Command Control and Simulation >

2026 , Vol. 48 >Issue 4: 47 - 56

DOI: https://doi.org/10.3969/j.issn.1673-3819.2026.04.007

Cyber Security

IPTV traffic control in service networks based on DPI/DFI technology

  • Qiang Fan 1 ,
  • Wan Dejiang 2 ,
  • Li Peng 1 ,
  • Xiang Yu 1 ,
  • Li Mingliang 1
Expand
  • 1 Xichang Satellite Launch Center, Xichang 615000, China
  • 2 Military Representative Bureau of Space System, Beijing 100193, China

Received date: 2025-04-25

  Revised date: 2025-06-05

  Online published: 2026-07-30

Fold

Abstract

The fundamental principles and technical advantages/disadvantages of Deep Packet Inspection(DPI) and Deep Flow Inspection(DFI) technologies are primarily elaborated, it analyzes the current management status of IPTV systems in existing Service networks, through collecting and analyzing traffic characteristics of IPTV service control information and video data, we establish a critical video feature database and priority hierarchy based on traffic patterns, leveraging DPI/DFI technologies enables precise identification of various IPTV-related traffic types, a refined IPTV traffic management process is designed, implementing an integrated hardware-software IPTV traffic management system, a testing environment was constructed with evaluation metrics to examine: IPTV video display under normal bandwidth conditions, video performance during bandwidth threshold exceedance and video quality after implementing priority protection strategies, experimental results demonstrate the DPI/DFI based IPTV traffic control achieves accurate traffic identification and granular control, effectively mitigating the impact of network congestion on service quality.

Key words： IPTV; flow control; DPI; DFI; network

Cite this article

Qiang Fan , Wan Dejiang , Li Peng , Xiang Yu , Li Mingliang . IPTV traffic control in service networks based on DPI/DFI technology[J]. Command Control and Simulation, 2026 , 48(4) : 47 -56 . DOI: 10.3969/j.issn.1673-3819.2026.04.007

随着通信技术的快速发展,某综合业务网中IPTV业务数据流量呈现爆发式增长态势。然而,受限于网络建设成本高昂和升级速度缓慢等因素,现有带宽资源已难以满足日益增长的流量需求,网络拥塞风险持续加剧。IPTV作为一种利用互联网协议提供视频业务在内的多种数字媒体互动业务的新型信息技术[1-2],主要包含直播类与点播类技术[3]。其中直播业务在该网络中承担可视化指挥功能,并占据了网络流量的主导地位。在此背景下,实施有效的IPTV流量管控措施,对于预防网络大面积拥塞、保障信息传输效率以及提升终端用户体验具有决定性意义[4]。
现有流量管控技术主要包括两类:(1)DPI技术,其通过分析二层至七层网络数据实现精细化管理,但分析耗时较长[5];(2)DFI技术,其基于流量行为特征快速识别,无须解析应用层负载[6],但分析粒度较粗。
针对上述问题,本文提出结合DPI与DFI技术的混合检测方案。该方案利用DPI的精确识别能力处理重要流量,借助DFI的快速分析特性应对非重要流量,通过两种技术的优势互补,实现对IPTV流量的精准识别和快速策略部署。测试结果表明,该方法可有效提升流量管控效率,为解决某综合业务网中的带宽资源矛盾提供了可行方案。

1 IPTV系统管理问题分析

1.1 IPTV图像优先级无法设置

现有某综合业务网IPTV服务器通过中心管理服务对用户实施监管,针对不同类别用户权限预先分配,用户登录系统后在客户端使用相应功能。该监管方法仅能简单限制用户图像观看权限,主要包括可观看图像内容及非同源图像数量,缺少对图像分发优先级的控制。当网络出现拥塞时,会导致全网用户观看图像质量无差别下降,无法保障重要图像的正常观看。

1.2 IPTV流量识别管控难度大

当前,常用IPTV系统控制交互数据采用TCP协议传输,图像数据采用UDP协议传输,为提升图像源接入和图像权限分发的灵活性,采用以下传输模式:
(1)接入设备如编码器、网络摄像头等使用固定IP;
(2)接入服务器组播地址通过资源池弹性分配;
(3)端口按连接次数逐次累加;
(4)按照固定分配的URL进行识别。
此模式下IPTV流量无法通过IP五元组(源地址、目的地址、源端口、目的端口、传输协议)有效识别,增加了管控的难度。

