손동현
(Seoul National University Department of Computer Science and Engineering)
,
최대진
(Seoul National University Department of Computer Science and Engineering)
,
최낙중
(Bell Labs)
,
송정환
(Seoul National University Department of Computer Science and Engineering)
,
권태경
(Seoul National University Department of Computer Science and Engineering)
인터넷을 이용하는 사용자의 관점이 호스트 중심에서 콘텐트 중심으로 변화하면서 콘텐트 중심 네트워크 (Content Centric Network, 이하 CCN)라는 새로운 패러다임이 소개되었다. 한편, 최근 비디오 스트리밍에 대한 수요가 급증하고 있으며 더 높은 사용자의 만족도를 위한 적응형스트리밍이 소개되면서 많은 연구가 진행 중에 있다. 따라서 CCN에서도 사용자의 수요에 따라 적응형 스트리밍을 고려할 필요성이 있다. 하지만 CCN에서 기존의 네트워크 구조에서와 동일한 방식으로 적응형 비디오 스트리밍 서비스를 할 경우 CCN 라우터 내 캐시를 (CS) 충분히 활용하지 못한다는 한계점이 있으며 또한 단말의 달라지는 요구 사항을 캐시 활용에 반영할 수 없는 문제점도 있다. 따라서 본 논문에서는 정규표현식을 활용한 콘텐트 네이밍 방식을 적용하여 기존 적응형 스트리밍 비트레이트 선택 알고리즘의 캐시활용도를 높이면서도 CCN의 기본 프로토콜에 적합한 프레임워크를 제시하고, 단말의 상태에 따라 동적인 표현식 기술 전략 및 선택 알고리즘을 통하여 비디오 스트리밍 품질을 개선하고자 한다.
인터넷을 이용하는 사용자의 관점이 호스트 중심에서 콘텐트 중심으로 변화하면서 콘텐트 중심 네트워크 (Content Centric Network, 이하 CCN)라는 새로운 패러다임이 소개되었다. 한편, 최근 비디오 스트리밍에 대한 수요가 급증하고 있으며 더 높은 사용자의 만족도를 위한 적응형 스트리밍이 소개되면서 많은 연구가 진행 중에 있다. 따라서 CCN에서도 사용자의 수요에 따라 적응형 스트리밍을 고려할 필요성이 있다. 하지만 CCN에서 기존의 네트워크 구조에서와 동일한 방식으로 적응형 비디오 스트리밍 서비스를 할 경우 CCN 라우터 내 캐시를 (CS) 충분히 활용하지 못한다는 한계점이 있으며 또한 단말의 달라지는 요구 사항을 캐시 활용에 반영할 수 없는 문제점도 있다. 따라서 본 논문에서는 정규표현식을 활용한 콘텐트 네이밍 방식을 적용하여 기존 적응형 스트리밍 비트레이트 선택 알고리즘의 캐시활용도를 높이면서도 CCN의 기본 프로토콜에 적합한 프레임워크를 제시하고, 단말의 상태에 따라 동적인 표현식 기술 전략 및 선택 알고리즘을 통하여 비디오 스트리밍 품질을 개선하고자 한다.
Content Centric Network (CCN) has been introduced as a new paradigm due to a shift of users's perspective of using Internet from host-centric to content-centric. On the other hand, a demand for video streaming has been increasing. Thus, Adaptive streaming has been introduced and researched for achie...
Content Centric Network (CCN) has been introduced as a new paradigm due to a shift of users's perspective of using Internet from host-centric to content-centric. On the other hand, a demand for video streaming has been increasing. Thus, Adaptive streaming has been introduced and researched for achieving higher user's satisfaction. If an architecture of Internet is replaced with CCN architecture, it is necessary to consider adaptive video streaming in CCN according to the demand of users. However, if the same rate decision algorithm used in Internet is deployed in CCN, there are a limitation of utilizing content store (CS) in CCN router and a problem of reflecting dynamic requirements. Therefore, this paper presents a framework adequate to CCN protocol and cache utilization, adapting content naming method of exploiting regular expression to the rate decision algorithm of the existing adaptive streaming. In addition, it also improves the quality of video streaming and verifies the performance through dynamic expression strategies and selection algorithm of the strategies.
