СРАВНИТЕЛЬНЫЙ АНАЛИЗ СЕМЕЙСТВ КЛАССИФИКАТОРОВ ДЛЯ СЛАЙСИНГА СЕТЕЙ 5G НА ОСНОВЕ НАМЕРЕНИЙ

Аннотация

В данном исследовании изучается классификация типов сетевых слайсов 5G с использованием общедоступного набора данных ”Network Slicing in 5G”. Мы решаем критическую научную проблему, выявляя и устраняя утечку данных при оценке (evaluation leakage), вы званную почти детерминированными бинарными индикаторами, закодированными в виде правил, и сильным дублированием данных. Исключив эти искусственные контекстные флаги и используя лишь минимальный набор телеметрии, наблюдаемой по QoS, — в частности, задержку пакетов, уровень потери пакетов, время и категорию оборудования, — мы устанавливаем строгий протокол оценки, учитывающий утечки данных. Пять репрезентативных семейств классификаторов были оценены с использованием стратегии безопасного группового разделения (group-safe splitting), чтобы гарантировать, что результаты отражают реальные условия эксплуатации. Наши экспериментальные результаты показывают, что ансамбли на основе деревьев значительно превосходят линейные модели, при этом наиболее сильные ансамбли достигают около 95% точности (Histogram-basedGradientBoosting—94,74%,Extra Trees немного выше —95,14%). Данное исследование подчеркивает, что, хотя измеримая сетевая телеметрия обеспечивает достаточный сигнал для высокоточного распознавания слайсов, нелинейные модели необходимы для навигации в сложных, стохастических перекрытиях, присущих реальным беспроводным средам.