基于深度学习的5G网络异常检测系统的动态管理
密码学与安全
2026-01-22 v1 人工智能
摘要
雾计算和移动边缘计算（MEC）将在即将到来的第五代（5G）移动网络中发挥关键作用，通过使用高度分布式的计算模型，支持网络本身的去中心化应用、数据分析和管理。此外，提供以用户为中心的网络安全解决方案日益受到关注，这尤其需要在5G网络中收集、处理和分析大量数据流量和巨量网络连接。在此背景下，本文提出了一种面向MEC的5G移动网络解决方案，以实时和自主的方式检测网络异常。我们的方案使用深度学习技术分析网络流并检测网络异常。此外，它使用策略来提供对异常检测过程中所用计算资源的高效动态管理系统。本文介绍了该方案部署的相关方面以及展示其性能的实验结果。
引用
@article{arxiv.2601.15177,
title = {Dynamic Management of a Deep Learning-Based Anomaly Detection System for 5G Networks},
author = {Lorenzo Fernández Maimó and Alberto Huertas Celdrán and Manuel Gil Pérez and Félix J. García Clemente and Gregorio Martínez Pérez},
journal= {arXiv preprint arXiv:2601.15177},
year = {2026}
}