Content Centric Network (CCN) has been introduced as a new paradigm due to a shift of users's perspective of using Internet from host-centric to content-centric. On the other hand, a demand for video streaming has been increasing. Thus, Adaptive streaming has been introduced and researched for achieving higher user's satisfaction. If an architecture of Internet is replaced with CCN architecture, it is necessary to consider adaptive video streaming in CCN according to the demand of users. However, if the same rate decision algorithm used in Internet is deployed in CCN, there are a limitation of utilizing content store (CS) in CCN router and a problem of reflecting dynamic requirements. Therefore, this paper presents a framework adequate to CCN protocol and cache utilization, adapting content naming method of exploiting regular expression to the rate decision algorithm of the existing adaptive streaming. In addition, it also improves the quality of video streaming and verifies the performance through dynamic expression strategies and selection algorithm of the strategies.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
사용자 단말의 상태를 나타내는 대표적인 지표로는 현재 확보하고 있는 버퍼 잔량이 있다.[14] 따라서 본 논문에서는 단말의 상태를 버퍼를 중심으로 파악하고 표현하도록 하였다. 단말의 비트레이트 결정 알고리즘(Rate Decision Algorithm)이 사용되는 시기는 한 세그먼트를 받은 직후이며, 이때 과거의 할당된 대역폭을 바탕으로 비트레이트를 결정한다.
CCN에서 클라이언트에게 높은 대역폭을 할당하기 위한 방법은 여러 가지가 있으나, CCN 라우터에 있는 캐시 활용도를 높이는 것이 주요하다. 따라서 CCN에서 캐시활용도를 높이기 위한 정규표현식 활용방안에 대해 제안하고자 한다.
따라서 본 연구는 CCN 상에서 효율적인 적응형 비디오 스트리밍 서비스를 위한 방안을 모색하고, 사용자의 안정성과 화질을 고려한 정규표현식 활용 방법 및 라우터 설계를 제안하고 성능을 검증하는 것을 목표로 한다. CCN 상의 적응형 비디오 스트리밍 기술은 CCN의 기본 전송 메커니즘에 부합하면서도, 하나의 콘텐트에 존재하는 다양한 품질에 대한 요청을 할 수 있어야 하며, 이를 통해 사용자의 네트워크 및 단말 상태에 따른 서비스를 할 수 있어야 한다.
적응형 스트리밍 서비스를 받는 사용자 단말의 상태는 대역폭의 변화에 따라 달라지기 때문에 하나의 전략으로 어느 상황에서나 높은 사용자의 경험품질을 유지하기는 어렵다. 따라서 사용자 상태에 따라 다른 정규표현식 전략을 동적으로 선택하는 방안에 대해 소개하고자 한다.
본 논문에서는 CCN에서 정규표현식을 활용하여 사용자의 상황에 따라 달라지는 요구사항을 고려한 비디오 스트리밍 프레임워크 및 알고리즘 선택 전략을 제시하였다. 정규표현식을 이용하여 콘텐트 네이밍을 하면 CCN 전송 프로토콜에 부합하면서도 애니캐스트 기반 전송을 통해 캐시 활용도를 높일 수 있다.
이를 위해 하나의 콘텐트에 대한 식별자는 다양한 품질을 표현할 수 있으면서, 하나의 콘텐트를 대표할 수 있어야 한다. 본 논문에서는 정규표현식(Regular Expression)을 콘텐트의 이름으로 활용하여 하나의 콘텐트를 식별하고, 식별자 내에서 다양한 품질의 스트리밍 서비스를 나타낼 수 있도록 하는 콘텐트 네이밍(Naming) 방안을 제안한다. 이러한 네이밍 방식을 사용하면 하나의 콘텐트를 나타내야 하는 CCN의 프로토콜을 벗어나지 않으면서도 다양한 품질 후보군을 나타낼 수 있으므로, CCN 라우터에 캐싱되어 있는 콘텐트를 우선적으로 전송이 가능하기 때문에 높은 대역폭을 바탕으로 품질 높은 적응형 스트리밍 서비스가 가능하게 된다.
