論文の概要: A Comprehensive Survey on Network Traffic Synthesis: From Statistical Models to Deep Learning
- arxiv url: http://arxiv.org/abs/2507.01976v1
- Date: Mon, 23 Jun 2025 18:08:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-07 02:47:44.45049
- Title: A Comprehensive Survey on Network Traffic Synthesis: From Statistical Models to Deep Learning
- Title（参考訳）: ネットワークトラフィック合成に関する包括的調査:統計モデルからディープラーニングへ
- Authors: Nirhoshan Sivaroopan, Kaushitha Silva, Chamara Madarasingha, Thilini Dahanayaka, Guillaume Jourjon, Anura Jayasumana, Kanchana Thilakarathna,
- Abstract要約: 合成ネットワークトラフィック生成は、ネットワーク領域における様々なデータ駆動アプリケーションのための有望な代替手段として登場した。
これは、データ不足、プライバシーの懸念、および実際のデータに関連する純粋性制約といった重要な課題に対処しながら、現実世界の特徴を保存する合成データの作成を可能にする。
この調査は、研究者や実践者の基盤資源として機能し、既存の手法、課題、および合成ネットワークトラフィック生成の機会に関する構造化された分析を提供する。
- 参考スコア（独自算出の注目度）: 4.578307236651368
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Synthetic network traffic generation has emerged as a promising alternative for various data-driven applications in the networking domain. It enables the creation of synthetic data that preserves real-world characteristics while addressing key challenges such as data scarcity, privacy concerns, and purity constraints associated with real data. In this survey, we provide a comprehensive review of synthetic network traffic generation approaches, covering essential aspects such as data types, generation models, and evaluation methods. With the rapid advancements in AI and machine learning, we focus particularly on deep learning-based techniques while also providing a detailed discussion of statistical methods and their extensions, including commercially available tools. Furthermore, we highlight open challenges in this domain and discuss potential future directions for further research and development. This survey serves as a foundational resource for researchers and practitioners, offering a structured analysis of existing methods, challenges, and opportunities in synthetic network traffic generation.
- Abstract（参考訳）: 合成ネットワークトラフィック生成は、ネットワーク領域における様々なデータ駆動アプリケーションのための有望な代替手段として登場した。
これは、データ不足、プライバシーの懸念、および実際のデータに関連する純粋性制約といった重要な課題に対処しながら、現実世界の特徴を保存する合成データの作成を可能にする。
本稿では,データタイプ,生成モデル,評価手法などの重要な側面を網羅した,総合的なネットワークトラフィック生成手法のレビューを行う。
AIと機械学習の急速な進歩により、我々は特にディープラーニングベースの技術に焦点を当て、また商用ツールを含む統計手法とその拡張に関する詳細な議論も行なっている。
さらに、この領域におけるオープンな課題を強調し、さらなる研究・開発に向けた今後の方向性について論じる。
この調査は、研究者や実践者の基盤資源として機能し、既存の手法、課題、および合成ネットワークトラフィック生成の機会に関する構造化された分析を提供する。
関連論文リスト
- Synthetic Tabular Data Generation: A Comparative Survey for Modern Techniques [6.744437741221969]
プライバシー規制が厳しくなり、現実世界のデータへのアクセスが制限されるようになるにつれ、合成データ生成は重要なソリューションとして現れてきた。
このレビューでは、条件付き生成やリスクに敏感なモデリングを含む、合成データ生成を駆動する実行可能な目標を優先する。
論文 参考訳（メタデータ） (2025-07-15T14:57:23Z) - Anomaly Detection and Generation with Diffusion Models: A Survey [51.61574868316922]