1.3 IPTV用户观看需求差异大

IPTV系统中高清图像编码为6-8Mbps/路,标清图像编码为2-4Mbps/路,为节省网络资源,区域内图像主要采用组播传输,广域网中图像主要采用单播传播。其中区域内网络带宽通常为千兆或万兆,图像流量引发网络拥塞的概率较小,广域网各方向带宽较小,用户点播多路非同源图像观看时,容易导致网络拥塞,因此广域网中传输的图像路数极为有限。随着场区发射过程中可视化需求的不断增长,图像源的接入数量及种类持续增加,不同的IPTV用户关注图像的侧重点各不相同,造成广域网中图像需求差异较大,极大地增加了广域网的拥塞风险。

2 关键技术分析与改进方向

针对上述网络问题,本文需要采取更智能的流量检测技术,现有检测技术主要包括DPI与DFI技术。
DPI(深度包检测)技术是一种针对数据包的监测技术[7-8],该技术在分析数据包头的基础上,增加应用层数据包内的分析与检测,是一种基于应用层的流量检测和控制技术[9]。当IP数据包、TCP或UDP数据流经过基于DPI技术的带宽管理系统时,该系统通过解析IP包载荷提取OSI七层协议中的应用层信息,从而得到整个应用程序的内容,然后按照系统定义的管理策略对流量进行整形操作[10-12]。
DFI采用流量行为识别技术,不同于DPI的应用层检测。通过分析NetFlow流数据的TCP/IP包头统计特征(如包大小、流持续时间、包间隔等)建立流量模型,分析会话连接流的行为特征并与流量模型对比,从而实现应用类型的鉴别。由于DFI无须提取流量应用层的载荷信息,识别速度较快。
分析表明,DPI技术凭借逐包检测和深度分析能力,能够实现具体应用的精准识别,但在处理特征相似应用时存在识别局限[13]。而DFI技术通过流量行为特征的识别机制,虽无法区分具体应用,但对相似数据流有较好的识别效果[14]。从实施维度分析,DPI需高性能设备,维护成本较高, DFI对设备要求较低,维护更为经济。基于上述分析,本文提出使用DPI与DFI相结合的混合检测方式对IPTV网络流量进行管控,不仅能够实现数据的快速准确识别,又能降低设备维护成本。

3 基于混合检测的流量管控方案

为解决某综合业务网IPTV系统管理问题,作者将从以下三个方面逐步进行:采集分析IPTV业务流量特征,采用DPI/DFI相结合的方法进行IPTV流量精准区分;制定IPTV流量识别规则,将重点部位图像与一般图像分类管理;建立流量管控规则,设定各类型图像流量的优先级和带宽。从而实现关键图像优先保障,富裕带宽资源充足时,兼顾一般图像的效果。

3.1 IPTV业务流量特征

IPTV流量较大,实时性要求较高,控制交互信息采用TCP协议,图像传输采用UDP协议。IPTV系统现采用设备固定IP地址,组播地址、端口资源池弹性分配,域内组播、域间单播的方式传输。由于图像的组播地址、端口弹性分配,某综合业务网中IPTV图像无法通过简单的五元组方式识别。
通过大量采集IPTV数据包流量信息,提炼分析发现,图像的权限及分发均采用服务器分配的固定的URL标识,可基于固定URL识别管控关键图像流量。

3.1.1 IPTV控制信息流量特性

IPTV控制业务主要包括传输控制命令、心跳保持机制及会话管理等,抓包分析显示:IPTV控制业务通过TCP连接传输,通信双方通过HTTP协议的POST包进行信令交互并且计数,如图1所示。
图1 IPTV控制业务的POST发送信令交互信息图

Fig.1 The POST sending signaling interaction information of the IPTV control service

3.1.2 IPTV图像数据流量特性

IPTV的图像部分通过UDP传输。对多路图像的数据包分析,可以发现IPTV图像采用了SSTP协议协商,在数据包中指定该数据传输的长度并标明该数据所属IPTV线路ID(URL)。图2展示了观看两路不同IPTV图像时的数据包内容片段截图。相关字段已做标识。
图2 IPTV图像的数据包内容片段截图

