prikaz prve stranice dokumenta Procjena performansi usluge YouTube na platformi iOS na osnovu analize kriptiranog prometa uporabom tehnike strojnog učenja
Rad nije dostupan
diplomski rad
Procjena performansi usluge YouTube na platformi iOS na osnovu analize kriptiranog prometa uporabom tehnike strojnog učenja
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2018. urn:nbn:hr:168:614126
Rebernjak, Petra
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Rebernjak, P. (2018). Procjena performansi usluge YouTube na platformi iOS na osnovu analize kriptiranog prometa uporabom tehnike strojnog učenja (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:614126

Rebernjak, Petra. "Procjena performansi usluge YouTube na platformi iOS na osnovu analize kriptiranog prometa uporabom tehnike strojnog učenja." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2018. https://urn.nsk.hr/urn:nbn:hr:168:614126

Rebernjak, Petra. "Procjena performansi usluge YouTube na platformi iOS na osnovu analize kriptiranog prometa uporabom tehnike strojnog učenja." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2018. https://urn.nsk.hr/urn:nbn:hr:168:614126

Rebernjak, P. (2018). 'Procjena performansi usluge YouTube na platformi iOS na osnovu analize kriptiranog prometa uporabom tehnike strojnog učenja', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 26.12.2024., https://urn.nsk.hr/urn:nbn:hr:168:614126

Rebernjak P. Procjena performansi usluge YouTube na platformi iOS na osnovu analize kriptiranog prometa uporabom tehnike strojnog učenja [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2018 [pristupljeno 26.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:614126

P. Rebernjak, "Procjena performansi usluge YouTube na platformi iOS na osnovu analize kriptiranog prometa uporabom tehnike strojnog učenja", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2018. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:614126

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:614126
Podaci o radu
NaslovProcjena performansi usluge YouTube na platformi iOS na osnovu analize kriptiranog prometa uporabom tehnike strojnog učenja
Naslov (engleski)A Machine Learning Approach to Estimating YouTube Performance on the iOS Platform Based on the Analysis of Encrypted Network Traffic
AutorPetra Rebernjak
MentorLea Skorin-Kapov (mentor)
Član povjerenstvaLea Skorin-Kapov (predsjednik povjerenstva)
Član povjerenstvaOgnjen Dobrijević (član povjerenstva)
Član povjerenstvaMirko Sužnjević (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2018-07-10, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
YouTube je danas jedna od najpopularnijih usluga za dostavu video sadržaja na Internetu, koja se temelji na prilagodljivom strujanju putem protokola HTTP. Davatelji mrežnih usluga uglavnom nemaju uvid u performanse i parametre kvalitete YouTube tokova koji prolaze njihovom mrežom, obzirom da je YouTube-ov promet kriptiran. Rješenja koja koriste tehnike strojnog učenja za procjenu iskustvene kvalitete temeljem analize značajki mrežnog prometa mogla bi riješiti ovaj problem. S ciljem analize ponašanja YouTube-a na operacijskom sustavu iOS i razvoja metodologije za procjenu iskustvene kvalitete korisnika isključivo na temelju statistika šifriranog mrežnog prometa, u testnim eksperimentima prikupljani su podatci aplikacijskog sloja te je sniman promet u mreži. Podatci aplikacijskog sloja bilježeni su na temelju "Stats for Nerds" podataka dostupnih unutar YouTube aplikacije. Svaki video iz testnog eksperimenta predstavljen je značajkama iz prometa te označen stvarnim razredom iskustvene kvalitete na temelju podataka aplikacijskog sloja. Takvi podatci korišteni su za treniranje i evaluaciju modela strojnog učenja. Konačni skup podataka sastoji se od 329 YouTube videa označenih "low", "medium" i "high" razredima iskustvene kvalitete. Nekoliko je klasifikacijskih modela temeljenih na decizijskim stablima trenirano i evaluirano. F1-mjera najboljeg modela postiže 96.4% na prikupljenom skupu podataka.
Sažetak (engleski)
YouTube relies on HTTP adaptive streaming and is one of the most popular media delivery services on the Internet today. Currently, YouTube traffic transmitted over the network is encrypted, hence network providers are missing mechanisms for estimating application performance degradation events, such as stalling and quality switches. Solutions based on machine learning approaches for estimating performance solely from encrypted network traffic show promising results. In order to analyse the YouTube adaptation algorithm on the iOS platform, and develop a methodology for estimating QoE based on encrypted traffic analysis, both application-layer events, derived from the native YouTube player by enabling "Stats for Nerds" option, and encrypted network traffic were collected during experiments. Input to machine learning models is prepared by labelling encrypted network traffic features with QoE class derived from the application-level KPIs for each video played in the experiments. A total of 329 YouTube videos were streamed over 33 bandwidth scenarios, and each video was labeled with "low", "medium" or "high" QoE class. Multiple tree-based classification models were trained and evaluated. Overall performance of the developed machine learning model reached the F1-score of 96.4% on the collected dataset.
Ključne riječi
Ključne riječi (engleski)
Jezikengleski
URN:NBNurn:nbn:hr:168:614126
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2019-03-14 00:24:44