计算机工程与科学

作者：马心宇, 李彤, 曹景堃, 吴波, 孙永谦, 赵乙

单位：1.中国人民大学数据工程与知识工程教育部重点实验室，北京 100872；2.中国人民大学信息学院，北京 100872；3.腾讯科技有限公司，北京 100080；4.南开大学软件学院，天津 300350；5.北京理工大学网络空间安全学院，北京 100081

关键词：QoS-QoE,异常检测,因果分析,实时通信,

基金：国家自然科学基金(62202473，62302244); 中国人民大学建设世界一流大学(学科)基金；腾讯基础平台技术犀牛鸟专项研究计划

在实时音视频传输中，QoS指标反映服务端可感知的网络情况，QoE指标直接体现用户侧对视频业务的满意程度，尽管QoE指标是服务提供商更为关注的指标，但是由于接口适配和用户隐私保护等问题，云服务提供商往往不能实时获得QoE数据，因此无法及时对可能发生的QoE异常进行预测并采取优化措施。由于QoS-QoE存在一定映射关系，提出一种基于服务端的QoS指标实现对QoE指标进行瓶颈检测的模型，可以减少运维人员定位的工作量，提高网络优化效率。模型使用不平衡决策树进行QoS-QoE预测，实现QoE异常检测。使用LSTM回归模型进行因果分析，实现瓶颈定位。实验表明该模型对QoE异常检测有较高准确率，并且可以发掘传输过程中对传输结果影响较大的QoS指标。

来源：2024年第11期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2024年第11期