뿐만 아니라, 사용자의 경험 품질(Quality of Experience, QoE)에 맞는 정규표현식을 선택함으로써 사용자 만족도를 향상시킬 수 있다. 본 절에서는 사용자의 경험 품질을 향상시킬 수 있는 대표적인 적응형 스트리밍 선택 전략을 알아보고, 이에 부합하는 정규표현식 표현 전략에 대해서 소개한다. 이를 통해, 사용자의 현재 상황 및 콘텐트 종류 등 다양한 요소에 적합한 적응형 스트리밍 전략을 제시하고 이에 대응하는 정규표현식을 선택하도록 하여 사용자의 만족도를 향상시킬 수 있도록 한다.
본 절에서는 사용자의 경험 품질을 향상시킬 수 있는 대표적인 적응형 스트리밍 선택 전략을 알아보고, 이에 부합하는 정규표현식 표현 전략에 대해서 소개한다. 이를 통해, 사용자의 현재 상황 및 콘텐트 종류 등 다양한 요소에 적합한 적응형 스트리밍 전략을 제시하고 이에 대응하는 정규표현식을 선택하도록 하여 사용자의 만족도를 향상시킬 수 있도록 한다.
가설 설정
2의 사용자 단말 비트레이트 결정 알고리즘 부분을 사용하여 실험을 수행하였다.[15] 그리고 각 세그먼트들은 2436Kbps, 1636Kbps, 1233Kbps, 866Kbps, 608Kbps, 427Kbps, 300Kbps로 총 7개의 비트레이트로 인코딩되었으며 각 세그먼트의 재생 시간은 2초로 가정하였다.
CCN에서는 i) 콘텐트 요청을 위한 관심(Interest) 패킷, ii) 관심 패킷의 응답인 데이터(Data) 패킷이 사용된다. 관심 패킷은 크게 콘텐트 이름, Selector,Nonce로 구성되어 있고, 데이터 패킷은 콘텐트 이름, Signature, Signed Information, 데이터로 구성되어 있다.
제안 방법
CCN에서 적응형 스트리밍 알고리즘의 동작 및 효과를 확인하기 위해 ‘Network Simulator 3’[16]에 기반하여 네트워크 토폴로지를 구성하고, Threshold 값에 따라 변하는 경험 품질과 안정성과 평균 비트레이트의 개선을 확인한다.
구체적으로, 본 논문에서 제시한 적응형 스트리밍 서비스에서 사용자의 만족도를 높일 수 있도록 하기 위해 사용자의 단말 상태에 따른 요구사항[5]과 이에 적합한 정규표현식 표현 전략을 제시하고, 상황에 맞게 선택할 수 있도록 하는 콘텐트 네이밍 방안을 제시한 후 기존 적응형 스트리밍 알고리즘에 적용시켜 실험을 통해 성능을 검증한다. 이러한 연구는 CCN 상에서 사용자의 상황을 고려한 적응형 스트리밍 기술에 대한 연구의 초석이 될 것으로 기대한다.
한편, 그림 6에서는 Thresholdlower가 높아질수록 버퍼링 시간이 줄어드는 결과를 확인할 수 있는데, 그 이유는 Thresholdlower가 높을수록 단말에서 불안정 상태 구간이 커지기 때문에 클라이언트에서 안정성을 위해 보수적 전략을 택하는 경우가 많아진다. 따라서 Threshold에 따라 다른 경험품질을 얻을 수 있기 때문에 적절히 정하는 것이 중요하며, 본 실험에서는 화질과 안정성을 위해 Thresholdupper를 14, Thresholdlower를 6으로 고정하여 실험을 진행하였다.
