面向动态DASH视频流的加密流量高效识别技术研究及其在公共安全中的应用

《Science China-Information Sciences》：Dive into streaming: efficient identification of encrypted dynamic DASH video traffic

来自各地的研究人员针对加密动态DASH视频流量识别难题，开展多媒体流传输机制研究。通过解析分段组合模式生成视频指纹，利用块转移图与多源最短距离计算实现高效识别。实验表明仅需35秒流量即可达到0.975识别准确率，对恶劣网络条件等复杂场景具有强鲁棒性。

　　

随着互联网中加密视频流量的激增，针对特定视频（如宣扬暴力或自杀的有害内容）的加密流量识别对公共安全与网络监管具有重要意义。当前多媒体流技术（尤其是采用分段组合机制的动态DASH标准）的发展使传统识别方法失效，真实网络环境的复杂性进一步加剧了识别挑战。本研究首次对融合分段组合机制的多媒体流进行深度分析，揭示了其视频流量特征与组合模式规律。基于此提出Evi高效识别方案：通过训练集学习的组合模式从多媒体分段（multimedia segments）生成视频指纹（video fingerprints），在识别阶段联合流量数据与指纹构建块转移图（chunk transition graphs），并借助图上的多源最短距离（multi-source shortest distances）计算实现精准识别。评估结果显示，Evi在开放世界实验中仅需约35秒视频流量即可达到0.975的平均准确率，且对包括恶劣网络条件在内的多种流媒体场景均表现出强鲁棒性（robustness）。