徐志華，周金治，李蓮春

（西南科技大學(xué) 信息工程學(xué)院，四川 綿陽 621010）

0 引言

隨著三網(wǎng)融合步伐的不斷加快，將有更多的網(wǎng)絡(luò)音視頻信息通過廣播網(wǎng)共享。UCL（Uniform Content Location）技術(shù)通過建立一套完整的信息元數(shù)據(jù)來實現(xiàn)網(wǎng)絡(luò)信息資源的共享與個性化主動服務(wù)[1]。UCL技術(shù)涉及UCL標(biāo)引、UCL解析、UCL智能代理等內(nèi)容。在信息空間中有兩種定位資源的方式，即URL按地址定位與UCL按內(nèi)容定位。然而URL不適合數(shù)據(jù)廣播網(wǎng)的單向封閉網(wǎng)絡(luò)，這使UCL技術(shù)在網(wǎng)絡(luò)音視頻信息共享中的應(yīng)用變得越來越重要，將會在新一代網(wǎng)絡(luò)（NGN）中獲得重要的應(yīng)用。經(jīng)過近幾年的研究，UCL已經(jīng)形成比較成熟的技術(shù)基礎(chǔ)，主要應(yīng)用于網(wǎng)頁信息資源的分類和共享[2]。采用UCL技術(shù)來實現(xiàn)音視頻信息共享有利于解決帶寬瓶頸、信息垃圾以及用戶數(shù)字鴻溝等問題。

UCL語義標(biāo)引是UCL技術(shù)的重要環(huán)節(jié)，UCL語義標(biāo)引可以通過手工編輯和自動標(biāo)引兩種方法實現(xiàn)。對網(wǎng)頁信息的UCL自動標(biāo)引較容易實現(xiàn)，但對網(wǎng)絡(luò)實時音視頻數(shù)據(jù)信息的標(biāo)引難度卻較大[3]，并且國內(nèi)外對音視頻數(shù)據(jù)自動標(biāo)引技術(shù)的研究也不夠成熟。因此，本文在深度解析應(yīng)用層數(shù)據(jù)的基礎(chǔ)上，提出了一種基于UCL的音視頻自動標(biāo)引的方法和系統(tǒng)構(gòu)架，并仿真驗證了其可行性。

1 音視頻exUCL語義標(biāo)簽制定

網(wǎng)絡(luò)音視頻UCL語義信息標(biāo)引是通過分析音視頻信息資源對象，識別該信息的重要特征，從而建立一個描述網(wǎng)絡(luò)音視頻特征信息的n維向量u=（u1，u2，u3，…，un）。其中，每一個向量元素都揭示了音視頻數(shù)據(jù)信息的一個特征，n是向量的維數(shù)，它反應(yīng)了描述信息特征的完備程度，n越大表示特征信息越完備，反之亦然。UCL標(biāo)引則是通過定義特征字段對音視頻數(shù)據(jù)打上UCL語義信息。exUCL（extend UCL）語義標(biāo)簽是專門為UCL語義信息標(biāo)引制定的[4]，它約束了一個語義規(guī)范框架，詳細地描述了各語義特征。生成exUCL語義標(biāo)簽的過程主要分為數(shù)據(jù)包獲取、數(shù)據(jù)包預(yù)處理和分層語義抽取與集成理解3個步驟，其中預(yù)處理主要包括協(xié)議識別和數(shù)據(jù)包分流。

對網(wǎng)絡(luò)音視頻數(shù)據(jù)進行從底層到頂層的多層語義提取。在網(wǎng)絡(luò)層提取源IP、目的IP、傳輸層協(xié)議等語義信息；在傳輸層提取源端口、目的端口、應(yīng)用層協(xié)議等語義信息；通過識別與分析應(yīng)用層協(xié)議，在應(yīng)用層對音視頻數(shù)據(jù)進行深度語義挖掘，可以解析出標(biāo)題、URL、類型、訪問時間等深度語義信息。根據(jù)各層語義的集成理解制定如表1所示的語義元數(shù)據(jù)規(guī)范框架。

