PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.11553v1cs.LG

APEX: 무선 에지 운영의 예측 및 이상 탐지를 위한 네트워크 네이티브 시계열 파운데이션 모델

APEX: A Network-Native Time-Series Foundation Model for Forecasting and Anomaly Detection for Wireless Edge Operations

범용 시계열 파운데이션 모델은 신호가 버스트(bursty)하고 제로 인플레이티드(zero-inflated)이며 프로토콜 계층 간에 결합된 무선 네트워크 텔레메트리에는 전이 성능이 좋지 않습니다. 우리는 기업용 AP 텔레메트리 예측을 위한 네트워크 네이티브 디코더 전용(decoder-only) 트랜스포머인 APEX를 제안하고, 대표적인 네트워크 작업인 DHCP 성능 저하에 대해 평가합니다. APEX는 약 4,500개의 운영 중인 무선 네트워크(약 10만 개의 AP 시계열, AP당 34개 지표)에서 수집한 10채널 다변량 텔레메트리로 사전학습(pre-training)되었으며, APEX-Large(269M, 클라우드)와 APEX-Edge(10.5M, 에지)로 제공됩니다. 192단계(4일) DHCP 성능 저하 벤치마크(benchmark)에서 APEX-Large는 가장 강력한 파운데이션 모델 기준선(baseline)인 Toto보다 MAE를 18%, SARIMA보다 38% 감소시켰으며 이상 탐지 F1 점수는 0.93입니다. 반면 APEX-Edge는 AP급 에지 하드웨어에서 1초 미만의(sub-second) 프라이버시 보존 추론(inference)을 가능하게 합니다. 이러한 결과는 네트워크 네이티브 사전학습(pre-training)이 선제적인 무선 운영을 위한 실용적인 기반이 될 수 있음을 시사합니다.