基于QUIC的加密网页流量的体验质量指标监控方法技术

本发明专利技术公开了一种基于QUIC的加密网页流量的体验质量指标监控方法，其流程包括：步骤S1：训练阶段；利用网页访问中的包轨迹，提取每个包的特征，训练机器学习模型；步骤S2：测试阶段；利用训练好的机器学习模型，从测试网页的数据包跟踪中提取特征集，进行测试来得到体验质量的度量。本发明专利技术具有原理简单、易操作和实现、实时性好、适用范围广等优点。适用范围广等优点。适用范围广等优点。

【技术实现步骤摘要】
基于QUIC的加密网页流量的体验质量指标监控方法


[0001]本专利技术主要涉及到网络通信
，特指一种基于QUIC的加密网页流量的体验质量指标监控方法。

技术介绍

[0002]由于安全和隐私方面考虑，互联网流量加密正在迅速增加，70％的互联网流量已经加密。虽然加密工作主要集中在应用层(例如，TLS)，但是最近也有从业者尝试集中在传输层(例如，QUIC，Quick UDP Internet Connection)部署端到端加密。假设加密趋势会继续下去，也许在未来会进一步加速。
[0003]网页内容提供商可以直接获取在浏览器上测量的体验质量指标，体验质量缺陷可能是由于网页内容提供者过载的服务器或者网络运营商在网络拥塞情况下的各种问题造成的。为了减轻由于网络问题造成的体验质量损失，网络运营商需要能够测量和监控体验质量指标。网络运营商可以通过对应用层报头信息进行DPI(Deep Packet Inspection)来实现这一点。然而，网页内容提供商越来越多地部署端到端加密技术，使得网络运营商无法用DPI来监控体验质量指标，因此网络运营商现在只需要从他们可见的信息，实时推断正在进行的加密网页流量的体验质量指标。
[0004]端到端加密对安全和隐私至关重要，但它从根本上限制了网络运营商的体验质量和网络管理的范围。随着网页使用的普及，现在大部分互联网流量都是由网页访问构成的，网络运营商采用多种严格的网络管理机制来满足现代网页访问应用程序的体验质量要求。具体来说，由于持牌无线电频谱是一项昂贵而稀缺的资源，流动网络营办商采用基于深度分组检查(DPI)的网络管理技术来优化带宽，并有效地在用户之间共享无线电频谱。然而，加密技术打破了目前网络运营商用于监控和优化体验质量的网络管理机制，有从业者之前试图通过各种启发式的基于机器学习的方法来解决加密流量的体验质量监控问题。
[0005]加密网页体验质量监控的研究存在两个关键的局限性：首先，现有将加密网页体验质量监控视为一次性的事后推理问题，需要更细粒度的实时体验质量监控，以适应动态资源分配。但是，实时网页体验质量推理会检测和减轻体验质量损伤，因为它们影响用户体验。其次，之前的工作只考虑了通过HTTPS加密视频流的体验质量监控，然而，使用新的加密传输协议，比如基于UDP的QUIC协议，正在成为传输网页数据流的流行协议。
[0006]一个加密网页流量可以由一个或多个连续的或并行的流组成(由源地址、目的地址、源端口、目的端口和传输协议类型唯一的5元组标识)，因此只需要收集网络的报文头信息就行了。但是，由于使用了端到端加密协议(如HTTPS或者QUIC)，应用程序报文头信息是不可访问的。对于每个流量，网络运营商都能够存储数据包信息在移动时间窗口10秒钟，每5秒轮班一次，时间窗和移位的确切持续时间是任意选择的，如果需要更改，窗口发生移位时，数据只为最后一个保留前一个时间窗口5秒钟。

