对并发 RTP 流进行建模以实现实时通信中的端到端 QoS 预测
网络与互联网体系结构
2024-10-22 v1 机器学习
多媒体
摘要
基于实时传输协议 (RTP) 的实时通信 (RTC) 应用（以视频会议为例）近年来在普及和发展方面经历了前所未有的增长。为了优化其性能，服务质量 (QoS) 指标的预测成为一项关键任务，可增强网络监控和主动解决方案。然而，现有方法仅限于单个 RTP 流和指标，在关系捕捉和计算效率方面存在不足。为此，我们提出了 Packet-to-Prediction (P2P)，一种新颖的深度学习 (DL) 框架，它基于原始数据包，能够同时处理并发 RTP 流并执行多个 QoS 指标的端到端预测。具体来说，我们实现了一种简洁的架构，即带有邻域注意力的无长度限制 Transformer，能够处理任意数量的 RTP 流，并采用多任务学习范式一次性预测四个关键指标。我们的工作基于真实视频通话期间收集的大量流量数据，最终，P2P 在预测性能和时效性方面均优于对比模型。
关键词
引用
@article{arxiv.2410.15846,
title = {Modelling Concurrent RTP Flows for End-to-end Predictions of QoS in Real Time Communications},
author = {Tailai Song and Paolo Garza and Michela Meo and Maurizio Matteo Munafò},
journal= {arXiv preprint arXiv:2410.15846},
year = {2024}
}