論文の概要: Mapping the Landscape of Generative AI in Network Monitoring and Management

• arxiv url: http://arxiv.org/abs/2502.08576v1
• Date: Wed, 12 Feb 2025 17:10:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-13 13:49:10.110352
• Title: Mapping the Landscape of Generative AI in Network Monitoring and Management
• Title（参考訳）: ネットワークモニタリングと管理における生成AIの景観マッピング
• Authors: Giampaolo Bovenzi, Francesco Cerasuolo, Domenico Ciuonzo, Davide Di Monda, Idio Guarino, Antonio Montieri, Valerio Persico, Antonio Pescapè,
• Abstract要約: 我々は,ネットワークトラフィックの生成と分類,ネットワーク侵入検出,ネットワークシステムログ分析,ネットワークデジタル支援がGenAIモデルの利用によってどのように役立つかについて議論する。 本研究は,現況を地図化し,ネットワーク監視と管理にGenAIを活用するための今後の研究の道を開くことを目的としている。
• 参考スコア（独自算出の注目度）: 5.135128339076196
• License:
• Abstract: Generative Artificial Intelligence (GenAI) models such as LLMs, GPTs, and Diffusion Models have recently gained widespread attention from both the research and the industrial communities. This survey explores their application in network monitoring and management, focusing on prominent use cases, as well as challenges and opportunities. We discuss how network traffic generation and classification, network intrusion detection, networked system log analysis, and network digital assistance can benefit from the use of GenAI models. Additionally, we provide an overview of the available GenAI models, datasets for large-scale training phases, and platforms for the development of such models. Finally, we discuss research directions that potentially mitigate the roadblocks to the adoption of GenAI for network monitoring and management. Our investigation aims to map the current landscape and pave the way for future research in leveraging GenAI for network monitoring and management.
• Abstract（参考訳）: LLM、GPT、拡散モデルといったジェネレーティブ人工知能(GenAI)モデルは、最近、研究と産業コミュニティの両方から広く注目を集めている。 この調査では、ネットワーク監視と管理における彼らの応用について検討し、顕著なユースケースと課題と機会に焦点を当てている。 我々は,ネットワークトラフィックの生成と分類,ネットワーク侵入検出,ネットワークシステムログ分析,ネットワークデジタル支援がGenAIモデルの利用によってどのように役立つかについて議論する。 さらに、利用可能なGenAIモデル、大規模トレーニングフェーズ用のデータセット、そのようなモデルの開発のためのプラットフォームについて概説する。 最後に、ネットワーク監視と管理にGenAIを採用する際の障害を軽減する研究の方向性について論じる。 本研究は,現況を地図化し,ネットワーク監視と管理にGenAIを活用するための今後の研究の道を開くことを目的としている。

