Oct, 2023

智能网络管理：利用人工智能进行网络服务检测

PDF
TL;DR利用机器学习方法，该研究介绍了一种高级网络流量分类系统，能够实时分析网络流量并识别各种网络服务类型。通过对网络流量中的模式进行分析，我们的方法将相似的网络流量归类为不同的网络服务，并将流量分解为多个小的流，每个流专门用于承载特定的服务。我们的机器学习模型基于包含不同网络服务类型的标记示例的数据集进行训练，并在评估中展现了出色的准确性。这些结果强调了将人工智能集成到无线技术中的巨大潜力，通过这种方法可以实现更高效的能源消耗、提供更好的服务质量保证以及优化网络资源的分配，为先进智能网络的发展打下坚实的基础。
发现论文，激发创造
  • 机器学习与无线蜂窝网络结合：部署，挑战和应用

    本文概述了人工智能在 5G 及以后无线网络中的应用，包括网络智能类型、机器学习以及应用案例，重点介绍了物理层、移动性管理、无线安全和定位方面的应用。

    Nov, 2019

  • 下一代无线网络中的机器学习和人工智能

    本文将探讨机器学习、自动化、人工智能和大数据分析对于提高下一代无线网络的能力和效率的作用，发现这些新技术将有助于使下一代无线网络实现自适应、自我感知、预测和主动性，最终得出未来的无线网络运营商不能脱离人工智能和机器学习技术转变其操作框架的结论。

    Dec, 2021

  • 基于人工智能 / 机器学习的 IEEE 802.11 企业网络负载预测

    企业 Wi-Fi 网络可以通过人工智能和机器学习（AI/ML）的管理和操作能力大大受益。同时，基于 AI/ML 的流量 / 负载预测是改善 Wi-Fi 体验最具吸引力的数据驱动解决方案之一。本文研究了在实际企业 Wi-Fi 网络中采用基于 AI/ML 的负载预测的适用性和可行性。我们的结果表明，受硬件限制的 AI/ML 模型可以对网络负载进行预测，平均误差不超过 20％，85 区位数误差不超过 3％，这为主动驱动 Wi-Fi 网络优化提供了适当的输入。

    Oct, 2023

  • 基于机器学习和 Wi-Fi 的 AI/ML 本地化 IEEE 802.11 网络揭示之路

    人工智能和机器学习是驱动未来通信系统演进的必备技术，而 Wi-Fi 网络不断演化且变得越来越复杂。本文讨论了人工智能和机器学习在当前和未来 Wi-Fi 网络中的作用，并提出了人工智能和机器学习原生 Wi-Fi 的发展方向、关键挑战、标准化努力和主要推动因素。通过提供一个示例用例展示了人工智能和机器学习在不同采用阶段的 Wi-Fi 中的潜力。

    May, 2024

  • AI - 驱动未来无线网络：挑战、机遇与开放问题

    本文调查了利用机器学习技术提高无线网络性能方面的最新研究，并提出挑战和未解决的问题，为研究人员提供了一条路线图。

    Mar, 2021

  • 基于人工神经网络的机器学习在无线网络中的应用：教程

    本文介绍了机器学习和人工神经网络在下一代无线通信网络中的应用，涵盖了前馈神经网络、循环神经网络、脉冲神经网络和深度神经网络等不同类型，并讨论了无人机通信、虚拟现实和边缘缓存等无线通信问题和挑战。作者提出了未来可能的研究方向，对开发满足未来无线网络需求的机器学习技术提供了全面的指南。

    Oct, 2017

  • 未来无线网络中的 AI 实现：数据生命周期视角

    近年来，移动计算和物联网网络的快速部署使得无线系统的通信和感知能力大幅增强，而基于大数据分析、普适计算和人工智能（AI）的新型网络架构 —— 无线 AI 将 AI 推向网络边缘，成为未来智慧网络演进的关键，本文提出了一个从数据驱动的角度出发，关于无线 AI 的最新研究的综合调查，尤其在数据驱动领域，对无线 AI 在各个领域具有的应用进行了深入讨论，为无线网络的设计和优化提供了可能的解决方案和方向。

    Feb, 2020

  • 通过自动网络流量分析提升物联网安全性：从机器学习到深度学习的转变

    本研究比较分析了深度学习（DL）在处理物联网（IoT）任务中，如攻击分类和设备类型识别方面，如何超越机器学习（ML）的优点。通过训练和评估使用多个多样化的 IoT 相关数据集的 DL 模型，我们获得了有关这些模型在不同 IoT 配置下的适应性和实际性的宝贵见解。结果表明 DL 能够超越手动设计特征的限制，在攻击检测方面取得了优越的结果，并在设备类型识别方面达到了可比较的成果。此外，在实验中还出现了显著的特征提取时间差异：传统方法每个数据包需要约 29 毫秒，而 DL 只需 2.9 毫秒完成同样的任务。这个显著的时间差以及 DL 的卓越性能和手动设计特征的局限性，对物联网社区提出了强烈的行动呼吁。这促使我们从为每个数据集探索新的 IoT 特征转向解决将 DL 集成到 IoT 中的挑战，使其成为实际物联网场景的更有效解决方案。

    Nov, 2023

  • 物联网中网络流量分类的深度学习方法综述

    网络流量分类是物联网中优化资源分配、增强安全措施和确保高效网络管理的关键问题。这篇综述论文通过系统分析和分类现有的深度学习方法，针对物联网环境中的网络流量分类问题，探讨了各种深度学习模型在处理物联网网络流量的独特挑战和限制方面的优缺点。通过这篇综述，我们旨在为研究人员和实践者提供有价值的见解，识别研究空白，并提供未来研究的方向，进一步提高基于深度学习的物联网网络流量分类的效果和效率。

    Feb, 2024

  • 机器学习在无线网络中的应用：关键技术与未解决问题

    本文全面调查了机器学习在无线通信中的应用，分类为 MAC 层的资源管理，网络层的网络和移动性管理，以及应用层的定位，并根据采用的机器学习技术组织了每个方面的文献。同时，提出了使用 ML 的条件和未解决的问题，以促进未来的研究。

    Sep, 2018