SafeSABR：面向 Starlink 网络的风险校准自适应比特率流
系统与控制
2026-05-28 v2 网络与互联网体系结构
系统与控制
摘要
Starlink 作为代表性低轨道（LEO）卫星宽带系统，使得在缺乏陆地宽带的地区实现高比特率视频流式传输成为可能。然而，其接入链路因卫星运动和切换而导致快速的吞吐量波动。现有学习型自适应比特率（ABR）算法可实现高平均用户体验（QoE），但高比特率 Starlink 流式传输会暴露出严重的会话级重缓冲问题，这一问题未被平均 QoE alone 所捕获。为此，本文提出 SafeSABR，一个面向 Starlink 网络的风险校准学习型 ABR 框架。SafeSABR 将 Starlink ABR 建模为 QoE 与严重风险的权衡，并遵循三阶段设计：行为克隆预训练学习高 QoE ABR 先验，风险校准强化学习（RL）微调降低严重尾部动作倾向，运行时安全审计器使用安全容量下界检查策略请求的比特率后再执行。在真实 Starlink 轨迹上进行实验，比较 SafeSABR 与在线型、预测辅助型和学习型 ABR 基线方法。与高级方法相比，SafeSABR 将严重停顿会话比例从 22.8% 降至 7.2%，最坓 5% 会话重缓冲时间从 54.30 秒降至 22.68 秒，同时仅以 1.8% 的 QoE 代价。组件分析进一步表明，风险校准微调和安全容量审计减少了不安全的比特率决策及随后的严重会话重缓冲。这些结果表明，结合风险校准的策略学习与决策感知的安全吞吐量预测，可使学习型 ABR 在波动的 Starlink 网络中走向更安全的 QoE-严重风险运行点。
引用
@article{arxiv.2605.23560,
title = {SafeSABR: Risk-Calibrated Adaptive Bitrate Streaming over Starlink Networks},
author = {Hongjun Xie and Jiahang Zhu and Zhiming Shao and Chao Fan and Zenghui Zhang and Genke Yang and Pengcheng Luo},
journal= {arXiv preprint arXiv:2605.23560},
year = {2026}
}