表1 音視頻exUCL元數(shù)據(jù)規(guī)范框架

由表1可見，UCL向量的每一個元素都映射網(wǎng)絡(luò)音視頻信息的一個特征，并且把它與音視頻數(shù)據(jù)信息的關(guān)聯(lián)程度分為強、中、弱3個等級，這樣更有利于用戶定位信息資源和分析數(shù)據(jù)。同時還可以看出URL是UCL向量中的一個元素，這說明UCL對信息特征的描述更完備，定位信息資源更精確，更有利于資源的管理與共享。標(biāo)引系統(tǒng)則根據(jù)由表1制定的UCL規(guī)范文檔并生成音視頻傳輸特征信息UCL向量代碼，最后填充到UCL標(biāo)簽庫。

2 音視頻數(shù)據(jù)UCL自動標(biāo)引系統(tǒng)構(gòu)架

流媒體數(shù)據(jù)在傳輸過程中，服務(wù)器和客戶端的握手信息是通過RTSP協(xié)議來傳送的，而音視頻數(shù)據(jù)則是通過RTP傳輸?；赗TSP協(xié)議在網(wǎng)絡(luò)音視頻傳輸中使用的廣泛性以及RTSP協(xié)議的公開性。本文針對RTSP協(xié)議研究了音視頻數(shù)據(jù)傳輸?shù)臅捔鞒?，對?yīng)用層數(shù)據(jù)進行深度語義挖掘，提出了一種基于此協(xié)議的UCL自動標(biāo)引的方法。標(biāo)引流程主要分為以下4個步驟：1）在網(wǎng)絡(luò)中心節(jié)點處對流過的大量數(shù)據(jù)包進行截取，這些數(shù)據(jù)包可能包含網(wǎng)頁數(shù)據(jù)、P2P數(shù)據(jù)、音視頻數(shù)據(jù)、網(wǎng)絡(luò)游戲等各種數(shù)據(jù)；2）從捕獲數(shù)據(jù)中識別并分離出本系統(tǒng)所關(guān)心的音視頻數(shù)據(jù)；3）通過分析RTSP協(xié)議傳輸會話信息，對分離出來的音視頻數(shù)據(jù)按語義特征進行數(shù)據(jù)分流；4）針對每條音視頻數(shù)據(jù)流，從底層到頂層進行多層語義信息抽取，按照UCL語義規(guī)范框架來對傳輸中的音視頻數(shù)據(jù)進行實時的UCL自動標(biāo)引。自動標(biāo)引軟件構(gòu)架如圖1所示。

2.1 音視頻數(shù)據(jù)包識別與分流

對RTSP協(xié)議音視頻數(shù)據(jù)包的識別可以通過對應(yīng)用層協(xié)議的識別來實現(xiàn)。傳統(tǒng)的識別方法是基于端口映射來識別的，比如，HTTP為80端口、FTP為21端口、RTSP為554端口等。但隨著網(wǎng)絡(luò)協(xié)議的發(fā)展，這種方法的效率越來越低，主要原因表現(xiàn)在：1）目前很多軟件不使用固定端口進行通信，有時采用動態(tài)端口，比如BT、emule等。2）復(fù)用其他協(xié)議的端口進行傳輸，如QQ使用HTTP的80端口進行傳輸。文獻[5]提出了一種基于特征匹配的應(yīng)用層協(xié)議識別方法，該方法在一定程度提高了協(xié)議識別的精度，但當(dāng)信息特征不夠準確的時候，這種方法的效率仍然較低。因此，在識別音視頻數(shù)據(jù)包的環(huán)節(jié)，本文研究了基于端口識別進一步匹配特征字串的方法，這種方法彌補的上述2種方法的不足，大大提高了音視頻數(shù)據(jù)識別的精度。深入研究RTSP協(xié)議發(fā)現(xiàn)有如下特點：1）綁定554端口進行數(shù)據(jù)通信；2）RTSP協(xié)議的響應(yīng)消息的content-type字段定義了傳輸數(shù)據(jù)的MIME類型，若為音視頻數(shù)據(jù)，此字段為audio或者video；3）在GET消息中可以判別傳輸文件的格式，若為流媒體格式則判定為音視頻數(shù)據(jù)。因此，本系統(tǒng)采用過濾554端口數(shù)據(jù)包，再與特征向量＜content-type，file-format＞進行匹配的音視頻數(shù)據(jù)過濾方法，若匹配成功則判定為音視頻數(shù)據(jù)包，否則丟棄數(shù)據(jù)包。