정규표현식을 이 필드에 넣으면 관심 패킷에 존재하는 콘텐트 이름은 변하지 않으므로 기존의 CCN 라우터 프로세스를 바꾸지 않고 단순한 모듈 추가만으로 적응형 스트리밍 프로토콜 동작이 가능하게 된다. 따라서 코드 2에서 알 수 있듯이, 본 논문에서는 캐시 검색 연산을 최소화하기 위하여 왼쪽에 정의된 요청일수록 우선순위가 높도록 판정하여 최초에 검색되는 콘텐트를 요청자로 전송하게 했다. 그리고 CCN 라우터는 우선 관심패킷의 Nonce 부분에 저장되어 있는 콘텐트에 대한 정규표현식을 해석하여 콘텐트의 리스트에 저장한다.
약 10분 정도의 영상을 재생하는 시뮬레이션으로, 캐시 교체 알고리즘으로는 가장 일반적인 Least Recently Used (LRU) 알고리즘을 사용하였으며, 캐시의 크기는 현재 업로드 된 전체 콘텐트의 1%에 해당하는 5,467 바이트로 설정하였다. 사용할 적응형 스트리밍 알고리즘은 널리 상용화된 DASH 기반[3] Microsoft Silverlight Ver.
적응형 스트리밍 사용자 단말의 버퍼 잔량은 매우 다양하기 때문에 두 가지의 Threshold를 기준으로 세 가지의 상태로 분류하고자 한다. Threshold는 비디오 화질 상승을 위한 지표인 ‘Thresholdupper ’와 스트리밍 안정성을 위한 지표인 ‘Thresholdlower ’로 정하기로 한다.
트리 (Tree) 형태의 토폴로지를 기반으로, 하나의 비디오 콘텐트 배포자와 두개의 CCN 라우터, 그리고 10개의 클라이언트를 그림 4와 같은 형태로 구성하였다. 콘텐트 배포자에 병목 현상을 가정하기 위해 콘텐트 배포자와 바로 연결된 CCN 라우터의 대역폭은 5Mbps, 지연 시간은 50ms로, CCN 라우터끼리 연결된 링크의 대역폭은 10Mbps, 지연시간 10ms로, 그리고 CCN 라우터와 클라이언트 간의 링크는 대역폭으로 3Mbps, 지연시간 1ms로 설정하였다.
트리 (Tree) 형태의 토폴로지를 기반으로, 하나의 비디오 콘텐트 배포자와 두개의 CCN 라우터, 그리고 10개의 클라이언트를 그림 4와 같은 형태로 구성하였다. 콘텐트 배포자에 병목 현상을 가정하기 위해 콘텐트 배포자와 바로 연결된 CCN 라우터의 대역폭은 5Mbps, 지연 시간은 50ms로, CCN 라우터끼리 연결된 링크의 대역폭은 10Mbps, 지연시간 10ms로, 그리고 CCN 라우터와 클라이언트 간의 링크는 대역폭으로 3Mbps, 지연시간 1ms로 설정하였다.
대상 데이터
CCN에서는 i) 콘텐트 요청을 위한 관심(Interest) 패킷, ii) 관심 패킷의 응답인 데이터(Data) 패킷이 사용된다. 관심 패킷은 크게 콘텐트 이름, Selector,Nonce로 구성되어 있고, 데이터 패킷은 콘텐트 이름, Signature, Signed Information, 데이터로 구성되어 있다.[2] 콘텐트를 요청하고자 하는 사용자는 콘텐트의 이름을 식별자(Identifier)로 하여 관심 패킷에 담아 네트워크 내로 전송하고, 네트워크 내 노드들은 해당 콘텐트를 보유한 가장 가까운 콘텐트 배포자(Publisher)에게 관심 패킷을 전달(Forwarding)한다.