関連論文リスト

• GDM4MMIMO: Generative Diffusion Models for Massive MIMO Communications [61.56610953012228]
  生成拡散モデル (generative diffusion model, GDM) は、生成モデルの最先端のファミリーの一つである。 GDMは、暗黙の事前知識と堅牢な一般化能力を学ぶ能力を示す。 ケーススタディは、GDMが有望な、効率的な超次元チャネルステートメント情報取得を促進する可能性を示唆している。
  論文  参考訳（メタデータ） (2024-12-24T08:42:01Z)
• Generative AI for Data Augmentation in Wireless Networks: Analysis, Applications, and Case Study [59.780800481241066]
  Generative Artificial Intelligence (GenAI) は、無線データ拡張の効果的な代替手段である。 本稿では、無線ネットワークにおけるGenAI駆動型データ拡張の可能性と有効性について考察する。 本稿では,Wi-Fiジェスチャー認識のための一般化拡散モデルに基づくデータ拡張フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-13T05:15:25Z)
• Future-Proofing Mobile Networks: A Digital Twin Approach to Multi-Signal Management [2.5341871361006456]
  デジタルツイン(DT)は、将来の無線ネットワークにおいて重要な技術となることが期待されている。 我々のフレームワークは多様なデータソースを統合し、ネットワーク性能に関するリアルタイムで総合的な洞察を提供する。 従来の分析は、Generative AI(GenAI)のような新しいAIモデルに依存するように進化する。
  論文  参考訳（メタデータ） (2024-07-22T10:13:46Z)
• Networking Systems for Video Anomaly Detection: A Tutorial and Survey [55.28514053969056]
  ビデオ異常検出(VAD)は人工知能(AI)コミュニティにおける基本的な研究課題である。 本稿では,各種深層学習駆動型VAD経路の基本前提,学習フレームワーク,適用シナリオについて述べる。 我々は、産業用IoTおよびスマート都市における最新のNSVAD研究と、デプロイ可能なNSVADのためのエンドクラウド共同アーキテクチャを紹介します。
  論文  参考訳（メタデータ） (2024-05-16T02:00:44Z)
• Generative AI Agent for Next-Generation MIMO Design: Fundamentals, Challenges, and Vision [76.4345564864002]
  次世代の多重入力多重出力(MIMO)はインテリジェントでスケーラブルであることが期待される。 本稿では、カスタマイズされた特殊コンテンツを生成することができる生成型AIエージェントの概念を提案する。 本稿では、生成AIエージェントをパフォーマンス分析に活用することの有効性を示す2つの説得力のあるケーススタディを示す。
  論文  参考訳（メタデータ） (2024-04-13T02:39:36Z)
• Generative AI and Process Systems Engineering: The Next Frontier [0.5937280131734116]
  本稿では,大規模言語モデル (LLM) のような新しい生成人工知能(GenAI)モデルが,プロセスシステム工学 (PSE) におけるソリューション方法論をいかに拡張するかを考察する。 これらの最先端のGenAIモデル、特にファンデーションモデル(FM)は、広範な汎用データセットで事前トレーニングされている。 この記事では、マルチスケールモデリング、データ要件、評価指標とベンチマーク、信頼性と安全性など、PSE内でGenAIを完全に活用する上での潜在的な課題を特定し、議論する。
  論文  参考訳（メタデータ） (2024-02-15T18:20:42Z)
• At the Dawn of Generative AI Era: A Tutorial-cum-Survey on New Frontiers in 6G Wireless Intelligence [11.847999494242387]
  ジェネレーティブAI(Generative AI、ジェネレーティブAI)は、入力データの基盤となるデータ分布、パターン、特徴を識別できるジェネレーティブモデル(GM)である。 これにより、GenAIは、実世界のデータが不足し、不完全で、取得にコストがかかり、モデル化や理解が難しい、無線領域において重要な資産となる。 我々は、セマンティック/THz/ニアフィールド通信、ISAC、超大型アンテナアレイ、デジタルツイン、AI生成コンテンツサービス、モバイルエッジコンピューティングとエッジAI、敵対的ML、信頼に値する6Gネットワーク研究の先駆的な領域におけるGMの役割を概説する。
  論文  参考訳（メタデータ） (2024-02-02T06:23:25Z)
• From Generative AI to Generative Internet of Things: Fundamentals, Framework, and Outlooks [82.964958051535]
  生成人工知能(GAI)は、現実的なデータを生成し、高度な意思決定を促進する能力を持っている。 GAIを現代のモノのインターネット(IoT)に統合することによって、ジェネレーティブ・インターネット・オブ・モノ(GIoT)が登場し、社会の様々な側面に革命をもたらす大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2023-10-27T02:58:11Z)
• Large Generative AI Models for Telecom: The Next Big Thing? [7.36678071967351]
  大型のGenAIモデルは、自律的無線ネットワークの新しい時代を開くことを想定している。 本稿では,大規模なGenAIモデルをTelecomドメインに統合することで実現可能な機会を広げることを目的としている。
  論文  参考訳（メタデータ） (2023-06-17T03:45:00Z)
• Deep Generative Model and Its Applications in Efficient Wireless Network Management: A Tutorial and Case Study [71.8330148641267]
  ディープジェネレーションモデル(DGM)は2022年から爆発的な成長を遂げている。 本稿では,無線ネットワーク管理の効率化に向けたDGMの応用について検討する。
  論文  参考訳（メタデータ） (2023-03-30T02:59:51Z)
• Generative Adversarial Networks (GANs) in Networking: A Comprehensive Survey & Evaluation [5.196831100533835]
  GAN(Generative Adversarial Networks)は、広く研究された機械学習サブフィールドである。 GANは一般的に合成画像の生成や変換に用いられる。 本稿では、この機械学習の分岐が、コンピュータと通信ネットワークの複数の側面にどのように役立つかを実証する。
  論文  参考訳（メタデータ） (2021-05-10T08:28:36Z)

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。