Journal of the Korea Academia-Industrial cooperation Society (한국산학기술학회논문지)

The Korea Academia-Industrial cooperation Society (한국산학기술학회)
권호 표지
DOI QR코드

DOI QR Code

Support Vector Machines-based classification of video file fragments

서포트 벡터 머신 기반 비디오 조각파일 분류

  • 강현석 (청운대학교 전자공학과) ;
  • 이영석 (청운대학교 전자공학과)
  • Received : 2014.11.14
  • Accepted : 2015.01.08
  • Published : 2015.01.31
Download PDF
⟨ Previous Next ⟩

Abstract

BitTorrent is an innovative protocol related to file-sharing and file-transferring, which allows users to receive pieces of files from multiple sharer on the Internet to make the pieces into complete files. In reality, however, free distribution of illegal or copyright related video data is counted for crime. Difficulty of regulation on the copyright of data on BitTorrent is caused by the fact that data is transferred with the pieces of files instead of the complete file formats. Therefore, the classification process of file formats of the digital contents should take precedence in order to restore digital contents from the pieces of files received from BitTorrent, and to check the violation of copyright. This study has suggested SVM classifier for the classification of digital files, which has the feature vector of histogram differential on the pieces of files. The suggested classifier has evaluated the performance with the division factor by applying the classifier to three different formats of video files.

BitTorrent는 다수의 파일 공유자들로부터 조각파일을 전송 받아 하나의 완전한 파일을 완성할 수 있는 파일 공유 및 전송과 관련된 혁신적인 프로토콜이다. 그러나, 불법 또는 저작권과 관련된 비디오 데이터들이 임의로 배포되는 범죄행위가 발생하는 것이 현실이다. BitTorrent 상에 데이터에 대한 저작권 단속의 어려움은 데이터의 전송형태가 완전한 파일 형식이 아닌 조각 파일 형태로 전송된다는 점이다. 따라서, BitTorrent에서 얻어진 조각파일에서 디지털 콘텐츠를 복원하고, 저작권 위반 여부를 판단하기 위해서는 디지털 콘텐츠의 파일 형식에 대한 분류 과정이 선행 되어야 한다. 본 연구에서는 디지털 파일의 형식을 분류하기 위한 방법으로서 조각파일의 히스토그램 차분을 특징 벡터로 하는 SVM 분류기를 제안 하였다. 제안한 분류기는 3종류의 비디오 파일 형식에 적용하여 분류율로 성능을 평가하였다.

Keywords

References

  1. Kim. J. W., "State of the Art of the Countermeasure Technology for Copyright Infringement in the BitTorrent", Intellectual Property Right, Sangmyung Uvi, vol. 11, pp. 43-50, 2013.
  2. P. Konar and P. Chattopadhyay, "Bearing fault detection of induction motor using wavelet and support vector machines (SVMs)," Applied Soft Computing, vol. 11, pp. 4203-4211, 2011. DOI: http://dx.doi.org/10.1016/j.asoc.2011.03.014
  3. I. S. Lee, J. H. Cho, H. M. Seo, and Y. S. Nam, "Fault detection and isolation of nonlinear system based on SVM and artificial neural network," 2012 27th ICROS Annual Conference (in Korean), pp. 408-409, 2012.
  4. Yang, B. S., Hwang, W. W., Kim, D. 1. and Tan, A. C., 2005, "Condition Classification of Small Reciprocating Compressor for Refrigerators using Artificial Neural Networks and Support Vector Machines," Mechanical Systems and Signal Processing, Vol. 19, PP.371-390, 2013. DOI: http://dx.doi.org/10.1016/j.ymssp.2004.06.002
  5. U. Kresse1. "Pairwise Classification and Support Vector Machines, in Advances in Kernel Methods-Support Vector Learning," B. Scholkopf, C. 1. C. Burges, A. J. Smola. Eds. MIT Press, Cambridge. PP. 255-268, 1999.