Measurement and characterization of DNS over HTTPS traffic
域名系统通信可能提供关于用户因特网活动的敏感信息。DNS-over-TLS和DNS-over-HTTPS是旨在提高互联网最终用户隐私的建议。在本文中，我们提出了一个概述的当前状态，在部署的DNS-HTTPS（DoH）的实现补充DoH流量的测量所产生的开销和DoH检测的可能性的基础上的固有特性的通信模式。
2022-04-08 cs.NI
An overview to Software Architecture in Intrusion Detection System
如今，随着网络系统的不断发展，安全性已成为每个网络基础设施的关键特征。网络入侵检测系统（IDS）为所有对网络有害的安全威胁提供了防御模型。IDS可以检测和阻止与攻击相关的网络流量。网络控制是一个复杂的模型。入侵检测系统的实现可能会造成网络延迟。开发了几种基于软件的网络入侵检测系统。然而，该模型在高速交通方面存在问题。本文回顾了入侵检测系统中的软件体系结构，并描述了一个高性能的网络入侵检测系统的设计和实现，结合使用基于软件的网络入侵检测传感器和网络处理器板。网络处理器是一个基于硬件的模型，可以作为一个定制的负载均衡分离器。该模型采用一组改进的基于内容的网络入侵检测传感器代替入侵检测系统处理网络流量，并控制网络流量的高速增长。
2014-02-21 cs.CR cs.DC cs.NI
Deep Learning Network-Temporal Models For Traffic Prediction
针对多元时间序列预测问题，提出拓扑感知学习框架，用图注意力模型捕捉相关性，评估微调大语言模型，引入聚类预处理，提升预测性能。
2026-07-07 cs.LG cs.NI
Where to Sample: Rethinking ML-Based Malicious Traffic Detection at Terabit Scale
INESC-ID, Instituto Superior Técnico, University of Lisbon（里斯本大学高等技术学院国家信息与通信系统研究所）；NOVA University Lisbon（里斯本诺瓦大学）；New York University（纽约大学）
针对Terabit网络中ML恶意流量检测因高速采样导致性能下降的问题，提出Peregrine，通过将ML特征计算卸载至数据平面交换机，实现全流量特征计算，显著提升检测性能、吞吐量与能效。
2026-10-28 cs.NI
Survey on Machine Learning for Traffic-Driven Service Provisioning in Optical Networks
全球互联网流量的空前增长，加上在某种程度上创造了可预测的潮汐流量条件的大的时空波动，正在推动从被动到主动并最终向自适应光网络的演变。在这些网络中，业务驱动的服务供应可以解决网络过度供应的问题，并更好地适应业务变化，同时保持服务质量在所需的水平。这种方法将减少网络资源过度配置，从而降低总网络成本。本调查提供了一个全面的审查，在光层的机器学习（ML）为基础的技术，用于流量驱动的服务供应的最新技术。首先介绍了光网络中服务提供的演变，然后概述了用于流量驱动服务提供的ML技术。详细介绍了ML辅助的服务提供方法，包括在主动和自适应网络中的预测性和规定性服务提供框架。对于所概述的所有技术，还讨论了它们的局限性，研究挑战和潜在的机会。
2023-02-23 cs.NI
Fog Networking: An Overview on Research Opportunities
在过去的15年里，随着互联网骨干网流量的快速增长和更复杂的蜂窝核心网络的兴起，云计算已经崛起。有三种不同类型的云：（1）数据中心，（2）骨干IP网络和（3）蜂窝核心网络，负责计算，存储，通信和网络管理。现在，这三种云的功能正在下降到最终用户之间或附近，即，到网络的边缘，如雾。本文概述了雾网络的研究机会：一种架构，用户一个或多个协作的最终用户客户端或近用户边缘设备进行大量的存储，通信和管理。架构分配功能，而可能使用雾架构的工程工件包括5G，家庭/个人网络和物联网。
2016-01-05 cs.NI
Mobility, traffic and radio channel prediction: 5G and beyond applications