Fig.2 Screenshot of the content fragment of the IPTV image data packet

3.2 IPTV流量识别

3.2.1 IPTV控制信息的识别

分析IPTV控制流量特性可知,可通过匹配本域和外域IPTV服务器IP地址及TCP协议识别各类IPTV控制信息,如表1所示。
表1 IPTV服务器控制信息的识别

Tab.1 Identification of IPTV server control information

协议类型 源IP地址 目的IP地址
TCP A区IPTV服务器 外域IPTV服务器
TCP 外域IPTV服务器 A区IPTV服务器

3.2.2 IPTV图像信息的识别

由于IPTV图像信息的组播地址和端口的不确定性,传统的五元组识别方式不适用于IPTV图像识别。分析表明,每路IPTV图像数据包内都具备一个专属ID(32字节URL,格式如图2所示:F16B8D2F-3B27-4548- AD22-30BEDE74A5E0或D18F5107-F79A-45A5-963E-CF18047C6C7),通过该ID可区分具体图像。
对于一般图像,采用DPI/DFI混合检测技术进行数据包识别即可。
对于重要IPTV图像,需建立图像特征库,在DPI/DFI识别的基础上,对比流量包头URL字段与特征库,实现对重要图像的有效识别。IPTV关键图像URL库如表2所示。
表2 IPTV关键图像URL库

Tab.2 IPTV key image URL library

内容 URL
重点图像1 E5111DB2-4134-475F-936F-685007943F3C
重点图像2 83B11DA4-2E3A-4E81-B375-FD6EF779F2C5
重点图像3 FAC0FFFB-463A-46A0-9624-0646E7A177E6
重点图像4 A9340953-00BB-4A98-8343-E37C271878ED
重点图像5 650E5E2F-9F56-4FE5-84AD-8FB602C30C05
重点图像6 20EC7D0A-BB7D-46EB-9F25-6DC9D5BF7C13
重点图像7 E6B36D64-ED53-4BF7-9096-37AA764F1966
重点图像8 D7096E13-4220-432A-852B-B6BFAA935292
… …
重点图像n XXXXXXXX-XXXX-XXXX-XXXX-XXXXXXXXXXXX
综上,IPTV流量识别主要分为三类,其识别方法如表3所示。
表3 IPTV信息类别及识别方法

Tab.3 IPTV information categories and identification methods

序号 信息类别 识别方法
1 IPTV控制信息 IP+TCP端口
2 IPTV重要图像 DPI+DFI+URL
3 IPTV一般图像 DPI+DFI

3.3 流量管控实现

3.3.1 流量管控流程

流量管控流程可分为规则制定与执行控制两个阶段,规则制定阶段实现图像优先级分类和带宽预配,根据业务需求建立多级传输优先级体系,为重点图像设定最低保障带宽。
流量执行控制阶段基于管控规则进行实时动态管控。包括常规传输模式与网络拥塞模式。
常规传输模式下,数据经过流量识别模块验证合法性,合法流量按照预设图像优先级进行转发,非法流量则实施阻断并生成相关日志。网络拥塞模式下,重点图像流量优先使用预留带宽,普通合法流量采用动态带宽适配传输,非法流量持续拦截并生成相关日志。同步构建流量检测分析模块,在流量识别模块处实时采集并进行统计分析。流量管控流程如图3所示。
图3 流量管控流程

Fig.3 Traffic Control Process

3.3.2 流量控制系统

为实现流量实时调度,需设计一套实时的流量管理系统(硬件+管理软件),接入现有某综合业务网络,该系统通过精确识别IPTV流量,借助流量调度模型,实现对流量的实时控制。
流量控制系统硬件部分主要包含接口模块、协议适配模块、报文采集过滤模块、流量统计模块、缓存模块、处理模块及流控策略模块及流量控制模块,如图4所示。
图4 流量管理系统硬件结构图

Fig.4 Hardware structure diagram of the traffic management system

设备串联接入某综合业务网,当网络中的数据报文进入接口模块时,流量控制系统获取流量特征信息,采集并过滤报文,运用DPI/DFI技术识别数据包,识别后的数据包与特征库进行匹配,匹配完成后根据流量控制策略,返回数据链路层实施流量控制。该系统还需具备bypass旁路功能。满足特定触发条件时,使数据绕过流量管理系统硬件,直接旁路导通,类似于一根网线的作用,避免因意外失效导致的单点故障,实现了网络的高可用性,如图5所示。
图5 不同状态下的工作方式

