Fugu-MT 論文翻訳(概要): VHetNets for AI and AI for VHetNets: An Anomaly Detection Case Study for Ubiquitous IoT

論文の概要: VHetNets for AI and AI for VHetNets: An Anomaly Detection Case Study for Ubiquitous IoT

arxiv url: http://arxiv.org/abs/2210.08132v1
Date: Fri, 14 Oct 2022 21:55:57 GMT
ステータス: 処理完了
システム内更新日: 2022-10-18 20:40:02.203544
Title: VHetNets for AI and AI for VHetNets: An Anomaly Detection Case Study for Ubiquitous IoT
Title（参考訳）: VHetNets for AIとAI for VHetNets:ユビキタスIoTの異常検出ケーススタディ
Authors: Weili Wang, Omid Abbasi, Halim Yanikomeroglu, Chengchao Liang, Lun Tang, and Qianbin Chen
Abstract要約: 垂直異種ネットワーク(VHetNets)と人工知能(AI)は6Gおよびそれ以上のネットワークにおいて重要な役割を果たす。本稿では,VHetNetsとAIのシナジーを実現するために,AIネイティブなVHetNetsアーキテクチャを提案する。
参考スコア（独自算出の注目度）: 22.990128106182713
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Vertical heterogenous networks (VHetNets) and artificial intelligence (AI) play critical roles in 6G and beyond networks. This article presents an AI-native VHetNets architecture to enable the synergy of VHetNets and AI, thereby supporting varieties of AI services while facilitating automatic and intelligent network management. Anomaly detection in Internet of Things (IoT) is a major AI service required by many fields, including intrusion detection, state monitoring, device-activity analysis, security supervision and so on. Conventional anomaly detection technologies mainly consider the anomaly detection as a standalone service that is independent of any other network management functionalities, which cannot be used directly in ubiquitous IoT due to the resource constrained end nodes and decentralized data distribution. In this article, we develop an AI-native VHetNets-enabled framework to provide the anomaly detection service for ubiquitous IoT, whose implementation is assisted by intelligent network management functionalities. We first discuss the possibilities of VHetNets used for distributed AI model training to provide anomaly detection service for ubiquitous IoT, i.e., VHetNets for AI. After that, we study the application of AI approaches in helping provide automatic and intelligent network management functionalities for VHetNets, i.e., AI for VHetNets, whose aim is to facilitate the efficient implementation of anomaly detection service. Finally, a case study is presented to demonstrate the efficiency and effectiveness of the proposed AI-native VHetNets-enabled anomaly detection framework.
Abstract（参考訳）: 垂直異種ネットワーク(VHetNets)と人工知能(AI)は6Gおよびそれ以上のネットワークにおいて重要な役割を果たす。本稿では,VHetNetsとAIのシナジーを実現するために,AIネイティブなVHetNetsアーキテクチャを提案する。 IoT(Internet of Things)における異常検出は、侵入検出、状態監視、デバイスアクティビティ分析、セキュリティ監視など、多くの分野で必要とされる主要なAIサービスである。従来の異常検出技術は主に、異常検出を他のネットワーク管理機能とは独立して、リソースの制約された終端ノードと分散データ分散のため、ユビキタスIoTでは直接使用できないスタンドアロンサービスとみなす。本稿では,ユビキタスIoTのための異常検出サービスを提供する,AIネイティブなVHetNets対応フレームワークを開発した。まず、分散AIモデルのトレーニングに使用されるVHetNetsが、ユビキタスIoT、すなわちAIのためのVHetNetsに異常検出サービスを提供する可能性について論じる。その後、VHetNetsにおける自動的かつインテリジェントなネットワーク管理機能、すなわちVHetNetsにおけるAI機能の実現を支援するためのAIアプローチの適用について検討する。最後に、提案するAIネイティブなVHetNets対応異常検出フレームワークの有効性と有効性を示すケーススタディを示す。

