APEX：用于无线边缘操作预测和异常检测的网络原生时间序列基础模型

通用时间序列基础模型很难迁移到无线网络遥测，因为无线网络遥测的信号是突发的、零膨胀的并且跨协议层耦合。我们提出了 APEX，一种网络原生的、仅解码器的 Transformer，用于预测企业 AP 遥测，并将其作为代表性网络任务对 DHCP 降级进行评估。 APEX 经过来自约 4,500 个生产无线网络（约 100K AP 时间序列，每个 AP 34 个指标）的 10 通道多元遥测数据的预训练，并以 APEX-Large（269M，云）和 APEX-Edge（10.5M，边缘）形式提供。在 192 步（4 天）DHCP 降级基准上，APEX-Large 比最强的基础模型基线 (Toto) 减少了 18% 的 MAE，比 SARIMA 减少了 38%，异常检测 F1 = 0.93，而 APEX-Edge 可以在 AP 级边缘硬件上实现亚秒级的隐私保护推理。这些结果表明，网络原生 预训练 是主动无线操作的实用基础。