Fig.5 Work methods in different states or conditions

流量控制系统软件主要基于DPI技术、DFI技术,实现对业务流量进行全面的2-7层分析和实时带宽精细管理。其包含六大功能模块:系统管理、应用管理、流量控制、流量分析、报表生成和数据接口,具体软件结构如图6所示。
图6 流量控制系统软件功能结构

Fig.6 The software functional structure of the flow control system

4 实验验证

本文基于IPTV业务流量特征分析完成流量识别和调度规则制定,通过深度包检测和流检测技术实现业务管控。但在拥塞环境下,流量调度是否能够按照预先设计的原则转发,当存在其他流量时,能否准确识别并控制IPTV流量,需要通过实验验证。

4.1 测试环境搭建

测试环境主要搭建于A区域与B区之间,利用A区中心至B区中心之间的第一平面链路进行流量压力测试。具体测试链路连接情况如图7所示。
图7 测试链路连接关系

Fig.7 Test the connection relationship of the link

4.2 测试方法及步骤

调整A区至B区的出口带宽,使A区广域网出口流量到达总带宽的200%(拥塞状态),验证是否能够识别IPTV相关流量,同时测试在拥塞情况下,IPTV流量调度策略的生效情况及结果是否满足预期。选取4路典型图像测试,测试图像特性及图像调度测量如表4所示,4路图像理论保障带宽合计应为20 Mbps,实际带宽设置10 Mbps。图像质量评价标准如表5所示。
表4 测试IPTV图像特性

Tab.4 The characteristics of the IPTV images tested

图像内容 编码速率 理论带宽 保障带宽 图像URL
重点图像1 4 096 kbps <4 Mbps 最低4 Mbps,最高5 Mbps E5111DB2-4134-475F-936F-685007943F3C
重点图像2 4 096 kbps <4 Mbps 最低4 Mbps,最高5 Mbps 83B11DA4-2E3A-4E81-B375-FD6EF779F2C5
重点图像3 4 096 kbps <4 Mbps 最低4 Mbps,最高5 Mbps FAC0FFFB-463A-46A0-9624-0646E7A177E6
重点图像4 8 192 kbps <8 Mbps 最低8 Mbps,最高9 Mbps A9340953-00BB-4A98-8343-E37C271878ED
表5 图像质量评判标准

Tab.5 Image quality evaluation criteria

序号 MOS得分 失真觉察程度 观看注意力等级
1 5 未察觉 可完全放松,不需要注意力
2 4 可察觉,但不讨厌 需要注意,但不需要明显集中
3 3 稍微讨厌 中等程度的注意力
4 2 讨厌 需要集中注意力
5 1 很讨厌 即使努力去看,也很难分辨
我们按照表6测试方法进行测试,观察结果并进行记录。
表6 测试方法

Tab.6 Testing method

测试
步骤		 测试方法 网络状
态设置		 验证内容
1 观看4路测试图像,开启带宽限制,不运行IPTV业务保障策略 拥塞 此时网络处于200%负载下
验证各图像是否均无法正常流畅显示
2 关闭IPTV图像,仅观看重点图像1、重点图像3,并运行4路图像的保障策略 正常 此时图像实际带宽低于保障带宽,与步骤1相比,网络拥塞有所缓解
验证观看的两路图像是否能够正常流畅显示
3 在观看重点图像1、重点图像3的基础上新增重点图像2,同时保持4路图像的保障策略 拥塞 此时图像实际带宽高于保障带宽,网络将发生拥塞
验证是否优先级高的重点图像1、重点图像2能够抢占带宽资源并正常显示,优先级低的重点图像3将会无法正常观看

