C-MTAD-GAT: Rilevamento di Anomalie Non Supervisionato per Reti Mobili

I ricercatori propongono C-MTAD-GAT (Context-aware Multivariate Time-series Anomaly Detection with Graph Attention), un framework non supervisionato per rilevare anomalie in reti mobili su larga scala. Il modello combina l'attenzione grafica temporale e per caratteristiche con condizionamento di contesto statico e dinamico, oltre a un decoder a doppia testa per ricostruzione e previsione. Produce punteggi di anomalia per elemento e per caratteristica e utilizza soglie non supervisionate dai residui di validazione. L'approccio affronta l'impraticabilità dell'apprendimento supervisionato a causa dei costi di etichettatura e gestisce cambiamenti di contesto e non stazionarietà. Il framework è progettato come un modello condiviso unico su elementi di rete eterogenei nella rete di accesso radio e nel core di pacchetto, monitorando serie temporali KPI ad alta dimensionalità. Il dataset TELCO viene utilizzato per la valutazione.