이론/모형
약 10분 정도의 영상을 재생하는 시뮬레이션으로, 캐시 교체 알고리즘으로는 가장 일반적인 Least Recently Used (LRU) 알고리즘을 사용하였으며, 캐시의 크기는 현재 업로드 된 전체 콘텐트의 1%에 해당하는 5,467 바이트로 설정하였다. 사용할 적응형 스트리밍 알고리즘은 널리 상용화된 DASH 기반[3] Microsoft Silverlight Ver.2의 사용자 단말 비트레이트 결정 알고리즘 부분을 사용하여 실험을 수행하였다.[15] 그리고 각 세그먼트들은 2436Kbps, 1636Kbps, 1233Kbps, 866Kbps, 608Kbps, 427Kbps, 300Kbps로 총 7개의 비트레이트로 인코딩되었으며 각 세그먼트의 재생 시간은 2초로 가정하였다.
성능/효과
그림 7은 일반적인 콘텐트 중심 네트워크에서의 적응형 스트리밍 알고리즘과 본 논문에서 제안하는 스트리밍 알고리즘에 대해 콘텐트 라우터에서의 캐시 히트율 차이를 나타낸다. 그림 7에서 알 수 있듯이, 제안된 알고리즘의 캐시 히트율이 약 96%정도 더 높은 것을 확인할 수 있다. 이는 클라이언트가 상황 및 경험 품질에 맞게 요청한 스트리밍 콘텐트가 더 빠르게 클라이언트로 전송되었음을 의미하며, 캐시 히트율의 증가는 곧 네트워크 트래픽 양의 감소로 이어진다.
이는 콘텐트를 보유하고 있는 배포자(Content Publisher)까지 관심 패킷이 도달하지 않고, 요청 경로(Request Path)상에 존재하는 라우터에서 캐싱된 콘텐트를 전송할 수 있기 때문이다. 다시 말해, 정규표현식을 사용하여 CCN 상에서 적응형 스트리밍 서비스를 할 경우, 네트워크 내 CCN 라우터의 캐시 히트 확률을 높여 콘텐트 요청자는 요청 경로 내에 존재하는 라우터로부터 짧은 시간 내에 콘텐트를 받아올 수 있으며, 이는 결과적으로 콘텐트 요청자에게 높은 대역폭(Bandwidth) 할당을 하는 효과를 준다. 적응형 비디오 스트리밍 기술이 사용가능한 대역폭을 바탕으로 요청할 세그먼트의 비트레이트를 조절한다는 점을 고려해 볼 때[6-8,14], 정규표현식은 콘텐트 요청자의 평균 비트레이트를 향상시킬 수 있으며 따라서 사용자 만족도를 높일 수 있게 된다.
위의 결과들을 종합하면, 콘텐트 중심 네트워킹 상에서 정규표현식을 활용하여 스트리밍 서비스를 할 때, 네트워크의 트래픽 감소로 인한 부하 감소, 클라이언트의 스트리밍 안정성 확보 및 높은 화질의 서비스가 모두 가능하다는 것을 확인할 수 있다.
그림 8은 클라이언트 측에서 제안된 알고리즘을 사용하였을 때와 일반적인 경우에 대한 평균 비트레이트를 나타낸다. 제안된 알고리즘에서의 클라이언트가 제공받은 스트리밍 콘텐트의 평균 화질이 약 18%정도 향상된 것을 볼 수 있다. 이것은 그림 7에서 나타난 것처럼, 클라이언트가 요청한 데이터를 보다 빠르게 수신할 수 있기 때문에, 클라이언트는 더 높은 화질의 콘텐트를 수신할 수 있다고 판단하여 높은 비트레이트를 요청하게 되고 이에 관련된 콘텐트를 수신하기 때문이다.
델타(Δ)는 현재 사용 중인 적응형 스트리밍 알고리즘의 비트레이트와 사용자가 요구하는 비트레이트의 차이로, 각 전략별 선택의 강도를 의미한다. 즉, 이 값이 높을수록 비트레이트의 변화 정도가 크며, 낮을수록 현재 서비스되고 있는 형태에서 점진적으로 변화한다는 것을 의미한다. 표 1에서 알 수 있듯이, 공격적인 전략은 델타를 추가하는 형태로, 보수적인 전략은 델타를 감소시키는 형태로, 혼합적인 전략은 두 전략을 모두 포함하는 형태로 OR 연산을 통해 정규표현식으로 표현된다.