音視頻的數(shù)據(jù)包分流是按照數(shù)據(jù)信息的不同屬性來進行的，按照表1的音視頻UCL語義元數(shù)據(jù)規(guī)范定義〈srcip，dip，srcport，dport〉四元屬性組，凡是具有相同四元屬性的數(shù)據(jù)包都歸為同一條數(shù)據(jù)流。音視頻數(shù)據(jù)分流過程如下：1）讀取音視頻數(shù)據(jù)包，判斷是否是RTSP協(xié)議會話數(shù)據(jù)包。2）通過分析會話數(shù)據(jù)包相關(guān)字段可以提取源IP、目的IP對，并且能夠得到音視頻數(shù)據(jù)傳輸?shù)膮f(xié)商端口。3）形成〈srcip，dip，srcport，dport〉四元屬性組，按照這個屬性組對音視頻數(shù)據(jù)信息進行分流，凡是具有相同四元屬性的歸位同一條音視頻流。分流算法如圖2所示。

2.2 音視頻數(shù)據(jù)深度語義挖掘

傳統(tǒng)的協(xié)議分析主要從鏈路層、網(wǎng)絡(luò)層、傳輸層進行協(xié)議識別和數(shù)據(jù)分析[6-7]。與傳統(tǒng)方法不同，本文所涉及的深度語義挖掘是一種基于網(wǎng)絡(luò)音視頻數(shù)據(jù)包的深度檢測[8]。針對特有協(xié)議的音視頻數(shù)據(jù)，滲透到應(yīng)用層數(shù)據(jù)進行深度語義提取，抽取出更多與視頻內(nèi)容相關(guān)的特征信息。在進入音視頻數(shù)據(jù)的應(yīng)用層后，主要識別應(yīng)用層協(xié)議RTSP和解析SDP會話消息。進行數(shù)據(jù)內(nèi)容按會話流進行分類，對每條會話流提取IP地址、文件大小、媒體類型、媒體名稱、請求時間等深度語義信息。

RTSP協(xié)議是一個流媒體流化表示控制協(xié)議，在語法規(guī)則和操作上與HTTP類似。主要區(qū)別在于RTSP協(xié)議是一個有狀態(tài)、對稱的協(xié)議。RTSP是一個基于文本的協(xié)議，它使用UTF-8編碼，采用RFC882定義的通用消息格式。RTSP協(xié)議的消息分為請求和響應(yīng)兩類格式：

1）請求消息的格式。

2）響應(yīng)消息的格式。

每個語句都以CRLF作為結(jié)束。由于RTSP協(xié)議具有上述的特征，使得對應(yīng)用層數(shù)據(jù)的深度分析成為可能，借助Ethereal分析軟件進行抓包研究可以得出如下結(jié)論：1）分析RTSP請求消息的DESCRIBE特征字串可以提取媒體的資源路徑。2）分析響應(yīng)消息的Date和Cach-control字段可以得到媒體的訪問時間和大小。

SDP是一個會話媒體描述協(xié)議，用于描述媒體會話，同樣采用UTF-8編碼。SDP會話描述分為會話級描述和媒體級描述，會話級描述主要描述了所有媒體流的信息特征，媒體級描述則針對單個媒體的細節(jié)信息。圖3是RTSP響應(yīng)消息中的SDP數(shù)據(jù)。

通過研究分析Session name（s）：upgrade your player、Media Description，name and address（m）：audio 0 RTP/AVP 96、Media Attribute（a）：rtpmap ：96 x-asf-pf/1000這幾段SDP數(shù)據(jù)，結(jié)合SDP的編碼格式，可以提取出媒體的名字、類型和格式等流媒體數(shù)據(jù)深度語義信息。因此，通過對RTSP協(xié)議請求/響應(yīng)消息以及SDP數(shù)據(jù)分析特征字串的方法，可以對音視頻數(shù)據(jù)包應(yīng)用層數(shù)據(jù)進行深度語義分析。和傳統(tǒng)的協(xié)議分析相比，此方法能提取更多的語義信息，從而得到更加完備的音視頻特征向量。

