A novel method for flash crowd avoidance in P2P video on demand streaming via pre-release distribution
Notice bibliographique
Résumé
In recent years, the high maintenance cost of centralized video on demand systems has led to the development of commercial peer to peer video on demand systems. These peer to peer systems help remove the cost and bandwidth limitations of a centralized group of servers. However, limited upload bandwidth in the current Internet combined with flash crowds limits the quality and smoothness of the streaming videos. In this paper, we present a novel idea to alleviate the problem of flash crowds, i.e. the sudden drastic increase in the number of requests for a video, such as at the video release time. The flash crowd problem causes potential network congestion that in turns increases the rate of video request rejections, thus reducing the video streaming capacity of the P2P systems. Our design supports video pre-release distribution by allowing users to subscribe to a movie series or a video from a schedule of upcoming videos. By using this information, encrypted versions of the video published by the publishers may be automatically retrieved even before the video is officially released. At the video release time, the decryption key of the encrypted video gets distributed to allow the user to decrypt the encrypted video and subsequently watch it. This pre-release video distribution system uses a hybrid peer to peer approach to handle distribution of schedules and decryption keys. We design a GUI and implement a prototype to demonstrate the feasibility and viability of this pre-release P2P distribution system.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».