Bridging the High-Frequency Data Gap: A Millisecond-Resolution Network Dataset for Advancing Time Series Foundation Models

Die Arbeit stellt einen neuen Millisekunden-Datensatz aus einem 5G-Netzwerk vor, um die Lücke bei hochfrequenten Zeitreihendaten zu schließen und zeigt, dass aktuelle Zeitreihen-Grundmodelle ohne spezifisches Pre-Training auf solchen Daten schlecht abschneiden.

Das Wesentliche

Das große Problem: Die "Langsamkeits-Brille"

Stell dir vor, du versuchst, ein hochmodernes Auto zu bauen, das in der Lage ist, jede Straße der Welt zu meistern. Dafür hast du eine riesige Datenbank mit Fahrprotokollen. Aber hier ist das Problem: Alle diese Protokolle stammen von Fahrten, die sehr langsam gemacht wurden – vielleicht mit 5 km/h oder nur alle paar Minuten ein Foto gemacht.

Die Forscher haben festgestellt, dass die aktuellen "Super-KI-Modelle" für Zeitreihen (also Daten, die sich über die Zeit ändern, wie Wetter oder Aktienkurse) genau so ein Problem haben. Sie wurden fast ausschließlich mit langsamen Daten trainiert (z. B. Stromverbrauch pro Stunde oder Wetterdaten pro Tag).

Wenn man diese Modelle nun aber auf ultraschnelle Daten anwendet – wie sie in einem modernen 5G-Handynetzwerk jede Millisekunde anfallen – stolpern sie. Es ist, als würde man versuchen, einen Formel-1-Wagen zu steuern, indem man nur die Fahrregeln für einen gemütlichen Spaziergang kennt. Die KI sieht die schnellen Kurven und plötzlichen Stürze nicht kommen.

Die Lösung: Ein neuer "Rennstrecken-Datensatz"

Um dieses Problem zu lösen, haben die Autoren (Subina Khanal und ihr Team) einen ganz neuen Datensatz erstellt.

• Was ist es? Ein Datensatz aus einem echten 5G-Netzwerk in Irland.
• Wie schnell? Die Daten werden nicht pro Sekunde, sondern in Millisekunden aufgezeichnet. Das ist wie der Unterschied zwischen einem Fotoalbum und einem 4K-Film in Zeitlupe.
• Was wird gemessen? Wie schnell Daten fließen, wie stark das Signal ist, wie viele Pakete verloren gehen – alles in Echtzeit.

Man kann sich diesen Datensatz wie eine High-Speed-Kamera vorstellen, die jeden einzelnen Moment eines wilden Autorennens einfängt, während die alten Datensätze nur Fotos von der Strecke machten, die man stundenlang später gemacht hat.

Der große Test: Alte Modelle vs. Neue Realität

Die Forscher haben nun verschiedene KI-Modelle auf dieser neuen "Rennstrecke" getestet. Sie haben zwei Gruppen gegeneinander antreten lassen:

1. Die "Schweren Riesen" (Foundation Models): Das sind die modernen, riesigen KI-Modelle (wie Chronos oder TinyTimeMixer), die auf allen möglichen langsamen Daten trainiert wurden.
2. Die "Schlauen Lokalen" (Shallow Models): Das sind einfachere, aber sehr agile Algorithmen (wie der Adaptive Random Forest), die sich sofort an neue Situationen anpassen können.

Das Ergebnis war überraschend:
Die riesigen KI-Modelle haben es schwer. Sie waren verwirrt. Weil sie nur "langsame" Muster gelernt haben, konnten sie die schnellen, chaotischen Sprünge in den 5G-Daten nicht vorhersagen. Selbst wenn man sie extra für diese Daten nachtrainierte (Fine-Tuning), blieben sie oft hinter den Erwartungen zurück.

Die einfacheren, "lokalen" Modelle hingegen waren wie Fledermäuse im Dunkeln. Sie passten sich sofort an die schnellen Änderungen an und machten viel bessere Vorhersagen.