3 UCL自動標(biāo)引仿真及分析

本音視頻傳輸實驗平臺是基于Windows 2003下的Media Sever 9.0組件和Media Player 10.0搭建的。該平臺支持用RTP/RTCP、RTSP、HTTP、MMS協(xié)議對音視頻數(shù)據(jù)包進行傳輸，在局域網(wǎng)內(nèi)能實現(xiàn)單播、廣播、點播的功能，本實驗選擇使用RTSP協(xié)議傳輸音視頻數(shù)據(jù)。在實驗局域網(wǎng)內(nèi)通過廣播模式共享音視頻數(shù)據(jù)信息。

音視頻數(shù)據(jù)UCL自動標(biāo)引系統(tǒng)是在VC 6.0下、基于MFC的開發(fā)環(huán)境、調(diào)用wpcap.dll動態(tài)鏈接庫并結(jié)合使用MySQL數(shù)據(jù)庫技術(shù)開發(fā)的。在傳輸平臺下，在網(wǎng)絡(luò)中心節(jié)點處對流經(jīng)主節(jié)點的數(shù)據(jù)包進行捕獲和分析；針對音視頻進行處理；通過分層關(guān)鍵字段識別方式，快速捕獲音視頻信息；在此基礎(chǔ)上提取音視頻數(shù)據(jù)的傳輸特性；根據(jù)UCL語義標(biāo)簽定義特征字段，最后進行UCL標(biāo)引，實驗結(jié)果如圖4所示。該系統(tǒng)在中心節(jié)點處完成了語義信息的深度提取以及音視頻UCL信息的標(biāo)引，驗證了本文所提出的語義抽取算法的正確性和自動標(biāo)引方案的可行性。

4 小結(jié)

本文通過分析特定協(xié)議音視頻數(shù)據(jù)結(jié)構(gòu)封裝機制以及音視頻傳輸會話流信息，進行多層語義抽取，提出了一種基于UCL的音視頻自動標(biāo)引方法，并通過編程實現(xiàn)。在搭建的網(wǎng)絡(luò)傳輸平臺主節(jié)點處，實現(xiàn)了音視頻數(shù)據(jù)的UCL語義智能標(biāo)引。實時顯示了exUCL語義標(biāo)簽的內(nèi)容，協(xié)議、內(nèi)容語義等內(nèi)容的識別達到了90%以上。但該方法在高速局域網(wǎng)內(nèi)仍存在一定的局限性，主要表現(xiàn)在實時性不高，UCL信息描述不夠完備，還有待進一步研究，繼續(xù)改進標(biāo)引算法和優(yōu)化程序設(shè)計。

[1]李幼平.UCL理念及系統(tǒng)設(shè)計[J].電視技術(shù)，2001，25（2）：38-41.

[2]邢玲，史杏榮.基于UCL的網(wǎng)頁自動標(biāo)引技術(shù)[J].計算機工程與應(yīng)用，2004，40（17）：148-151.

[3]沈靜，周金治，馬建國.基于UCL的網(wǎng)頁信息自動標(biāo)引技術(shù)研究[J]，電視技術(shù)，2008，32（8）：71-75.

[4]王娟娟，吳靜.網(wǎng)頁數(shù)據(jù)多層語義描述標(biāo)簽設(shè)計[J].通信技術(shù)，2009，42（8）：99-101.

[5]陳亮，龔儉，徐選.應(yīng)用層協(xié)議識別算法綜述[J].計算機科學(xué)，2007，34（7）：72-74.

[6]APPLET D E，ISRAEL D J.Introduction to information extraction technology[EB/OL].[2010-10-06].http：//www.ai.sri.com/～appelt/ietutorial/IJCAI99.pdf

[7]CHINCHOR N，MARSH E.MUC-7 Information Extraction Task Definition：version 5.1[EB/OL].[2010-10-06].http：//www.aclweb.org/anthology-new/M/M98/M98-1027.pdf.

[8]程紅，馬建國，余超，等.網(wǎng)絡(luò)多層語義深度挖掘及流媒體緩存策略研究[J].電視技術(shù)，2008，32（11）：64-66.