따라서 단말의 입장에서 기존 스트리밍 알고리즘을 사용하였을 때 보다 더 높은 대역폭 확보가 가능하고, 또한 표현식을 달리 정의하여 사용자의 상황에 맞도록 안정적이면서도 높은 화질의 비디오 스트리밍 서비스를 가능하게 한다. 콘텐트 중심 네트워크에서 단말의 상황에 맞도록 정규표현식을 정의하여 활용을 하였을 때 평균 비트레이트와 버퍼링 시간 측면에서 큰 개선의 효과가 있는 것을 시뮬레이션을 통해 확인하였다.
후속연구
과 이에 적합한 정규표현식 표현 전략을 제시하고, 상황에 맞게 선택할 수 있도록 하는 콘텐트 네이밍 방안을 제시한 후 기존 적응형 스트리밍 알고리즘에 적용시켜 실험을 통해 성능을 검증한다. 이러한 연구는 CCN 상에서 사용자의 상황을 고려한 적응형 스트리밍 기술에 대한 연구의 초석이 될 것으로 기대한다.
향후에는 다른 경험 품질의 요소 중 비트레이트 변화 횟수 및 끊김 횟수, 그리고 데이터 요금을 고려하여 콘텐트 중심 네트워크에서 비디오 스트리밍 사용자의 만족도를 높이는 정규표현식 활용 방안과 콘텐트의 인기도를 고려한 CCN 라우터 내의 CS의 캐시 친화적인 전략에 대해 추가 연구를 진행할 계획이다.
질의응답
핵심어
질문
논문에서 추출한 답변
데이터 패킷은 무엇으로 구성되어 있는가?
CCN에서는 i) 콘텐트 요청을 위한 관심(Interest) 패킷, ii) 관심 패킷의 응답인 데이터(Data) 패킷이 사용된다. 관심 패킷은 크게 콘텐트 이름, Selector,Nonce로 구성되어 있고, 데이터 패킷은 콘텐트 이름, Signature, Signed Information, 데이터로 구성되어 있다.[2] 콘텐트를 요청하고자 하는 사용자는 콘텐트의 이름을 식별자 (Identifier)로 하여 관심 패킷에 담아 네트워크 내로 전송하고, 네트워크 내 노드들은 해당 콘텐트를 보유한 가장 가까운 콘텐트 배포자(Publisher)에게 관심 패킷을 전달 (Forwarding)한다.
관심 패킷은 무엇으로 구성되어 있는가?
CCN에서는 i) 콘텐트 요청을 위한 관심(Interest) 패킷, ii) 관심 패킷의 응답인 데이터(Data) 패킷이 사용된다. 관심 패킷은 크게 콘텐트 이름, Selector,Nonce로 구성되어 있고, 데이터 패킷은 콘텐트 이름, Signature, Signed Information, 데이터로 구성되어 있다.[2] 콘텐트를 요청하고자 하는 사용자는 콘텐트의 이름을 식별자 (Identifier)로 하여 관심 패킷에 담아 네트워크 내로 전송하고, 네트워크 내 노드들은 해당 콘텐트를 보유한 가장 가까운 콘텐트 배포자(Publisher)에게 관심 패킷을 전달 (Forwarding)한다.
CCN의 어떤 특징으로 인해 네트워크 내에 불필요한 트래픽 등이 제거되고, 사용자가 더 빠르게 콘텐트를 수신할 수 있는가?
