[論文レビュー] Real Time Video Quality Representation Classification of Encrypted HTTP Adaptive Video Streaming - the Case of Safari

Ran Dubin, Amit Dvir+4 more|arXiv (Cornell University)|Feb 1, 2016

Internet Traffic Analysis and Secure E-voting参考文献 5被引用数 13

ひとこと要約

本稿では、HTTPSを介した暗号化HTTP適応ストリーミング（DASH）における品質表現レイヤーを特定するリアルタイムで特徴ベースの分類手法を提示する。特に、SafariのFlashを用いたYouTubeトラフィックを対象として、1次元のビットレート特徴量を用いて各動画セグメントを分析することで、過去や未来のデータに依存せずに、97.18%の平均精度を達成する。この手法により、効果的なトラフィックシェーピングとQoE監視が可能となる。

ABSTRACT

The increasing popularity of HTTP adaptive video streaming services has dramatically increased bandwidth requirements on operator networks, which attempt to shape their traffic through Deep Packet Inspection (DPI). However, Google and certain content providers have started to encrypt their video services. As a result, operators often encounter difficulties in shaping their encrypted video traffic via DPI. This highlights the need for new traffic classification methods for encrypted HTTP adaptive video streaming to enable smart traffic shaping. These new methods will have to effectively estimate the quality representation layer and playout buffer. We present a new method and show for the first time that video quality representation classification for (YouTube) encrypted HTTP adaptive streaming is possible. We analyze the performance of this classification method with Safari over HTTPS. Based on a large number of offline and online traffic classification experiments, we demonstrate that it can independently classify, in real time, every video segment into one of the quality representation layers with 97.18% average accuracy.

研究の動機と目的

• ネットワークオペレータがトラフィックシェーピングに依存するディープパケットインスペクション（DPI）に依存する中で、暗号化HTTP適応ストリーミング（DASH）トラフィックの分類という課題に対処すること。
• エンドツーエンド暗号化されたYouTubeストリームにおいて、Safariを介してHTTPS経由でリアルタイムで動画品質表現レイヤー（例：360p、720p）を特定できること。
• ネットワーク最適化およびQoE監視に活用可能な、クライアント再生バッファレベルの正確な推定を実現すること。
• 遅延やパケット損失などのネットワーク変動に対しても耐性があり、高い精度を維持する分類手法の開発。
• 将来の暗号化適応ストリーミング環境における他のブラウザやプロトコル（例：HTTP/2、QUIC）の分類基盤を提供すること。

提案手法

• 各動画セグメントを独立して分類する手法であり、過去や未来のセグメントに依存しない。ネットワークトラフィックから抽出した1次元のビットレート特徴量を用いる。
• パケット間隔時間とペイロードサイズから導出される統計的特徴量を活用し、各セグメントごとのビットレートを推定。この推定値は、既知の品質レイヤー（例：360p、720p）にマッピングされる。
• 分類器は、YouTubeの固定モードおよび自動モードストリームのオフライントレーニングデータに基づき、各特徴量の平均ビットレートを最も近い既知の品質レイヤーに閾値ベースでマッピングする。
• 本手法は、Safari（Flashプレーヤー）を用いたHTTPS経由で収集したオフラインおよびオンラインのトラフィックトレースを用いて評価された。実世界のYouTube動画セッションを対象にした。
• パケット損失（最大10%）およびネットワーク遅延（最大500ms）を含むさまざまなネットワーク条件での耐性をテスト。性能は混同行列およびバッファ推定精度によって測定された。
• ナイーブなビットレート分類器およびマルウェアファンデルプリントベースのアルゴリズムと比較され、品質レイヤーの特定において優れた性能を示した。

実験結果

リサーチクエスチョン

• RQ1 暗号化HTTP適応ストリーミング（DASH）における動画品質表現レイヤーは、プレーンテキストコンテンツにアクセスできない状況でもリアルタイムに分類可能か？
• RQ2 Safariを用いたHTTPSストリームで、ビットレートに基づく分類手法は、YouTubeストリームの品質レベルをどの程度正確に特定できるか？
• RQ3 パケット損失や遅延などのネットワーク障害が生じた場合、分類の耐性はどの程度保たれるか？
• RQ4 ネットワーク最適化の目的に応じて、クライアント再生バッファレベルを十分な精度で推定できるか？
• RQ5 ナイーブなビットレート分類やマルウェアファングプリントベースの手法と比較して、本手法の精度および特徴量の有効性はどの程度高いか？

主な発見

• 本手法は、Safariを用いたHTTPS経由の固定モードYouTubeストリーミングで97.18%、自動モードストリーミングで97.14%の平均分類精度を達成した。
• 分類器は、1特徴量あたり平均0.035秒の誤差でクライアント再生バッファを推定し、全動画期間を通じて合計0.276秒のドリフトを示した。
• ナイーブなビットレート分類器（88.23%）およびマルウェアファングプリントベースの手法（時間差で38.26%、ビットレートで81.46%）に比べ、本手法は8.95%の精度向上を示した。
• 3%のパケット損失条件下では分類精度が20%低下し、10%の損失では73%まで低下した。これは損失イベントに対して感受性が高いことを示している。
• 500msの遅延と10%のパケット損失が同時に発生した場合、精度は70%に低下したが、このような状態では動画品質が極めて低くなり（QoEが著しく低下）、実用的影響は限定的である。
• 本手法は高パケット損失に対しては耐性がなく、将来的に損失イベントへの耐性を高めることを主な研究方向として特定した。