机器学习（ML）是用于实现无线电接入网络（RAN）中的自动化的重要组件。将ML应用于RAN的工作已经进行了多年，现在也引起了3GPP和Open-RAN标准化论坛的关注。在最近的3GPP规范工作中也强调的多个特征的关键组成部分是移动性、业务和无线电信道预测的使用。这些类型的预测形成了智能使能器，以利用ML for RAN的潜力，用于当前和未来的无线网络。本文概述了利用此类智能使能器的当前应用的评估结果，然后我们讨论了这些使能器如何成为新兴6 G用例（如无线能源传输）的基石。
2022-03-15 cs.NI
Deep Learning Approaches for Network Traffic Classification in the Internet of Things (IoT): A Survey
Mehran University of Engineering and Technology（梅赫兰工程与技术大学）
本综述系统梳理了面向物联网环境的深度学习网络流量分类方法，分析了各类模型的优劣与挑战，并指出了未来研究方向。
2024-02-01 cs.CR cs.LG cs.NI
Hybrid Wired-Wireless Backhaul Solutions for Heterogeneous Ultra-Dense Networks
无线网络正变得非常普遍，而业务需求不断增加。为应付未来数年的预测流量增长，以及联网设备的数量，需要新技术、新做法和频谱重新安排。在这种情况下，一个关键的问题出现了：如何提供广泛的回程连接和能力的普及超密集网络？答案是相当复杂的，如果可行的话。为了阐明这个问题，我们概述了有线或无线的潜在技术，并确定了技术挑战。此外，我们评估了一个说明性的情况下，超密集的网络与混合有线无线回程。我们假设多种无线电接入技术在小型和宏基站（BS），我们讨论了不同的拓扑结构和流量配置文件的最佳流量拆分和路由解决方案。
2018-03-06 cs.NI
Machine Learning-enabled Traffic Steering in O-RAN: A Case Study on Hierarchical Learning Approach
本文综述O-RAN中基于机器学习的流量导向方案，并提出分层深度Q学习框架h-DQN，通过元控制器与控制器双层智能分解流量导向问题，案例研究验证其性能优于基线算法。
2024-09-30 cs.NI
CloudCap (C2app) : A Cloud-Based Platform for Packet Analysis On The Edge
本文开发了基于云的网络流量分析系统CloudCap (C2app)，使智能手机同时作为流量捕获器与可视化端点，在最小化资源消耗的同时实现网络监控，并通过多设备测试验证了架构的有效性。
2024-06-26 cs.NI
An Overview of Sustainable Green 5G Networks
数据流量增加1,000倍和1毫秒往返延迟的严格要求使得限制潜在的巨大能耗成为即将到来的第五代（5G）网络设计中最具挑战性的问题之一。为了实现可持续的5G网络，已经提出了新技术来提高系统的能源效率，并引入替代能源来减少我们对传统化石燃料的依赖。特别地，各种5G技术的目标是在不牺牲服务质量的情况下减少能耗。同时，使通信收发器能够从各种可再生资源和环境射频信号中收集能量以用于通信的能量收集技术已经引起学术界和工业界的极大兴趣。在本文中，我们概述了绿色5G技术和通信能量收集的最新研究。此外，还确定了实现可持续绿色5G网络的一些技术挑战和潜在研究课题。
2016-10-05 cs.IT cs.NI math.IT
On the Effect of TSN Forwarding Mechanisms on Best-Effort Traffic
本文研究不同TSN转发机制对低优先级尽力而为流量的影响，通过仿真量化SP、ATS等五种机制的性能差异，发现ATS、CBS和ETS可显著提升其性能，为网络设计提供指导。
2025-02-10 cs.NI
Cross-Layer Traffic Allocation and Contention Window Optimization for Wi-Fi 7 MLO: When DRL Meets LSTM
Xiamen University（厦门大学）；The Chinese University of Hong Kong（香港中文大学）；Western University（韦仕敦大学）
本文提出跨层框架，联合优化 U-MAC 层流量分配和 L-MAC 层初始 contention 窗口大小，以提升网络吞吐量。采用 LSTM-SAC 算法解决非凸非线性优化问题，通过事件驱动仿真验证其在多种网络设置下的优越性。
2026-03-19 cs.NI
An Overview of Blockchain and 5G Networks
