基于 Transformer 架构的网络时序数据生成建模
机器学习
2025-06-10 v1 人工智能
摘要
许多安全和网络应用需要大量数据来训练机器学习模型。数据获取受限是安全领域的众所周知的难题。最近的研究表明，Transformer模型有潜力通过合成新样本来扩大数据规模，但合成样本对模型的提升并不如实数据有效。为此，我们设计了一种基于Transformer的高效生成模型框架，用于生成时序数据，以提升现有和新型机器学习工作流程的性能。我们的新型Transformer模型实现了最先进（SOTA）的结果。我们使模型具有通用性，可跨不同数据集工作，生成高质量样本。
关键词
引用
@article{arxiv.2506.07312,
title = {Generative Modeling of Networked Time-Series via Transformer Architectures},
author = {Yusuf Elnady},
journal= {arXiv preprint arXiv:2506.07312},
year = {2025}
}