4.3 测试结果

(1)观看4路测试图像,开启带宽限制,不运行业务保障策略,测试结果如表7所示,测试截图如图8所示。
表7 测试图像指标

Tab.7 The indicators of the tested images

测试项目 测试内容及标准 测试结果
重点图像1 重点图像2 重点图像3 重点图像4
IPTV图
像数据		 图像清晰流畅。无画面停顿、画面跳跃、异常中断。画面质量主观评价>=Mos4 3 3 1 1
图像请求成功率>=99% 100% 100% 100% 100%
图像请求响应时间<2 s <1 s <1 s 2 s 5 s
理论带宽 4 096 kbps 4 096 kbps 4 096 kbps 8 192 kbps
实际带宽 3 666 kbps 3 859 kbps 1 004 kbps 2 017 kbps
丢包数 165 234 368 272
图8 200%负载无保障策略IPTV图像

Fig.8 IPTV images with no guarantee strategy under 200% load condition

当网络出口带宽设定为10 Mbps时,4路图像理论带宽为20 Mbps,实际IPTV图像带宽被占用10.29 Mbps,叠加IPTV控制信息、语音及测量数据流量,网络发生拥塞,图像因严重丢包导致卡顿或停滞现象,无法正常观看。
(2)关闭IPTV图像,仅观看重点图像1、重点图像3,并执行4路图像的保障策略,测试结果如表8所示,测试截图如图9所示。
表8 测试图像指标

Tab.8 The indicators of the tested images

测试项目 测试内容及标准 测试结果
重点图像1 重点图像2 重点图像3 重点图像4
IPTV图
像数据		 图像清晰流畅。无画面停顿、画面跳跃、异常中断。画面质量主观评价>=Mos4 5 — 5 —
图像请求成功率>=99% 100% — 100% —
图像请求响应时间<2 s <1 s — <1 s —
理论带宽 4 096 kbps — 4 096 kbps —
实际带宽 3 763 kbps — 3 928 kbps —
丢包数 0 — 0 —
图9 有保障策略无拥塞环境下IPTV图像

Fig.9 IPTV images in an environment without congestion under the guarantee strategy

此时重点图像1、重点图像3理论带宽8 Mbps,实际占用带宽7.5 Mbps,即使叠加IPTV控制信息、语音及测控数据流量,网络总带宽仍小于阈值,两路图像请求成功率保持100%,图像请求响应时间均小于1s,图像无丢包、卡顿、停滞现象,可正常观看。
(3)维持图像保障策略,在观看重点图像1、重点图像3的基础上新增重点图像2,测试结果如表9所示,测试截图如图10所示。
表9 测试图像指标

Tab.9 The indicators of the tested images

测试项目 测试内容及标准 测试结果
重点图像1 重点图像2 重点图像3 重点图像4
IPTV图
像数据		 图像清晰流畅。无画面停顿、画面跳跃、异常中断。画面质量主观评价>=Mos4 5 5 1 —
图像请求成功率>=99% 100% 100% 100% —
图像请求响应时间<2 s <1 s <1 s <1 s —
理论带宽 4 096 kbps 4 096 kbps 4 096 kbps —
实际带宽 4 136 kbps 3 643 kbps 1 799 kbps —
丢包数 8 0 539 -
图10 有保障策略拥塞环境下IPTV图像

Fig.10 IPTV images under guarantee strategies and in a congested environment

其中重点图像2优先级高于重点图像3。
此时重点图像1、重点图像2、重点图像3理论带宽为12 Mbps,实际带宽约9.3 Mbps,考虑IPTV控制信息、语音数据及测量数据所占带宽(约1 Mbps),带宽阈值低于实际需求,网络出现拥塞。3路图像均100%请求成功,响应时间均小于1 s,重点图像1、重点图像2 IPTV图像可正常观看,由于重点图像3优先级低于重点图像2,带宽资源被抢占,重点图像3丢包严重,无法观看。

4.4 测试结论

测试结果表明,该方案能够识别IPTV流量并进行管控:启用图像保障策略,业务流量未超过带宽阈值时,所有IPTV图像均传输正常;业务流量超过阈值时,非重要IPTV图像传输受限,重要IPTV传输则不受影响,新增IPTV图像可按照优先级抢占低级别IPTV图像带宽,优先级低的图像无法观看。该IPTV流量管控方法能够在保证带宽资源利用率的同时,对IPTV流量进行有效识别并管控。

5 结束语

基于DPI/DFI技术的IPTV流量管控方法不仅可以精准识别IPTV流量,还能有效管控IPTV图像,该方法可扩展应用于调度语音、测量数据等其他业务,实现广域网流量全方位管控,有效避免网络拥塞对业务的影响。其应用层流量识别方法适用于IP五元组属性不固定的业务流量,可显著提升流量识别覆盖面和管控精度。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
傅小莉. 中国IPTV技术发展研究[J]. 电视技术, 2022, 46(1): 166-169.