関連論文リスト

A Learning-based Incentive Mechanism for Mobile AIGC Service in Decentralized Internet of Vehicles [49.86094523878003]
モバイルAIGCサービスアロケーションのための分散インセンティブ機構を提案する。我々は、AIGCサービスのRSUへの供給と、IoVコンテキスト内のサービスに対するユーザ要求のバランスを見つけるために、マルチエージェントの深層強化学習を採用している。
論文参考訳（メタデータ） (2024-03-29T12:46:07Z)
Uncertainty Estimation in Multi-Agent Distributed Learning for AI-Enabled Edge Devices [0.0]
エッジIoTデバイスはFPGAとAIアクセラレータの導入によってパラダイムシフトを経験している。この進歩は、エッジAIの実用性を強調し、その計算能力を大幅に増幅した。本研究では,AI対応エッジデバイスによる分散データ処理を実現する手法について検討し,協調学習能力を向上する。
論文参考訳（メタデータ） (2024-03-14T07:40:32Z)
Task-Oriented Integrated Sensing, Computation and Communication for Wireless Edge AI [46.61358701676358]
エッジ人工知能(AI)は、従来のクラウドをネットワークエッジまで高速に計算するために提案されている。近年,特定のエッジAIタスクに対する無線センシング,計算,通信(SC$2$)の収束が,パラダイムシフトを引き起こしている。超信頼性で低レイテンシなエッジインテリジェンス獲得を実現するために、完全に統合されたセンシング、計算、通信(I SCC)を進めることが最重要である。
論文参考訳（メタデータ） (2023-06-11T06:40:51Z)
AI for IT Operations (AIOps) on Cloud Platforms: Reviews, Opportunities and Challenges [60.56413461109281]
IT運用のための人工知能(AIOps)は、AIのパワーとIT運用プロセスが生成するビッグデータを組み合わせることを目的としている。我々は、IT運用活動が発信する重要なデータの種類、分析における規模と課題、そしてどのように役立つかについて深く議論する。主要なAIOpsタスクは、インシデント検出、障害予測、根本原因分析、自動アクションに分類します。
論文参考訳（メタデータ） (2023-04-10T15:38:12Z)
The Internet of Senses: Building on Semantic Communications and Edge Intelligence [67.75406096878321]
インターネット・オブ・センセーズ(IoS)は、すべてのヒト受容体に対する欠陥のないテレプレゼンススタイルのコミュニケーションを約束する。我々は,新たなセマンティックコミュニケーションと人工知能(AI)/機械学習(ML)パラダイムがIoSユースケースの要件を満たす方法について詳しく述べる。
論文参考訳（メタデータ） (2022-12-21T03:37:38Z)
Collaborative adversary nodes learning on the logs of IoT devices in an IoT network [0.0]
データの観点からIoTセキュリティのための改良されたアプローチを提案する。 Recurrent Neural Network (RNN) を用いたAdLIoTLogモデルの提案その結果,AdLIoTLogモデルの予測性能は攻撃の有無で3～4%低下した。
論文参考訳（メタデータ） (2021-12-22T02:56:22Z)
Pervasive AI for IoT Applications: Resource-efficient Distributed Artificial Intelligence [45.076180487387575]
人工知能(AI)は、さまざまなモノのインターネット(IoT)アプリケーションやサービスにおいて大きなブレークスルーを目の当たりにした。これは、感覚データへの容易なアクセスと、リアルタイムデータストリームのゼッタバイト(ZB)を生成する広帯域/ユビキタスデバイスの巨大なスケールによって駆動される。広範コンピューティングと人工知能の合流により、Pervasive AIはユビキタスIoTシステムの役割を拡大した。
論文参考訳（メタデータ） (2021-05-04T23:42:06Z)
Towards AIOps in Edge Computing Environments [60.27785717687999]
本稿では,異種分散環境に適用可能なaiopsプラットフォームのシステム設計について述べる。高頻度でメトリクスを収集し、エッジデバイス上で特定の異常検出アルゴリズムを直接実行することが可能である。
論文参考訳（メタデータ） (2021-02-12T09:33:00Z)
Artificial Intelligence for UAV-enabled Wireless Networks: A Survey [72.10851256475742]
無人航空機(UAV)は次世代無線通信ネットワークにおいて有望な技術であると考えられている。人工知能(AI)は近年急速に成長し、成功している。 UAVベースのネットワークにおけるAIの潜在的な応用について概観する。
論文参考訳（メタデータ） (2020-09-24T07:11:31Z)
Artificial Intelligence Aided Next-Generation Networks Relying on UAVs [140.42435857856455]
動的環境において,人工知能(AI)による無人航空機(UAV)による次世代ネットワーク支援が提案されている。 AI対応のUAV支援無線ネットワーク(UAWN)では、複数のUAVが航空基地局として使用され、ダイナミックな環境に迅速に適応することができる。 AIフレームワークの利点として、従来のUAWNのいくつかの課題が回避され、ネットワークパフォーマンスが向上し、信頼性が向上し、アジャイル適応性が向上する。
論文参考訳（メタデータ） (2020-01-28T15:10:22Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。