LLMcap：用于无监督PCAP故障检测的大语言模型
机器学习
2024-07-09 v1 人工智能
网络与互联网体系结构
摘要
先进技术集成到电信网络中使故障排除变得复杂，给数据包捕获（PCAP）数据中的人工错误识别带来了挑战。这种需要大量资源的手动方法在更大规模下变得不切实际。机器学习（ML）方法提供了替代方案，但标记数据的稀缺限制了准确性。在本研究中，我们提出了一种基于自监督大语言模型的方法（LLMcap）用于PCAP故障检测。LLMcap利用语言学习能力，并采用掩码语言建模来学习语法、上下文和结构。在各种PCAP上进行的严格测试表明，尽管训练期间没有标记数据，它仍表现出高准确性，为高效的网络分析提供了一种有前景的解决方案。
引用
@article{arxiv.2407.06085,
title = {LLMcap: Large Language Model for Unsupervised PCAP Failure Detection},
author = {Lukasz Tulczyjew and Kinan Jarrah and Charles Abondo and Dina Bennett and Nathanael Weill},
journal= {arXiv preprint arXiv:2407.06085},
year = {2024}
}
备注
Copyright 2024 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works