面向网络流量分析的 Packet 式 Transformer 基础模型
高能物理 - 唯象学
2026-02-09 v1
摘要
受 Transformer 在自然语言处理领域成功的启发，本文探讨了其作为网络流量分析基础模型的潜力。我们提出了统一的预训练和微调管道，用于流量基础模型。通过微调，我们展示了流量基础模型在各种下游任务中的通用性，包括流量分类、流量特征预测和流量生成。我们还与非基础模型进行了比较，表明基础模型架构在性能上取得改进。此外，我们根据模型架构、输入模态和预训练策略对现有模型进行分类。我们的发现表明，这些模型能够有效学习流量表示，并在有限标记数据集上表现良好，凸显了其在未来智能网络分析系统中的潜力。
引用
@article{arxiv.2602.06635,
title = {CP violation angles from H$\to\tau\tau$ decays at FCC-ee},
author = {Sofia Giappichini and Markus Klute and Matteo Presilla},
journal= {arXiv preprint arXiv:2602.06635},
year = {2026}
}