5G无线网络可能会彻底改变未来的技术。预计5G技术将预见具有不同要求的不同垂直应用的需求，包括高业务量、大规模连接、高服务质量和低延迟。为了满足5G及以后的这些要求，正在部署SDN、NFV、MEC和CC等新兴技术。然而，这些技术在透明度、分散性和可靠性方面提出了一些问题。此外，预计5G网络将连接许多异构设备和机器，这将引发有关用户机密性，数据隐私和可信度的几个安全问题。为了在这些场景中无缝、安全地工作，未来的5G网络需要部署更智能、更高效的安全功能。受上述问题的影响，研究人员提出了区块链来克服5G问题，因为它能够确保分布式环境中的透明度，数据可靠性，可信性和不变性。事实上，区块链作为一种新技术已经获得了发展势头，它带来了大量新的去中心化技术。在本章中，我们将讨论区块链与5G网络及其他网络的集成。然后，我们将介绍5G网络及其他网络中的区块链应用如何促进在边缘和核心实现各种服务。
2022-01-27 cs.NI
An overview of VANET vehicular networks
本文概述了 VANET 车载网络的技术、进展与挑战，提出通过构建包含区块链、人工智能和 SDN 的框架来优化资源利用并应对未来交通问题。
2023-09-12 cs.NI
Active Learning for Network Traffic Classification: A Technical Study
School of Computer Science, University College Dublin（都柏林大学学院计算机科学学院）；Islamic Azad University（伊斯兰阿扎德大学）；University of Oslo（奥斯陆大学）
本文研究主动学习在网络流量分类中的应用，通过文献综述、挑战分析与仿真实验，证明其可在少量标注数据下实现较高准确率。
2021-08-05 cs.AI cs.NI
Round Trip Time (RTT) Delay in the Internet: Analysis and Trends
本文分析全球互联网端到端RTT延迟现状，比较其与光纤光速传播理论下限的差距，发现近十年延迟总体下降但国别差异显著。
2023-06-08 cs.NI
Applications of Artificial Intelligence, Machine Learning and related techniques for Computer Networking Systems
Indian Institute of Technology Madras（印度理工学院马德拉斯分校）
本文介绍了应用人工智能和机器学习（AI/ML）技术解决计算机网络领域问题的入门/概述。特别地，这些技术已经被用于支持高效和准确的业务预测、业务分类、异常检测、网络管理、网络安全、网络资源分配和优化、网络调度算法、故障诊断以及更多这样的应用。本文首先总结了一些关键的网络概念和一些代表性的机器学习技术和算法。然后，本文详细介绍了有关网络应用程序的数据集以及用于处理这些数据集的机器学习软件和工具包的可用性。还介绍了ITU-T和ETSI开展的与AI/ML网络相关的一些标准活动的重点。最后，本文讨论了一小部分代表性的网络问题，其中AI/ML技术已经成功应用。
2021-04-21 cs.LG cs.NI
NB-IoT Small Cell: A 3GPP Perspective
窄带物联网（NB-IoT）技术在3GPP版本13中引入，以适应蜂窝网络上的设备生成的流量。在第14版中已经做出了努力，以提供进一步的改进，以促进物联网（IoT）用例的部署，例如覆盖增强，以及对低成本，低复杂性和低功耗设备的支持。小型小区NB-IoT被添加为3GPP Release 15中的一个有吸引力的功能。在本文中，我们概述了此功能，并试图阐明NB-IoT系统中小型小区部署的主要方面。
2019-10-01 cs.NI
An Overview on Application of Machine Learning Techniques in Optical Networks
Politecnico di Milano（米兰理工大学）；Dalle Molle Institute for Artificial Intelligence（达莱莫勒人工智能研究所）；University College Dublin（都柏林大学学院）；Trinity College Dublin（都柏林圣三一学院）；Technical University of Denmark（丹麦技术大学）
