Jul, 2018

基于通话详单的移动蜂窝网络异常检测与流量预测

PDF
TL;DR利用大数据分析和机器学习技术，研究移动网络中成千上万的呼叫详单数据来检测网络中的异常活动，通过使用神经网络模型来训练无异常的数据，使用 ARIMA 模型来预测未来交通，因此提高了模型的预测精度。
mobile networksbig data analyticsmachine learninganomaly detectionneural network
发现论文，激发创造
  • 手机网络中应用层流量数据的学习和预测

    本文提出了一种基于字典学习的交替方向方法，用于综合研究和预测蜂窝网络流量建模和预测框架，并提高了预测准确性和鲁棒性。

    Jun, 2016

  • 使用手机数据和社交网络分析提高金融包容性：大数据在信用评分中的价值

    本文介绍了使用通话记录等大数据源以增强信用评分模型的性能及经济效益的研究。利用不同数据集结合社交网络分析技术，本文得出结论：在信用评分模型中融入通话记录等数据，可以显著提高其统计和经济性能，尤其是在利用利润度量和利润相关选择特征等方面。此外，调用行为特征不仅是其他模型中最具有预测性的特征，而且用它构建模型可以获得最佳利润。

    Feb, 2020

  • 基于深度学习的物联网网络流量分析

    使用深度学习算法和无监督学习技术来监测和检测 IoT 网络中的异常，并在 KDD Cup 99 数据集上实施了一个模型，实验结果展示了异常检测模型的出色性能，达到了超过 98% 的准确率。

    Feb, 2024

  • 基于大数据的机器学习和工程的电信欺诈分析

    电信行业因欺诈而在全球范围内损失了 463 亿美元。本文提出了一种工业化的解决方案，采用自适应数据挖掘技术和大数据技术来准确、高效和具有成本效益地检测欺诈，并发现新的欺诈模式。该解决方案已成功地检测出少于 5% 的虚假阳性的国际收入分成欺诈。本研究使用了一家有声望的批发运营商和海外电信中转运营商超过 1TB 的通话详单记录。

    Oct, 2023

  • 机器学习与大数据的结合：无线通信视角

    本文简要介绍大数据分析和机器学习，并探讨它们在下一代无线网络中的潜在应用。提出了一个统一的大数据辅助的机器学习框架，用于预测移动用户的要求，并利用它来改善社交网络感知无线网络的性能，为了描述该框架的效率，提供了一对智能实际应用作为案例研究，以及为激励未来的研究提供开放式研究机会。

    Jan, 2019

  • 走向更精确的移动蜂窝流量预测之路

    本文报道了一种新的方法，该方法通过结合免费提供的道路指标来确立数据生成过程和空间依赖性，从而提高了移动蜂窝流量预测的准确性，这可以应用于边缘或中心化学习，可用于预测短期未来一段高速公路覆盖区域的负载。

    May, 2023

  • 机器学习技术在大型移动用户数据集上的实际应用

    在这篇论文中，作者描述了从关系数据库管理系统（RDBMS）到分布式大数据分析平台的转变，这个平台适用于大规模机器学习和数据挖掘，利用通信服务提供商 (CSPs) 的大规模交易数据资产以及数据分析技术，用于服务个性化、预测建模和产品优化，而这种数据分析技术是实现对数据的利用和挖掘的关键。

    Feb, 2015

  • 移动网络中的故障检测与扩散模型

    本文介绍了一种利用生成 AI 模型检测电信网络异常的系统，通过扩散模型对多元时间序列数据进行训练，提出了用于电信网络时间序列异常检测的框架和优于其他技术的扩散模型架构，并通过对真实数据集的实验验证模型提供了可解释的结果，揭示了其局限性并提出了未来研究方向以进一步增强其能力。

    Apr, 2024

  • 在边缘通过分布式和迁移学习进行移动流量预测

    基于边缘计算的新型预测框架使用通过大规模测量活动在边缘获取的数据集，设计了基于卷积神经网络（CNN）和循环神经网络（RNN）的两种主要深度学习架构，并在不同训练条件下进行了测试。使用知识迁移学习（KTL）技术改进模型性能并降低计算资源需求，模拟结果表明 CNN 架构优于 RNN。提供了对所需训练能量的估计，并应用两种前沿可解释人工智能技术来解释得出的学习模型。

    Oct, 2023

  • 质量进出：评估异常检测基准数据的质量

    本文通过对一个用于异常检测的基于流量的真实数据集进行修改，发现相对较小的修改对模型性能的影响，强调了数据质量评估和优化技术对于自主网络的重要性。

    May, 2023