S kontinuiranim rastom mobilnog Internet prometa, mrežni operatori su suočeni s izazovom efikasnog upravljanja ograničenim mrežnim resursima vođenog iskustvenom kvalitetom korisnika (engl. Quality of Experience, QoE). Od niza usluga i aplikacija kojima se pristupa s pametnih telefona, najveći utjecaj na porast mrežnog prometa se pripisuje popularnim Over-the-Top (OTT) uslugama video strujanja (npr. YouTube, Netflix, Facebook video). Zbog sigurnosti i zaštite privatnosti, većina usluga video strujanja danas koristi šifriranje prometa, time znatno otežavajući mrežnim operatorima dobivanje uvida u performanse aplikacija koje percipira krajnji korisnik.

Tema ovog istraživanja je stoga praćenje QoE-a za usluge prilagodljivog strujanja putem HTTP-a (engl. HTTP Adaptive Streaming, HAS) u mobilnim mrežama. Osnovna hipoteza jest da se QoE i aplikacijski ključni indikatori performansi (engl. Key Performance Indicator, KPI), poput rezolucije videa ili trajanja inicijalnog učitavanja videa, mogu procijeniti iz statističkih značajki šifriranog mrežnog prometa koristeći metode strojnog učenja. Hipoteza se u ranijim fazama istraživanja pokazala točnom na izdvojenim slučajevima uporabe, potvrđujući time potencijal ovog pristupa i otvarajući brojne istraživačke izazove koji stoje na putu do implementacije konkretnih rješenja. Očekivani doprinos ovog istraživanja jest definirana metodologija za automatizirano treniranje, testiranje i ažuriranje modela strojnog učenja koji se mogu ugraditi u mreži s ciljem procjene QoE-a i različitih KPI-eva, primjenjiva za različite usluge video strujanja.

Ovo istraživanje je kao takvo od interesa za industriju, uključujući mrežne operatore, davatelje usluga i mrežne opreme. Na ovu temu kontinuirano surađujemo s tvrtkom Ericsson Nikola Tesla, a članci nastali kao rezultat rada na ovom projektu pobudili su znatno zanimanje sudionika međunarodnih konferencija na kojima su prezentirani.