Warum ist das wichtig? (Die Metapher)

Stell dir vor, du möchtest vorhersagen, wie sich der Verkehr in einer Stadt entwickelt.

• Wenn du nur Daten hast, die zeigen, wie viele Autos pro Stunde fahren, kannst du gut sagen, wann die Hauptverkehrszeit ist.
• Aber wenn du vorhersagen willst, wie ein Autonome Fahrzeug in der nächsten Millisekunde bremsen muss, weil ein Kind auf die Straße läuft, nützen dir die Stunden-Daten nichts. Du brauchst Daten, die so schnell sind wie das Bremsen selbst.

Die Studie zeigt uns: Um KI-Modelle wirklich "alltagstauglich" für schnelle Dinge zu machen (wie 5G-Netze, Börsen-Hochfrequenzhandel oder medizinische Notfälle), müssen wir sie nicht nur mit langsamen Daten füttern. Wir müssen sie schon beim Training mit diesen schnellen, chaotischen Millisekunden-Daten konfrontieren.

Fazit in einem Satz

Die Forscher haben eine neue, extrem schnelle Datenbank für 5G-Netze gebaut und bewiesen, dass unsere aktuellen KI-Riesen dafür noch zu "träge" sind; sie müssen lernen, schneller zu denken, um in der echten, schnellen Welt mithalten zu können.

Technische Zusammenfassung

1. Problemstellung

Time Series Foundation Models (TSFMs) haben sich als leistungsstarke Werkzeuge für Aufgaben wie Prognose, Anomalieerkennung und Klassifizierung etabliert. Allerdings basieren die meisten aktuellen großen Datensätze, die für das Vor-Training dieser Modelle verwendet werden, auf niederfrequenten Zeitreihen (Abtastraten im Bereich von Sekunden bis Jahren). Dies führt zu einer signifikanten Lücke:

• TSFMs sind nicht in der Lage, die Nuancen und die hohe Dynamik von hochfrequenten Daten (Millisekunden-Bereich) zu erfassen.
• Es fehlt an realen Datensätzen aus dem Bereich der drahtlosen Netzwerke (Wireless Networks), einem bisher unterrepräsentierten Domänenbereich im Vergleich zu Energie, Finanzen oder Verkehr.
• Bestehende Modelle zeigen bei der Anwendung auf hochfrequente Netzwerkdaten oft eine schlechte Generalisierungsfähigkeit, sowohl im Zero-Shot- als auch im Fine-Tuning-Modus.

2. Methodik und Datensatz

Die Autoren stellen einen neuen, umfassenden Datensatz und eine Benchmark-Studie vor:

• Datenerfassung: Der Datensatz stammt aus einer realen Betriebsumgebung eines 5G Open Radio Access Networks (O-RAN) im OpenIreland-Testfeld.
• Auflösung: Die Daten werden mit einer Millisekunden-Auflösung erfasst. Für die Analyse wurden die Daten auf Intervalle von 100 ms aggregiert, um den Overhead in O-RAN-Netzwerken realistisch abzubilden.
• Datenquellen: Es wurden Software-defined Radios (USRP) als Basisstation und verschiedene User Equipment (UE) eingesetzt.
• Szenarien: Die Daten decken diverse Mobilitätsprofile (statisch, Fußgänger, Auto, Bus, Zug) und Verkehrsarten ab, darunter sowohl harmlose Anwendungen (Web, VoIP, Video-Streaming) als auch böswillige Aktivitäten (DDoS, Port-Scans).
• Merkmale: Der Fokus liegt auf physikalischen und MAC-Schicht-Indikatoren wie Channel Quality Indicator (CQI), Modulation and Coding Scheme (MCS), Signal-to-Noise Ratio (SINR) und Paketstatistiken.
• Charakteristika der Zeitreihe: Im Gegensatz zu vielen anderen Datensätzen weist dieser Datensatz eine instabile Trendkomponente (stufenartige Verschiebungen), eine schwache Saisonalität (verdeckt durch Rauschen) und schwere Verteilungsschwänze mit extremen Ausreißern und Burst-Verhalten auf. Die Daten sind nicht-stationär und heteroskedastisch.

