APEX: Een netwerk-native foundationmodel voor tijdreeksen voor voorspelling en afwijkingsdetectie in draadloze edge-operaties

Samenvatting

Generieke tijdreeks-fundamentmodellen presteren slecht op telemetrie van draadloze netwerken, waarvan de signalen burst-achtig, nul-geïnflateerd en over protocol lagen heen gekoppeld zijn. We presenteren APEX, een netwerk-native, decoder-only transformer voor het voorspellen van telemetrie van bedrijfs-AP's, en evalueren dit model op DHCP-degradatie als representatieve netwerktaak. APEX is voorgetraind op 10-kanaals multivariate telemetrie van ~4.500 productieve draadloze netwerken (~100K AP-tijdreeksen, 34 metrieken per AP) en is beschikbaar als APEX-Large (269M, cloud) en APEX-Edge (10,5M, edge). Op een 192-staps (4 dagen) DHCP-degradatiebenchmark verlaagt APEX-Large de MAE met 18% ten opzichte van de sterkste fundamentmodel-baseline (Toto) en 38% ten opzichte van SARIMA, met een anomaliedetectie-F1 van 0,93, terwijl APEX-Edge subseconden, privacybehoudende inferentie mogelijk maakt op AP-klasse edge-hardware. Deze resultaten suggereren dat netwerk-native voortraining een praktisch fundament vormt voor proactieve draadloze operaties.

English

Generic time-series foundation models transfer poorly to wireless network telemetry whose signals are bursty, zero-inflated, and coupled across protocol layers. We present APEX, a network-native, decoder-only transformer for forecasting enterprise AP telemetry, and evaluate it on DHCP degradation as a representative network task. APEX is pre-trained on 10-channel multivariate telemetry from ~4,500 production wireless networks (~100K AP time series, 34 metrics per AP), and is available as APEX-Large (269M, cloud) and APEX-Edge (10.5M, edge). On a 192-step (4-day) DHCP degradation benchmark, APEX-Large reduces MAE by 18% over the strongest foundation-model baseline (Toto) and 38% over SARIMA, with anomaly-detection F1 = 0.93, while APEX-Edge enables sub-second, privacy-preserving inference on AP-class edge hardware. These results suggest network-native pre-training is a practical foundation for proactive wireless operations.