arXiv 人工智能· Josef Koumar, Karel Hynek, Kamil Jerabek, Pavel Siska·· 9 小时前AI 评分36
CESNET-TimeSeries26：面向年度季节性、概念漂移与长期异常检测的多年网络流量时间序列数据集
CESNET-TimeSeries26: A Multi-Year Network Traffic Time Series Dataset for Annual Seasonality, Concept Drift, and Long-Term Anomaly Detection
AI 导读
研究人员推出 CESNET-TimeSeries26 数据集，包含来自 CESNET3 网络 995 天的连续流量时间序列以及单个子网约 4.5 年的数据。该数据集涵盖 278,466 个 IP 地址、285 家机构和 566 个机构子网，提供三种聚合粒度。实验证明年度季节性是主要周期成分，且预测模型仅在训练窗口覆盖至少一个完整年度周期时才能有效利用该成分。
来源：arXiv 人工智能 · arxiv.org