Buchumschlag

Benchmarking Anomaly Detection Across Heterogeneous Cloud Telemetry Datasets

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Islam, Mohammad Saiful, Miranskyy, Andriy
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Networking and Internet Architecture Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Evaluating ML-Based Anomaly Detection Across Datasets of Varied Integrity: A Case Study
von: Pekar, Adrian, et al.
Veröffentlicht: (2024)

Towards Near-Real-Time Telemetry-Aware Routing with Neural Routing Algorithms
von: Boltres, Andreas, et al.
Veröffentlicht: (2026)

NTP-INT: Network Traffic Prediction-Driven In-band Network Telemetry for High-load Switches
von: Zhang, Penghui, et al.
Veröffentlicht: (2025)

Develop End-to-End Anomaly Detection System
von: Mengoli, Emanuele, et al.
Veröffentlicht: (2024)

Quantum Gated Recurrent GAN with Gaussian Uncertainty for Network Anomaly Detection
von: Hammami, Wajdi, et al.
Veröffentlicht: (2025)

Multi-Scale Convolutional LSTM with Transfer Learning for Anomaly Detection in Cellular Networks
von: Noonari, Nooruddin, et al.
Veröffentlicht: (2024)

CNN+Transformer Based Anomaly Traffic Detection in UAV Networks for Emergency Rescue
von: Han, Yulu, et al.
Veröffentlicht: (2025)

ALPHA: LLM-Enabled Active Learning for Human-Free Network Anomaly Detection
von: Luo, Xuanhao, et al.
Veröffentlicht: (2025)

Rethinking Telemetry Design for Fine-Grained Anomaly Detection in 5G User Planes
von: Saha, Niloy, et al.
Veröffentlicht: (2025)

Research on Cloud Platform Network Traffic Monitoring and Anomaly Detection System based on Large Language Models
von: Yang, Ze, et al.
Veröffentlicht: (2025)

Can Neural Networks Provide Latent Embeddings for Telemetry-Aware Greedy Routing?
von: Boltres, Andreas, et al.
Veröffentlicht: (2026)

Benchmarking the Benchmark -- Analysis of Synthetic NIDS Datasets
von: Layeghy, Siamak, et al.
Veröffentlicht: (2021)

Benchmarking Machine Learning Models for IoT Malware Detection under Data Scarcity and Drift
von: Lyon, Jake, et al.
Veröffentlicht: (2026)

BRIDGE and TCH-Net: Heterogeneous Benchmark and Multi-Branch Baseline for Cross-Domain IoT Botnet Detection
von: Bhilwarawala, Ammar, et al.
Veröffentlicht: (2026)

Evolving Mobile Cloud Gaming with 5G Standalone Network Telemetry
von: Wan, Haoran, et al.
Veröffentlicht: (2024)

Sdn Intrusion Detection Using Machine Learning Method
von: Mahmud, Muhammad Zawad, et al.
Veröffentlicht: (2024)

Deep Learning in Physical Layer: Review on Data Driven End-to-End Communication Systems and their Enabling Semantic Applications
von: Islam, Nazmul, et al.
Veröffentlicht: (2024)

Anomaly Detection for IoT Global Connectivity
von: Iglesias, Jesus Omaña, et al.
Veröffentlicht: (2025)

Heterogeneity-Oblivious Robust Federated Learning
von: Zhang, Weiyao, et al.
Veröffentlicht: (2025)

Personalized Federated Learning for Statistical Heterogeneity
von: Firdaus, Muhammad, et al.
Veröffentlicht: (2024)

Drift-Based Dataset Stability Benchmark
von: Soukup, Dominik, et al.
Veröffentlicht: (2025)

Context-Aware Hybrid Routing in Bluetooth Mesh Networks Using Multi-Model Machine Learning and AODV Fallback
von: Islam, Md Sajid, et al.
Veröffentlicht: (2025)

Adaptive Federated Learning in Heterogeneous Wireless Networks with Independent Sampling
von: Geng, Jiaxiang, et al.
Veröffentlicht: (2024)

Cloud-Edge Collaborative Large Models for Robust Photovoltaic Power Forecasting
von: Qiao, Nan, et al.
Veröffentlicht: (2026)

Intelligent Monitoring Framework for Cloud Services: A Data-Driven Approach
von: Srinivas, Pooja, et al.
Veröffentlicht: (2024)

HetCCL: Enabling Collective Communication For Mixed-Vendor Heterogeneous Clusters
von: Wang, Yuejie, et al.
Veröffentlicht: (2026)

Client Selection Strategies for Federated Semantic Communications in Heterogeneous IoT Networks
von: Lahoud, Samer, et al.
Veröffentlicht: (2025)

Root Cause Analysis of Anomalies in 5G RAN Using Graph Neural Network and Transformer
von: Hasan, Antor, et al.
Veröffentlicht: (2024)

Enhancing Anomaly-Based Intrusion Detection Systems with Process Mining
von: Vitale, Francesco, et al.
Veröffentlicht: (2026)

Fast Heterogeneous Serving: Scalable Mixed-Scale LLM Allocation for SLO-Constrained Inference
von: Cheng, Jiaming, et al.
Veröffentlicht: (2026)

M$^2$FedAQI: Multimodal Federated Learning for Air Quality Prediction on Heterogeneous Edge Devices
von: Nepal, Manjil, et al.
Veröffentlicht: (2026)

Synthesizing Diverse Network Flow Datasets with Scalable Dynamic Multigraph Generation
von: Grayeli, Arya, et al.
Veröffentlicht: (2025)

A Transfer Learning Framework for Anomaly Detection in Multivariate IoT Traffic Data
von: Rezakhani, Mahshid, et al.
Veröffentlicht: (2025)

pFedWN: A Personalized Federated Learning Framework for D2D Wireless Networks with Heterogeneous Data
von: Ni, Zhou, et al.
Veröffentlicht: (2025)

Machine Learning-Driven Anomaly Detection for 5G O-RAN Performance Metrics
von: Azkaei, Babak, et al.
Veröffentlicht: (2025)

An Adversarial Robustness Benchmark for Enterprise Network Intrusion Detection
von: Vitorino, João, et al.
Veröffentlicht: (2024)

DyPBP: Dynamic Peer Beneficialness Prediction for Cryptocurrency P2P Networking
von: Sakib, Nazmus, et al.
Veröffentlicht: (2025)

On the Cross-Dataset Generalization of Machine Learning for Network Intrusion Detection
von: Cantone, Marco, et al.
Veröffentlicht: (2024)

Compact Data Structures for Network Telemetry
von: Feibish, Shir Landau, et al.
Veröffentlicht: (2023)

Deep Learning for Network Anomaly Detection under Data Contamination: Evaluating Robustness and Mitigating Performance Degradation
von: Nkashama, D'Jeff K., et al.
Veröffentlicht: (2024)