[發明專利]一種基于加密流量數據的視頻服務體驗質量的識別方法

有效

• 申請號: 201910019374.0
• 申請日: 2019-01-09
• 公開（公告）號: CN109905696B
• 公開（公告）日: 2020-12-01
• 發明（設計）人: 陳銳;杜歆
• 申請（專利權）人: 浙江大學
• 主分類號: H04N17/00
• 分類號: H04N17/00;G06N3/08
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 邱啟旺

本發明公開了一種基于加密流量數據的視頻服務體驗質量的識別方法。所述方法包括：獲取視頻播放時的加密流量文件以及相應的事件信息；對所述的事件信息進行處理，以確定該次播放的QoE等級；對所述的加密流量文件進行預處理，得到TCP流數據；以所述的QoE等級作為標簽，所述的TCP流數據作為特征，構建端到端的深度學習模型；所述模型可根據加密流量文件識別視頻播放的QoE等級。本發明提供的視頻QoE等級識別方法，能夠準確的對視頻QoE等級進行識別，并且提供了完全自動化的方案。

技術領域

本發明涉及多傳感器采集和流量分類領域，尤其涉及一種基于加密流量數據的視頻服務體驗質量(Quality of Experience，QoE)的識別方法。

背景技術

視頻服務體驗質量等級識別技術是指視頻服務的用戶在觀看視頻后，對用戶的服務使用體驗進行識別的技術。利用該技術，網絡服務提供商可以動態的調整網絡參數來提高帶寬利用率。

視頻QoE評估主要通過主觀評估或客觀評估來獲取，由于主觀評估耗時長代價高，且無法覆蓋所有的網絡狀況及用戶觀看習慣。因此越來越多視頻服務商改用客觀評估來克服主觀評估的不足。然而，客觀評估需要建立與主觀感受相映射的客觀視頻體驗質量評估模型，再根據QoE評估模型的關鍵性能指標(Key Performance Indicators,KPIs)來反映用戶的視頻QoE。而評估模型中的KPIs參數都需要通過視頻碼率或清晰度來計算獲取。對于網絡服務提供商來說，常用的QoE識別步驟為：

(1)基于深度包解析技術從網絡流量數據中獲取視頻服務的碼率、清晰度等KPIs參數；

(2)利用預定義的客觀QoE評估模型對視頻服務的QoE進行評估。

但是，實際應用中，越來越多的視頻服務采用加密傳輸，這使得基于深度包解析技術的KPIs識別方法失效了。

為了解決加密條件下，基于深度包解析的KPI試試別技術失效的問題，研究人員提出了基于流的深度解析方法。其基本步驟為：

(1)收集視頻服務的TCP/UDP流以及對應的QoE等級作為訓練樣本。

(2)從TCP/UDP流中提取與KPIs相關的特征。

(3)訓練機器學習模型進行QoE識別。

但是，在實際應用中，基于流的深度解析方法往往存在以下問題：

(1)帶有QoE等級標簽的數據難以自動化收集。

(2)特征往往需要專家設計以及篩選。

由于上述問題，導致該方案難以應用。

發明內容

本發明的目的在于針對現有技術的不足，提供一種基于加密流量數據的視頻服務體驗質量的識別方法。

本發明的目的是通過以下技術方案來實現的：一種基于加密流量數據的視頻服務體驗質量的識別方法，包括以下步驟：

(1)收集帶有QoE等級標簽的加密流量網絡視頻播放數據，構建訓練集：記錄目標視頻在播放過程中產生的事件信息和加密流量數據，通過對事件信息預處理得到本次播放的QoE標簽，通過對加密流量數據預處理得到TCP流文件，所述QoE標簽和對應的TCP流文件構成訓練集。

(2)利用構建的訓練集訓練神經網絡分類模型。

(3)獲取待測網絡視頻在播放過程中產生的加密流量數據，對加密流量數據預處理得到TCP流文件，再利用步驟2訓練的神經網絡分類模型生成視頻播放的QoE等級。

進一步地，所述的步驟1在數據采集裝置上實現。所述數據采集裝置包括：