当今的电信网络已成为大量广泛异构数据的来源。这些信息可以从网络流量跟踪、网络警报、信号质量指标、用户行为数据等中检索。需要高级数学工具从这些数据中提取有意义的信息，并从网络生成的数据中做出与网络正常运行有关的决策。在这些数学工具中，机器学习（ML）被认为是执行网络数据分析并实现自动化网络自配置和故障管理的最有前途的方法之一。ML技术在光通信网络领域的采用是由过去几年中光网络所面临的网络复杂性的前所未有的增长所推动的。这种复杂性的增加是由于引入了大量的可调节的和相互依赖的系统参数（例如，路由配置、调制格式、符号率、编码方案等）其通过使用相干发射/接收技术、先进的数字信号处理和光纤传播中的非线性效应的补偿而实现。在本文中，我们提供了一个概述ML光通信和网络的应用。我们对涉及该主题的相关文献进行了分类和调查，并为对该领域感兴趣的研究人员和从业者提供了ML的入门教程。虽然最近出现了大量的研究论文，ML光网络的应用仍处于起步阶段：为了刺激在这一领域的进一步工作，我们得出结论，提出新的可能的研究方向。
2018-12-01 cs.LG cs.NI stat.ML
Building a Low-cost Network Digital Twin for the IoT-Edge-Cloud Continuum Using Open-Source Tooling
fortiss GmbH（fortiss有限公司）；ISTEC, Lisbon（里斯本ISTEC）
提出基于Containerlab、Open vSwitch、ONOS和Prometheus+Grafana的低成本开源网络数字孪生，集成容器拓扑仿真、SDN流量工程和实时遥测，验证显示与物理边缘WLAN的RTT中位数和UDP吞吐量高度收敛。
2026-07-10 cs.NI
Toward Energy-Efficient 5G Wireless Communications Technologies
无线网络的密集化和扩展对能源效率提出了新的挑战。随着基础设施节点的急剧增加（例如，小型小区的超密集部署），总能耗可能容易超过可接受的水平。虽然大多数研究集中在天线辐射的能量上，但总能量预算的较大部分实际上由硬件消耗（例如，冷却器和电路能耗）。因此，关闭基础设施节点（或其部分）或根据流量调整传输策略的能力将成为未来无线架构的重要设计方面。网络基础设施应被视为可以按需占用或释放的资源。然而，这种系统的建模和优化是复杂的有源节点之间的潜在干扰耦合。在这篇文章中，我们对这个问题的不同方面进行了概述。我们展示了如何利用交通模式的先验知识进行优化。然后，我们讨论了干涉函数的框架，它已被证明是一个有用的工具，在文献中的各种类型的耦合系统。最后，我们介绍了不同类别的算法，其目标是通过适应网络配置的流量负载来提高能源效率。
2014-08-27 cs.IT cs.NI math.IT
Reducing Communication Overhead in the IoT-Edge-Cloud Continuum: A Survey on Protocols and Data Reduction Strategies
该综述针对物联网-边缘-云连续体中网络流量激增的问题，梳理对比了相关通信协议、数据缩减技术及新兴优化方向，为开发高效可扩展的低通信开销方案提供路线图。
2024-11-04 cs.NI
5G satellite networks for IoT: offloading and backhauling
5G蜂窝网络的主要驱动力之一是为各种物联网（IoT）设备提供连接服务。考虑到全球范围内物联网设备的潜在数量，下一个飞跃是将非地面网络（NTN）集成到5G地面系统中，从而扩大覆盖范围并补充地面服务。本文重点介绍了低地球轨道（LEO）卫星星座的使用为两个特定的目的：卸载和回程。前者允许从拥塞的地面网络卸载物联网流量，通常在非常密集的区域。在后一种应用中，星座提供将远程地面gNB连接到5G核心网络的多跳回程。在概述了3GPP标准化过程的现状之后，我们对用户数据性能进行了建模和分析，特别是在上行链路接入和卫星多跳星座路径中。地面和卫星接入网络的比较为理解LEO星座的卸载潜力提供了有用的见解，物联网流量的回程。
2020-11-10 cs.NI
Revolutionizing Datacenter Networks via Reconfigurable Topologies
本文针对数据中心流量增长与传统固定拓扑网络的性能瓶颈问题，综述了可重构数据中心网络的动机、技术支撑、分类体系、形式化模型及研究挑战，并配套了领域专家的访谈视频。
2025-02-22 cs.DC cs.NI
Resource Allocation in Hybrid Radio-Optical IoT Networks using GNN with Multi-task Learning
本文提出DGET框架，通过图神经网络与Transformer结合，实现混合无线-光物联网网络中的高效资源分配与调度，提升吞吐量并降低信息年龄。
2026-03-11 cs.LG cs.NI