3. Schlüsselbeiträge

1. Neuer Datensatz: Einführung eines Millisekunden-Datensatzes aus einem 5G-Netzwerk, der die Lücke in der zeitlichen Auflösung und der Domänenvielfalt (Wireless Networks) schließt.
2. Benchmark-Studie: Ein umfassender Vergleich zwischen traditionellen „shallow" Machine-Learning-Modellen und modernen TSFMs auf diesem hochfrequenten Datensatz.
3. Anwendungsfälle: Demonstration von Use Cases für die Kurzzeitprognose (Vorhersagehorizonte von 100 ms bis 9,6 Sekunden), die für dynamische Netzwerksteuerung (z. B. Ressourcenallokation, QoS-Management) relevant sind.

4. Experimente und Ergebnisse

Die Studie vergleicht verschiedene Modelle in univariaten und multivariaten Settings:

• Bewertete Modelle:
  • Shallow Models: Random Forest (RF), XGBoost (XGB), Adaptive Random Forest (ARF), Online Linear Regression (OLR), Naive Forecast.
  • Foundation Models: TinyTimeMixer (TTM), Chronos, Lag-Llama (in Zero-Shot und Fine-Tuning-Modi).
• Ergebnisse:
  • Überlegenheit von ARF: Das Adaptive Random Forest (ARF) Modell erzielte konsistent die besten Ergebnisse (niedrigste RMSE und MAE) in allen Szenarien. ARF ist speziell für Datenströme konzipiert und kann sich durch dynamische Aktualisierung des Entscheidungsbaums an Konzeptdrifts (Änderungen in der Datenverteilung) anpassen.
  • Schwäche der TSFMs: Die TSFMs (TTM, Chronos, Lag-Llama) zeigten in Zero-Shot-Szenarien und auch nach Fine-Tuning eine suboptimale Leistung. Sie scheiterten daran, die hochfrequenten, unvorhersehbaren Spitzen und die fehlende stabile Saisonalität zu modellieren. Selbst Fine-Tuning-Strategien (Head-only, Adapter-basiert) oder Hyperparameter-Optimierung konnten die Leistungslücke zu ARF nicht schließen.
  • Einfluss der Auflösung: Eine Erhöhung der zeitlichen Auflösung (von 100 ms auf 1 s) verbesserte die TSFMs nicht signifikant, was darauf hindeutet, dass das Problem nicht nur die Frequenz, sondern die inhärenten statistischen Eigenschaften der Netzwerkdaten sind.

5. Bedeutung und Fazit

• Kritische Erkenntnis: Die aktuellen TSFMs sind nicht direkt auf hochfrequente, volatile Netzwerkdaten übertragbar. Ihre Vor-Trainingsdatensätze decken die notwendige Vielfalt an zeitlichen Frequenzen und Domänen nicht ab.
• Zukunftsausblick: Um TSFMs robuster und allgemeiner anwendbar zu machen, ist es zwingend erforderlich, hochfrequente Datensätze (wie den vorgestellten 5G-Datensatz) in das Vor-Training zu integrieren.
• Praktischer Nutzen: Der Datensatz ermöglicht die Entwicklung von adaptiven Steuerungsstrategien für O-RAN-Systeme, einschließlich prädiktiver Handover, Lastausgleich und Anomalieerkennung (z. B. zur Identifizierung von DDoS-Angriffen) in Echtzeit.

Zusammenfassend demonstriert das Paper, dass der aktuelle Stand der Technik bei Time Series Foundation Models für hochfrequente Netzwerkdaten noch nicht ausreicht und dass spezialisierte, datengetriebene Ansätze (wie ARF) oder eine Anpassung der Vor-Trainingsstrategien notwendig sind, um die Komplexität realer 5G-Umgebungen zu bewältigen.