異常検出(AD)は、サイバーセキュリティ、金融、医療、工業製造など、さまざまな分野において重要な役割を担っている。
近年のディープラーニング,特に拡散モデル(DM)の進歩は,大きな関心を集めている。
この調査は、研究者や実践者が様々なアプリケーションにまたがる革新的なADソリューションにDMを利用することをガイドすることを目的としている。
論文 参考訳（メタデータ） (2025-06-11T03:29:18Z) - An Empirical Study of Validating Synthetic Data for Text-Based Person Retrieval [51.10419281315848]
我々は,テキストベース人検索(TBPR)研究における合成データの可能性を探るため,実証的研究を行った。
本稿では,自動プロンプト構築戦略を導入するクラス間画像生成パイプラインを提案する。
我々は、画像のさらなる編集に生成AIモデルを応用した、クラス内画像拡張パイプラインを開発する。
論文 参考訳（メタデータ） (2025-03-28T06:18:15Z) - Exploring the Landscape for Generative Sequence Models for Specialized Data Synthesis [0.0]
本稿では, 複雑度の異なる3つの生成モデルを用いて, 悪意ネットワークトラフィックを合成する手法を提案する。
提案手法は,数値データをテキストに変換し,言語モデリングタスクとして再フレーミングする。
提案手法は,高忠実度合成データの生成において,最先端の生成モデルを超えている。
論文 参考訳（メタデータ） (2024-11-04T09:51:10Z) - Best Practices and Lessons Learned on Synthetic Data [83.63271573197026]
AIモデルの成功は、大規模で多様な、高品質なデータセットの可用性に依存している。
合成データは、現実世界のパターンを模倣する人工データを生成することによって、有望なソリューションとして現れてきた。
論文 参考訳（メタデータ） (2024-04-11T06:34:17Z) - Reimagining Synthetic Tabular Data Generation through Data-Centric AI: A
Comprehensive Benchmark [56.8042116967334]
合成データは、機械学習モデルのトレーニングの代替となる。
合成データが現実世界データの複雑なニュアンスを反映することを保証することは、難しい作業です。
本稿では,データ中心型AI技術の統合による合成データ生成プロセスのガイドの可能性について検討する。
論文 参考訳（メタデータ） (2023-10-25T20:32:02Z) - Exploring the Potential of AI-Generated Synthetic Datasets: A Case Study
on Telematics Data with ChatGPT [0.0]
この研究は、OpenAIの強力な言語モデルであるChatGPTを活用して、特にテレマティクス分野における合成データセットの構築と利用に力を入れている。
このデータ作成プロセスを説明するために、合成テレマティクスデータセットの生成に焦点を当てたハンズオンケーススタディが実施されている。
論文 参考訳（メタデータ） (2023-06-23T15:15:13Z) - Beyond Privacy: Navigating the Opportunities and Challenges of Synthetic
Data [91.52783572568214]
合成データは、機械学習の世界において支配的な力となり、データセットを個々のニーズに合わせて調整できる未来を約束する。
合成データのより広範な妥当性と適用のために,コミュニティが克服すべき根本的な課題について論じる。
論文 参考訳（メタデータ） (2023-04-07T16:38:40Z) - Machine Learning for Synthetic Data Generation: A Review [23.073056971997715]
本稿では,合成データの生成を目的とした機械学習モデルを用いた既存研究についてレビューする。
このレビューは、合成データ生成、コンピュータビジョン、スピーチ、自然言語処理、ヘルスケア、ビジネスドメインの応用から始まる様々な視点を網羅している。
この論文は、合成データ生成に関するプライバシーと公平性に関する重要な側面についても論じている。
論文 参考訳（メタデータ） (2023-02-08T13:59:31Z) - Deep Generative Modeling in Network Science with Applications to Public
Policy Research [0.0]
ネットワークデータは、量的かつデータ駆動の公共政策研究にますます利用されている。
深層生成法は、マイクロシミュレーションやエージェントベースモデルに有用なリアルな合成ネットワークを生成するために使用できる。
疫学モデルで一般的に使用される大規模社会接触ネットワークに適用可能な,新たな生成フレームワークを開発した。
論文 参考訳（メタデータ） (2020-10-15T16:47:34Z) - Survey of Network Intrusion Detection Methods from the Perspective of
the Knowledge Discovery in Databases Process [63.75363908696257]
本稿では,侵入検知器の開発を目的として,ネットワークデータに適用された手法について概説する。
本稿では,データのキャプチャ,準備,変換,データマイニング,評価などの手法について論じる。
この文献レビューの結果、ネットワークセキュリティ分野のさらなる研究のために考慮すべきいくつかのオープンな問題について検討する。
論文 参考訳（メタデータ） (2020-01-27T11:21:05Z)
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。