Профилирование производительности зашифрованного трафика в сетях доставки контента

Performance Profiling of Encrypted Traffic in Content Delivery Networks
R. Karthikeyan, Kanishka Jha, Rahul Thakur, Alakananda Tripathy, Dr. Julie Sunil, P.S. Raghavendra Rao
2025-11-28

параметры TLS-рукопожатиясети доставки контентаанализ зашифрованного трафикаметаданные на уровне потоковпрофилирование производительности
По мере того как зашифрованный трафик становится стандартом в сетях, сети доставки контента (CDN) сталкиваются с трудностями при профилировании показателей производительности из-за отсутствия доступа к содержимому пакетов. В данной работе представлено комплексное решение задачи анализа шаблонов зашифрованного трафика в CDN с акцентом на профилирование производительности без инспектирования полезной нагрузки. Предлагаемая система использует характеристики потоков трафика, анализ временных рядов трафика и параметры рукопожатия протокола защиты транспортного уровня (TLS) для определения ключевых показателей производительности, включая, помимо прочего, узкие места по задержке и пропускной способности, частоту повторных передач и эффективность доставки. Производительность сетей доставки контента (CDN) при различных нагрузках и использовании разных протоколов шифрования оценивалась с помощью моделей классификации и регрессии, включающих методы машинного обучения. Данные из различных местоположений объединялись и обрабатывались посредством многоуровневого конвейера профилирования, состоящего из извлечения признаков, обнаружения аномалий и прогнозного моделирования. Результаты оценки показывают, что профилирование производительности возможно осуществлять только на основе метаданных на уровне потоков даже при ограничениях, обусловленных шифрованием. Кроме того, результаты свидетельствуют о том, что производительность CDN можно надежно оценивать по временным закономерностям пакетов и интервалам между их последовательными поступлениями. Данное исследование вносит вклад в развивающуюся область аналитики зашифрованного трафика и может использоваться поставщиками услуг, исследователями и разработчиками для совершенствования стратегий доставки контента CDN без нарушения конфиденциальности или приватности пользовательских данных.
1
Предложена комплексная система профилирования производительности CDN при шифровании трафика без анализа содержимого пакетов.
2
Многоуровневый конвейер объединяет данные из разных географических местоположений, выполняя извлечение признаков, обнаружение аномалий и прогнозное моделирование.
3
Методы классификации и регрессии на основе машинного обучения оценивают производительность CDN при различных нагрузках и протоколах шифрования.
4
Характеристики потоков, временные ряды и параметры TLS-рукопожатия позволяют выявлять задержки, узкие места пропускной способности, повторные передачи и эффективность доставки.
5
Временные закономерности движения пакетов и интервалы между их поступлениями позволяют надежно оценивать производительность CDN, сохраняя конфиденциальность пользовательских данных.

зашифрованный трафик в сетях доставки контента (CDN)

профилирование и оценка производительности, включая задержку, узкие места пропускной способности, коэффициенты повторной передачи и эффективность доставки, по метаданным потоков без анализа содержимого полезной нагрузки

Publication Details
Publication Date
2025-11-28
Journal
Publisher
ISSN
Access Type
Author Information
Authors
R. Karthikeyan
Kanishka Jha
Rahul Thakur
Alakananda Tripathy
Dr. Julie Sunil
P.S. Raghavendra Rao
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%