Drop the packets: using coarse-grained data to detect video performance issues
Drop the packets: using coarse-grained data to detect video performance issues
复制标题
丢弃数据包：使用粗粒度数据检测视频性能问题
DOI：
10.1145/3386367.3431294
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
Ammar, Mostafa
中科院分区：
文献类型：
--
作者：
Mangla, Tarun;Halepovic, Emir;Zegura, Ellen;Ammar, Mostafa
了解最终用户视频体验质量（QoE）对于互联网服务提供商（ISP）非常重要。现有的工作提出了使用网络测量数据来估计视频QoE的机制。这些机制中的大多数都假设可以访问数据包级别的跟踪，即网络中可用的最详细的数据。然而，在网络范围内收集数据包级跟踪可能具有挑战性。因此，我们提出这样一个问题："使用轻量级、随时可用但粒度较粗的网络数据来估计视频QoE是否可行？“我们特别考虑了传输层安全（TLS）事务形式的数据，这些数据可以使用标准代理收集，并提出了一种基于机器学习的方法来估计QoE。我们对三种流行的流媒体服务的评估表明，使用TLS事务的估计准确率很高（高达72%），在检测低QoE（低视频质量或高重新缓冲）实例时的召回率高达85%。与数据包跟踪相比，估计准确度（召回率）低7%（9%），但计算开销低60倍。
Understanding end-user video Quality of Experience (QoE) is important for Internet Service Providers (ISPs). Existing work presents mechanisms that use network measurement data to estimate video QoE. Most of these mechanisms assume access to packet-level traces, the most-detailed data available from the network. However, collecting packet-level traces can be challenging at a network-wide scale. Therefore, we ask:"Is it feasible to estimate video QoE with lightweight, readily-available, but coarse-grained network data?" We specifically consider data in the form of Transport Layer Security (TLS) transactions that can be collected using a standard proxy and present a machine learning-based methodology to estimate QoE. Our evaluation with three popular streaming services shows that the estimation accuracy using TLS transactions is high (up to 72%) with up to 85% recall in detectinglowQoE (lowvideo quality orhighre-buffering) instances. Compared to packet traces, the estimation accuracy (recall) is 7% (9%) lower but has up to 60 times lower computation overhead.
登录
查看更多内容
DOI：
10.1007/978-3-319-15509-8_20
发表时间：
2015-03
期刊：
--
影响因子：
--
作者：
Xing Xu;Yurong Jiang;Tobias Flach;Ethan Katz-Bassett;D. Choffnes;R. Govindan
通讯作者：
Xing Xu;Yurong Jiang;Tobias Flach;Ethan Katz-Bassett;D. Choffnes;R. Govindan
PAIN：ISP 的被动网络速度指示器
DOI：
10.1145/3098603.3098605
发表时间：
2017
期刊：
Proceedings of the Workshop on QoE-based Analysis and Management of Data Communication Networks
影响因子：
--
作者：
Martino Trevisan;I. Drago;M. Mellia
通讯作者：
M. Mellia
DOI：
10.1109/noms47738.2020.9110267
发表时间：
2020
期刊：
NOMS 2020 - 2020 IEEE/IFIP Network Operations and Management Symposium
影响因子：
--
作者：
Frank Loh;Florian Wamser;Christian Moldovan;Bernd Zeidler;D. Tsilimantos;S. Valentin;T. Hossfeld
通讯作者：
T. Hossfeld
VideoNOC：使用无源测量评估网络运营商的视频 QoE
DOI：
10.1145/3204949.3204956
发表时间：
2018
期刊：
Proceedings of the 9th ACM Multimedia Systems Conference
影响因子：
--
作者：
Tarun Mangla;E. Zegura;M. Ammar;Emir Halepovic;Kyung;R. Jana;M. Platania
通讯作者：
M. Platania