관심 패킷은 크게 콘텐트 이름, Selector,Nonce로 구성되어 있고, 데이터 패킷은 콘텐트 이름, Signature, Signed Information, 데이터로 구성되어 있다.[2] 콘텐트를 요청하고자 하는 사용자는 콘텐트의 이름을 식별자 (Identifier)로 하여 관심 패킷에 담아 네트워크 내로 전송하고, 네트워크 내 노드들은 해당 콘텐트를 보유한 가장 가까운 콘텐트 배포자(Publisher)에게 관심 패킷을 전달 (Forwarding)한다. 콘텐트 배포자는 관심 패킷이 도달하면 그에 해당하는 데이터 패킷을 전송하게 된다. 이 때, 전송 경로상의 중간 노드들은 해당 콘텐트를 캐싱하고, 따라서 이후 요청에 대해서는 콘텐트 배포자로 관심 패킷이 도달하기 전에 중간 노드에서 해당 콘텐트에 대한 데이터 패킷을 미리 전송할 수 있다. 이런 특징으로 인해 네트워크 내에 불필요한 트래픽 등이 제거되고, 사용자는 더 빠르게 콘텐트를 수신할 수 있다.
참고문헌 (16)
Cisco Visual Networking Index Mobile(2015), http://www.cisco.com/c/en/us/solutions/collateral/ service-provider/visual-networking-index-vni/white_paper_c11-520862.pdf
V. Jacobson, D. Smetters, J. Thornton, M. Plass, N. Briggs, and R. Braynard, "Networking named content," in Proc. ACM CoNEXT, pp. 1-12, Rome, Italy, Dec. 2009.
T. Stockhammer, "Dynamic adaptive streaming over http--: standards and design principles," in Proc. ACM MMSys, pp. 133-144, Feb. 2011.
A. Perkis, S. Munkcby, and O. Hillestad, "A model for measuring quality of experience," in Proc. NORSIG, pp. 198-201, Rejkjavik, Jun. 2006.
Y. Ito and S. Tasaka, "Quantitative assessment of user-level QoS and its mapping," IEEE Trans. Multimedia, vol. 7, no. 3, pp. 572-584, Jun. 2005.
J. Jiang, V. Sekar, and H. Zhang, "Improving fairness, efficiency, and stability in HTTPbased adaptive video streaming with FESTIVE," in Proc. CoNEXT, pp. 97-108, Nice, France, Dec. 2012.
C. Liu, I. Bouazizi, and M. Gabbouj, "Rate adaptation for adaptive HTTP streaming," in Proc. MMSys, pp. 169-174, Feb. 2011.
D. Suh, I. Jang, and S. Pack, "A video bitrate adaptation algorithm for DASH-Based multimedia streaming services to enhance user QoE," J. KICS, vol. 39, no. 6, pp. 341-349, Jun. 2014.
J. Lee and J.-H. Lee, "Secure routing scheme in CCN-Based mobile Ad-Hoc networking environments," J. KICS, vol. 39B, no. 5, pp. 304-308, May 2014.
J. Shin, J. Lee, and J. Lee, "Secure routing in CCN-Based mobile Ad-Hoc networking environments," J. KICS, vol. 39, no. 12, pp. 817-821, Dec. 2014.
F. Yu, Z. Chen, Y. Diao, T. V. Lakshman, and R. H. Katz, "Fast and memory-efficient regular expression matching for deep packet inspection," in Proc. ANCS '06, pp. 93-102, CA, USA, Dec. 2006.
H. Choi, J. Yoo, T. Chung, N. Choi, T. Kwon, and Y. Choi, "CoRC: Coordinated routing and caching for named data networking," ACM/IEEE Symp. ANCS 2014, pp. 161-172, CA, USA, Oct. 2014.
D. Saucez, L. A. Grieco, and C. Barakat, "AIMD and CCN: past and novel acronyms working together in the future internet," in Proc. CSWS '12, pp. 21-26, Nice, France, Dec. 2012.
H. T. Le, D. V. Nguyen, N. P. Ngoc, A. T. Pham, and T. C. Thang, "Buffer-based bitrate adaptation for adaptive HTTP streaming," in Proc. ATC'13, pp. 33-38, Ho Chi Minh City, Vietnam, Oct. 2013.
Microsoft Silverlight. https://www.microsoft.com/silverlight/
Alexander Afanasyev, Ilya Moiseenko, Lixia Zhang, ndnSIM: NDN simulator for NS-3, Technical Report NDN-0005, NDN Project, July 2012.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.