技术实现思路

[0007]本专利技术要解决的技术问题就在于：针对现有技术存在的技术问题，本专利技术提供一种原理简单、易操作和实现、实时性好、适用范围广的基于QUIC的加密网页流量的体验质量指标监控方法。
[0008]为解决上述技术问题，本专利技术采用以下技术方案：
[0009]一种基于QUIC的加密网页流量的体验质量指标监控方法，其流程包括：
[0010]步骤S1：训练阶段；利用网页访问中的包轨迹，提取每个包的特征，训练机器学习模型；
[0011]步骤S2：测试阶段；利用训练好的机器学习模型，从测试网页的数据包跟踪中提取特征集，进行测试来得到体验质量的度量。
[0012]作为本专利技术的进一步改进：所述步骤S1的流程包括：
[0013]步骤S101、访问一组网页，并记录其在网络中的包轨迹，以及网页直接访问浏览器获得的实况网页体验质量指标；
[0014]步骤S102、对于每个包的跟踪，从网络层和传输层报头中提取一组全面的特征；
[0015]步骤S103、给定在不同网络条件下访问足够多的网页，针对不同的体验指标训练监督的机器学习模型，完成训练阶段。
[0016]作为本专利技术的进一步改进：所述网络层特征来自IP报头中的信息，所述传输层特征来自UDP报头中的信息；
[0017]作为本专利技术的进一步改进：每个所述网络层特征和传输层特征分别用于上游和下游流量。
[0018]作为本专利技术的进一步改进：所述网络层特征包括包到达间隔时间和包大小。
[0019]作为本专利技术的进一步改进：从包跟踪中提取的特征还分为基于窗口的特征和基于包的特征；所述基于窗口的特征是通过聚合在时间窗口内到达的所有数据包的信息来计算的，所述基于包的特征通过分析单个包来计算的，然后汇总统计数据。
[0020]作为本专利技术的进一步改进：所述基于包的特征包括如平均值、中值、最大值、最小值、标准差、峰度和偏度中的一个或多个。
[0021]作为本专利技术的进一步改进：所述基于窗口的特征，在第一个时间窗口中，只提取一次访问延迟特征；对于其余每个时间窗口，以连续的方式提取网页质量的特征。
[0022]作为本专利技术的进一步改进：所述传输层特征包括每个包的重传和通告的接收窗口，RTT仅对上行流量使用报文序列号及其对应的确认进行计算，忽略重传报文。
[0023]作为本专利技术的进一步改进：运行中的起始字节和结束字节对应于起始和结束时违背确认的字节数，结束当前时间窗口。
[0024]与现有技术相比，本专利技术的优点就在于：
[0025]本专利技术的基于QUIC的加密网页流量的体验质量指标监控方法，原理简单、易操作和实现，实时性好、监控精度高，本专利技术为一种基于机器学习的方法来监控加密网页流量的体验质量指标的方法，它利用网络层和运输层的标记信息作为特征来训练机器学习分类器，从而推断出网页加载的体验质量指标，根据本专利技术提出的方法，可以实时检测和应对加密网页的体验质量缺陷。
附图说明
[0026]图1是本专利技术方法的流程示意图。
[0027]图2是本专利技术在具体应用实例中从包跟踪中提取的网络层和传输层特征表。
[0028]图3是本专利技术在具体应用实例中推断QUIC上网页的访问延迟的决策树模型示意图。
具体实施方式
[0029]以下将结合说明书附图和具体实施例对本专利技术做进一步详细说明。
[0030]如图1所示，本专利技术基于QUIC的加密网页流量的体验质量指标监控方法，是一种基于机器学习的加密网页体验质量监控方法，其流程包括：
[0031]步骤S1：训练阶段；利用网页访问中的包轨迹，提取每个包的特征，训练机器学习模型；
[0032]步骤S2：测试阶段；利用训练好的机器学习模型，从测试网页的数据包跟踪中提取特征集，进行测试来得到体验质量的度量。
[0033]在具体应用实例中，所述步骤S1的流程包括：
[0034]步骤S101、访问一组网页，并记录其在网络中的包轨迹，以及网页直接访问浏览器获得的实况网页体验质量指本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于QUIC的加密网页流量的体验质量指标监控方法，其特征在于，流程包括：步骤S1：训练阶段；利用网页访问中的包轨迹，提取每个包的特征，训练机器学习模型；步骤S2：测试阶段；利用训练好的机器学习模型，从测试网页的数据包跟踪中提取特征集，进行测试来得到体验质量的度量。2.根据权利要求1所述的基于QUIC的加密网页流量的体验质量指标监控方法，其特征在于，所述步骤S1的流程包括：步骤S101、访问一组网页，并记录其在网络中的包轨迹，以及网页直接访问浏览器获得的实况网页体验质量指标；步骤S102、对于每个包的跟踪，从网络层和传输层报头中提取一组全面的特征；步骤S103、给定在不同网络条件下访问足够多的网页，针对不同的体验指标训练监督的机器学习模型，完成训练阶段。3.根据权利要求2所述的基于QUIC的加密网页流量的体验质量指标监控方法，其特征在于，所述网络层特征来自IP报头中的信息，所述传输层特征来自UDP报头中的信息。4.根据权利要求3所述的基于QUIC的加密网页流量的体验质量指标监控方法，其特征在于，每个所述网络层特征和传输层特征分别用于上游和下游流量。5.根据权利要求3所述的基于QUIC的加密网页流量的体验质量指标监控方法，其特征在于，所述网络层特征包括包到达间隔时间和包大小。6.根据权...

【专利技术属性】
技术研发人员：吴纯青，刘霞，
申请(专利权)人：广东天镝科技有限公司，
类型：发明
国别省市：