网络供应商ISP(Internet Service Provider)为用户提供网络接入等服务,它拥有巨大的用户群体,而ISP之间的竞争异常激烈,如何有效的提高ISP的竞争能力一直都是通信研究领域的热点课题。视频作为网络流量的主体,为视频用户提供用户满意度高的网络服务能够提升用户体验,进而有效的提高ISP的竞争力。视频卡顿作为视频用户满意度QoE(Quality of Experience)度量的重要指标,是一个重要的切入点,因此从ISP端进行视频卡顿检测能够为ISP提供有效手段来提升用户满意度。由于涉及用户隐私,大多视频网站采用HTTPS作为视频传输的应用层协议,所以ISP不能通过解析HTTPs包获取视频用户的播放情形,无法直接检测卡顿。为此,本文提出一种基于用户行为的ISP端视频卡顿检测方法,能够适应使用加密协议传输的视频流,可为ISP提供有效手段提高用户体验。该方法能够有效地匹配出包括YouTube、优酷、乐视、腾讯视频等各大视频源的卡顿事件。卡顿检测模型分为两个模块:卡顿匹配模块和卡顿判定模块。考虑到用户观看视频时的一些行为会影响ISP端卡顿事件的检测,本文将用户行为的识别加入到卡顿判定模块,它能有效的识别出用户行为,从而降低卡顿检测的误判率。该模型主要通过对报文数据的IP源、报文长度、报文类型、报文基本信息进行建模,在无法解析HTTPS协议的情况下,利用能获取的有限信息,来识别用户行为并进行卡顿检测。最后本文构建了一个卡顿分析平台,并将其容器化,便于实现跨平台移植。对国内外各大主流视频源进行了随机采样,对添加与不添加用户行为分析模块后的卡顿匹配率、误判率的进行了试验,结果得出用户行为分析模块在不显著降低匹配率的同时有效的降低了误判率。对各个视频源的卡顿检测的统计结果分析表明,该模型具有较好的鲁棒性,对国内外各大视频源都有着极佳的卡顿检测效果。