Papers·2일 전
Cisco, 무선 네트워크 전용 시계열 기반 모델 APEX — DHCP 장애 탐지 F1 0.93
Cisco가 무선 네트워크 원격 측정(telemetry)에 특화된 decoder-only transformer APEX를 공개했습니다. 기존 시계열 기반 모델(Toto, SARIMA) 대비 DHCP 성능 저하 예측에서 MAE를 각각 18%, 38% 줄였고, 이상 탐지 F1은 0.93에 달합니다. 약 4,500개 프로덕션 네트워크(10만 AP 시계열)로 사전 학습되었으며, 클라우드용 269M 파라미터와 엣지용 10.5M 파라미터 두 버전으로 제공됩니다. 단, 평가가 DHCP 단일 태스크에 국한되어 있어 다른 네트워크 장애 유형으로의 일반화는 추가 검증이 필요합니다.
Cisco가 무선 네트워크 원격 측정에 특화된 시계열 기반 모델 APEX를 발표했습니다.
핵심 결론
- 태스크 — DHCP 성능 저하 예측 및 이상 탐지 — 192스텝(4일) 예측.
- 성능 — APEX-Large가 기존 최고 기반 모델(Toto) 대비 MAE 18% 감소, SARIMA 대비 38% 감소, 이상 탐지 F1 0.93.
- 버전 — APEX-Large(269M, 클라우드)와 APEX-Edge(10.5M, 엣지) 두 가지로 제공.
방법
- 데이터 — 약 4,500개 프로덕션 무선 네트워크에서 수집한 10채널 다변량 시계열(AP당 34개 메트릭, 총 ~10만 AP 시계열)로 사전 학습.
- 아키텍처 — Decoder-only transformer로, 네트워크 텔레메트리의 bursty·zero-inflated·계층 간 결합 특성을 처리하도록 설계.
- 엣지 — APEX-Edge는 AP급 엣지 하드웨어에서 1초 이내 추론 가능, 프라이버시 보존.
한계·조건
- 범위 — 평가가 DHCP 성능 저하 단일 태스크에 국한 — 다른 장애 유형(예: 간섭, 용량)으로의 일반화는 미검증.
- 공개 — 모델 가중치 및 데이터셋 공개 여부는 논문에 명시되지 않음.
편집자 한 줄
네트워크 도메인에 특화된 사전 학습 전략이 범용 시계열 모델보다 확실히 효과적이라는 점을 보여주는 사례네요. 다만 단일 태스크 평가라는 점이 아쉽습니다.
- #time-series
- #transformer
- #wireless
- #cisco
- #anomaly-detection
Cisco