Fu X L. Research on the development of IPTV technology in China[J]. Video Engineering, 2022, 46(1): 166-169.

[2]
钊楠楠. 智能化IPTV监管系统设计与实现[J]. 电视技术, 2023, 47(9):208-211.

Zhao N N. Design and implementation of intelligent IPTV monitoring system[J]. TV Technology, 2023, 47(9):208-211.

[3]
云婵. IPTV业务模型与系统模型关系浅析[J]. 广东通信技术, 2017, 37(1): 5-7.

Yun C. Analysis on the relationship between IPTV service model and system model[J]. Guangdong Communication Technology, 2017, 37(1): 5-7.

[4]
金纯, 齐岩松, 于鸿洋, 等. IPTV及其解决方案[M]. 北京: 国防工业出版社, 2006.

Jin C, Qi Y S, Yu H Y, et al. IPTV and its solution[M]. Beijing: National Defense Industry Press, 2006.

[5]
叶文晨, 汪敏, 陈云寰, 等. 一种联合DPI和DFI的网络流量检测方法[J]. 计算机工程, 2011, 37(10): 102-104, 107.

DOI

Ye W C, Wang M, Chen Y H, et al. Network flow inspection method of joint DPI and DFI[J]. Computer Engineering, 2011, 37(10): 102-104, 107.

[6]
李庭芳. 融合DPI、DFI技术保障网络流控智能管理[J]. 中国计算机用户, 2009(17): 52-53.

Li T F. Integrating DPI and DFI technologies to ensure intelligent management of network flow control[J]. China Computer Users, 2009(17): 52-53.

[7]
武光达, 蒋朝惠. 基于DPI的流量识别系统的研究[J]. 信息网络安全, 2014(10): 44-48.

Wu G D, Jiang Z H. Research on flow identification system based on DPI[J]. Netinfo Security, 2014(10): 44-48.

[8]
刘泷. 基于DPI的网络业务流量识别技术研究[D]. 曲阜: 曲阜师范大学, 2017.

Liu L. Research on network traffic identification technology based on DPI[D]. Qufu: Qufu Normal University, 2017.

[9]
程园杰. 基于DPI技术的流量控制系统的设计与实施[D]. 北京: 北京邮电大学, 2013.

Cheng Y J. Design and implementation of flow control system based on DPI technology[D]. Beijing: Beijing University of Posts and Telecommunications, 2013.

[10]
刘永明, 王渊. 基于DPI和DFI的非法业务识别技术[J]. 软件导刊, 2015(12): 177-180.

Liu Y M, Wang Y. Illegal business identification technology based on DPI and DFI[J]. Software Guide, 2015(12): 177-180.

[11]
张皓. 基于DPI/DFI的流量识别与控制系统的设计与实现[D]. 北京: 北京邮电大学, 2014.

Zhang H. Design and implementation of flow identification and control system based on DPI/DFI[D]. Beijing: Beijing University of Posts and Telecommunications, 2014.

[12]
王卫东. 基于DFI和DPI技术的异常流量监控[J]. 网络安全技术与应用, 2009(1): 4-5, 11.

Wang W D. Abnormal traffic monitoring based on DFI and DPI technology[J]. Network Security Technology & Application, 2009(1): 4-5, 11.

[13]
余浩, 徐明伟. P2P流检测技术研究综述[J]. 清华大学学报(自然科学版), 2009, 49(4): 616-620.

Yu H, Xu M W. Survey of P2P flow identification technologies[J]. Journal of Tsinghua University (Science and Technology), 2009, 49(4): 616-620.

[14]
吴玉. 基于DPI的流量识别与控制系统的设计与实现[D]. 北京: 北京邮电大学, 2015.

Wu Y. Design and implementation of flow identification and control system based on DPI[D]. Beijing: Beijing University of Posts and Telecommunications, 2015.

Options
Outlines

/

〈 〉