Resource Allocation in Hybrid Radio-Optical IoT Networks using GNN with Multi-task Learning

Cet article propose le cadre DGET, une architecture d'apprentissage multi-tâches combinant des réseaux de neurones graphiques et des transformateurs, pour optimiser l'allocation des ressources dans les réseaux IoT hybrides radio-optiques en maximisant le débit et en réduisant l'âge de l'information tout en gérant les contraintes énergétiques et l'observabilité partielle des canaux.

Aymen Hamrouni, Sofie Pollin, Hazem SallouhaThu, 12 Ma🤖 cs.LG

Tureis: Transformer-based Unified Resilience for IoT Devices in Smart Homes

Le papier présente Tureis, une méthode auto-supervisée basée sur un Transformer léger qui détecte et localise avec précision les défaillances de capteurs dans les maisons intelligentes, même dans des scénarios multi-défaillances et multi-résidents, sans nécessiter de données étiquetées tout en restant adaptée au déploiement sur des périphériques à ressources limitées.

Alireza Borhani, Vafa Andalibi, Bahar AsgariThu, 12 Ma💻 cs

Where Do Flow Semantics Reside? A Protocol-Native Tabular Pretraining Paradigm for Encrypted Traffic Classification

Ce papier propose FlowSem-MAE, une approche de préentraînement tabulaire native aux protocoles qui, en exploitant les unités sémantiques de flux et en corrigeant les biais inductifs des méthodes séquentielles existantes, surpasse l'état de l'art pour la classification du trafic chiffré avec seulement la moitié des données étiquetées.

Sizhe Huang, Shujie YangThu, 12 Ma🤖 cs.AI

Performance Evaluation of Delay Tolerant Network Protocols to Improve Nepal Earthquake Rescue Communications

Cette étude évalue les performances de protocoles de réseaux tolérants aux délais (DTN) dans un scénario simulé de secours après le séisme de Kathmandu au Népal, démontrant l'efficacité de ces méthodes pour améliorer la transmission des messages de détresse tout en révélant les compromis entre fiabilité et utilisation des ressources.

Xiaofei Liu, Milena RadenkovicThu, 12 Ma💻 cs

Fly-PRAC: Packet Recovery for Random Linear Network Coding

Le papier propose Fly-PRAC, un nouveau schéma de récupération de paquets pour le codage réseau linéaire aléatoire qui exploite les relations algébriques pour corriger les erreurs aux nœuds intermédiaires sans décodage, surpassant ainsi les méthodes existantes comme S-PRAC en termes de performance et de réduction des transmissions dans des canaux bruyants.

Hosein K. Nazari, Stefan Senk, Peyman Pahlevani, Juan A. Cabrera, Frank H. P. FitzekThu, 12 Ma🔢 math

Spyglass: Directional Spectrum Sensing with Single-shot AoA Estimation and Virtual Arrays

Ce papier présente Spyglass, un capteur de spectre utilisant une antenne commutée et l'algorithme Searchlite pour estimer avec précision l'angle d'arrivée de signaux multiples en une seule transmission, surmontant ainsi les défis de coût et de complexité du traitement de réseau dans des environnements radiofréquences denses.

Raghav Subbaraman, Akshit Agarwal, Wenhao Chen, Dinesh BharadiaThu, 12 Ma⚡ eess

A Secure Splitting and Acceleration Strategy for TCP/QUIC in Interplanetary Networks

Cet article propose une stratégie d'accélération et de sécurisation des transports TCP/QUIC pour les réseaux interplanétaires, basée sur une architecture de proxy non transparent (NTSP) et une politique de transport adaptative, qui améliore significativement les performances de débit et de livraison dans des scénarios à forte latence et à liens intermittents.

Jianhao Yu, Ye Li, Qingfang Jiang, Shuai Liu, Wenfeng Li, Kanglian ZhaoThu, 12 Ma💻 cs

Adaptive RAN Slicing Control via Reward-Free Self-Finetuning Agents

Cet article propose un cadre novateur d'auto-affinement sans récompense pour les agents génératifs, permettant un contrôle adaptatif continu dans le découpage de réseaux d'accès radio (RAN) en internalisant l'expérience via un mécanisme de réflexion bi-perspective, surpassant ainsi les méthodes d'apprentissage par renforcement traditionnelles en efficacité et en stabilité.

Yuanhao Li, Haozhe Wang, Geyong Min, Nektarios Georgalas, Wang MiaoThu, 12 Ma🤖 cs.AI

Measurement-Driven O-RAN Diagnostics with Tail Latency and Scheduler Indicators

Cette étude propose une méthode de diagnostic O-RAN axée sur les mesures réelles qui, en analysant conjointement la latence de queue et les indicateurs de la couche radio, révèle des différences dépendantes de l'équipement utilisateur et des dynamiques radio invisibles aux métriques moyennes, permettant ainsi de définir des indicateurs de dégradation légers pour le suivi pratique.

Theofanis P. Raptis, Weronika Maria Bachan, Roberto VerdoneThu, 12 Ma💻 cs

FAST: An Efficient Scheduler for All-to-All GPU Communication

Le papier présente FAST, un planificateur efficace pour les communications All-to-All(v) sur GPU qui résout les problèmes de déséquilibre de charge et de congestion dans les modèles MoE dynamiques en réduisant considérablement le temps de synthèse tout en surpassant les solutions existantes sur des clusters NVIDIA et AMD.

Yiran Lei, Dongjoo Lee, Liangyu Zhao, Daniar Kurniawan, Chanmyeong Kim, Heetaek Jeong, Changsu Kim, Hyeonseong Choi, Liangcheng Yu, Arvind Krishnamurthy, Justine Sherry, Eriko NurvitadhiMon, 09 Ma💻 cs

Reexamining Paradigms of End-to-End Data Movement

En s'appuyant sur des déploiements à l'échelle de la production, cette étude remet en cause la vision centrée sur le réseau en démontrant que les goulots d'étranglement de la performance résident souvent dans les facteurs hôtes et logiciels, et propose le modèle conceptuel du « Drainage Basin Pattern » pour optimiser le mouvement de données de bout en bout au-delà de la simple bande passante brute.

Chin Fang, Timothy Stitt, Michael J. McManus, Toshio MoriyaMon, 09 Ma💻 cs