络流特征选择[J];计算机学报;2014年10期
3 赵博;郭虹;刘勤让;邬江兴;;基于加权累积和检验的加密流量盲识别算法[J];软件学报;2013年06期
4 何高峰;杨明;罗军舟;张璐;;Tor匿名通信流量在线识别方法[J];软件学报;2013年03期
本文编号:2678070
本文链接:https://www.wllwen.com/guanlilunwen/ydhl/2678070.html