视频流量逐渐在网络中占据主导地位,且视频平台大多对其进行加密传输。虽然加密传输视频可以有效保护用户隐私,但是也增加了监管有害视频传播的难度.现有的加密视频识别方法基于TCP(Transmission Control Protocol)传输协议头部信息和HT...视频流量逐渐在网络中占据主导地位,且视频平台大多对其进行加密传输。虽然加密传输视频可以有效保护用户隐私,但是也增加了监管有害视频传播的难度.现有的加密视频识别方法基于TCP(Transmission Control Protocol)传输协议头部信息和HTTP/1.1(Hypertext Transfer Protocol Version1.1)的传输模式,提取应用层音视频数据单元传输长度序列来实现视频识别.但是随着基于UDP(User Datagram Protocol)的QUIC(Quick UDP Internet Connections)协议及基于QUIC实现的HTTP/3(Hypertext Transfer Protocol Version 3)协议应用于视频传输,已有方法不再适用.HTTP/3协议缺少类似TCP的头部信息,且使用了多路复用机制,并对几乎所有数据进行了加密,此外,视频平台开始使用多片段合并分发技术,这给从网络流量中精准识别加密视频带来了巨大挑战。本文基于HTTP/3协议中的控制信息特征,提出了从HTTP/3加密视频流中提取数据传输特征并进行修正的方法,最大程度复原出应用层音视频长度特征.面向多片段合并分发导致的海量匹配问题,本文基于明文指纹库设计了键值数据库来实现视频的快速识别.实验结果表明,本文提出的基于HTTP/3传输特性的加密视频识别方法能够在包含36万个真实视频指纹的YouTube大规模指纹库中达到接近99%的准确率,100%的精确率以及99.32%的F1得分,对传输过程中加人了填充顿的Facebook平台,在包含28万个真实视频指纹的大规模指纹库中达到95%的准确率、100%的精确率以及96.45%的F1得分,在具有同样特性的Instagram平台中,最高可达到97.57%的F1得分,且本方法在所有指纹库中的平均视频识别时间均低于0.4秒.本文的方法首次解决了使用HTTP/3传输的加密视频在大规模指纹库场景中的识别问题,具有很强的实用性和通用性.展开更多
近年来,基于HTTP(Hyper Text Transport Protocol)的网络视频流传输方式越来越受到人们的关注,同时出现了若干相近的解决方案,实现了在HTTP上的动态自适应视频流传输。MPEG和3GPP在这些方案的基础上制定了一个新的基于HTTP的网络动态自...近年来,基于HTTP(Hyper Text Transport Protocol)的网络视频流传输方式越来越受到人们的关注,同时出现了若干相近的解决方案,实现了在HTTP上的动态自适应视频流传输。MPEG和3GPP在这些方案的基础上制定了一个新的基于HTTP的网络动态自适应流传输标准——DASH,并成为ISO/IEC国际标准于2012年正式发布。DASH系统工作于普通的Web服务器/客户端方式,它将同一内容的多个不同质量的视频流分片、定位和描述,使得这些视频分片能够如同普通文件一样通过HTTP协议在网络中传输。用户可以向服务器请求所需的视频,动态自适应地根据自己的网络带宽、接受能力进行选择、接收、解码和播放。DASH为视频流传输提供了一种高效、便捷的传送方式,特别适用于视频直播、点播、多屏显示等业务。随着DASH标准的逐渐完善,基于HTTP的网络视频流传输必将具有更加广泛的应用前景。展开更多
文摘视频流量逐渐在网络中占据主导地位,且视频平台大多对其进行加密传输。虽然加密传输视频可以有效保护用户隐私,但是也增加了监管有害视频传播的难度.现有的加密视频识别方法基于TCP(Transmission Control Protocol)传输协议头部信息和HTTP/1.1(Hypertext Transfer Protocol Version1.1)的传输模式,提取应用层音视频数据单元传输长度序列来实现视频识别.但是随着基于UDP(User Datagram Protocol)的QUIC(Quick UDP Internet Connections)协议及基于QUIC实现的HTTP/3(Hypertext Transfer Protocol Version 3)协议应用于视频传输,已有方法不再适用.HTTP/3协议缺少类似TCP的头部信息,且使用了多路复用机制,并对几乎所有数据进行了加密,此外,视频平台开始使用多片段合并分发技术,这给从网络流量中精准识别加密视频带来了巨大挑战。本文基于HTTP/3协议中的控制信息特征,提出了从HTTP/3加密视频流中提取数据传输特征并进行修正的方法,最大程度复原出应用层音视频长度特征.面向多片段合并分发导致的海量匹配问题,本文基于明文指纹库设计了键值数据库来实现视频的快速识别.实验结果表明,本文提出的基于HTTP/3传输特性的加密视频识别方法能够在包含36万个真实视频指纹的YouTube大规模指纹库中达到接近99%的准确率,100%的精确率以及99.32%的F1得分,对传输过程中加人了填充顿的Facebook平台,在包含28万个真实视频指纹的大规模指纹库中达到95%的准确率、100%的精确率以及96.45%的F1得分,在具有同样特性的Instagram平台中,最高可达到97.57%的F1得分,且本方法在所有指纹库中的平均视频识别时间均低于0.4秒.本文的方法首次解决了使用HTTP/3传输的加密视频在大规模指纹库场景中的识别问题,具有很强的实用性和通用性.
文摘近年来,基于HTTP(Hyper Text Transport Protocol)的网络视频流传输方式越来越受到人们的关注,同时出现了若干相近的解决方案,实现了在HTTP上的动态自适应视频流传输。MPEG和3GPP在这些方案的基础上制定了一个新的基于HTTP的网络动态自适应流传输标准——DASH,并成为ISO/IEC国际标准于2012年正式发布。DASH系统工作于普通的Web服务器/客户端方式,它将同一内容的多个不同质量的视频流分片、定位和描述,使得这些视频分片能够如同普通文件一样通过HTTP协议在网络中传输。用户可以向服务器请求所需的视频,动态自适应地根据自己的网络带宽、接受能力进行选择、接收、解码和播放。DASH为视频流传输提供了一种高效、便捷的传送方式,特别适用于视频直播、点播、多屏显示等业务。随着DASH标准的逐渐完善,基于HTTP的网络视频流传输必将具有更加广泛的应用前景。
