<p class="section-text"><b>Цель работы:</b> анализ возможности применения технологии цифровых двойников для обнаружения аномалий в телекоммуникационных сети с применением технологий искусственного интеллекта и обучением на синтетических данных.</p><p class="section-text"><b>Метод исследования:</b> основан на применении математического моделирования, который предполагает созидание цифрового двойника телекоммуникационной сети посредством применения синтетически сгенерированных данных, которые имитируют поведение сети, а для обнаружения аномалий используется машинное обучение – обучение LSTM-автоэнкодера, с последующей оценкой качества обнаружения аномалий на основе метрик (precision, recall и F1-score).</p><p class="section-text"><b>Результаты исследования:</b> включают разработку модели цифрового двойника телекоммуникационной сети, а также генерацию датасета на основе синтетических данных. В ходе исследования продемонстрировано, что может быть создан цифровой двойник телекоммуникационной сети, синтетически сгенерированы данные для обучения модели машинного обучения, при помощи которой могут быть обнаружены различные аномалии. В дальнейшем модель машинного обучения может быть использована в реальных телекоммуникационных сетях связи для обнаружения разного рода аномалий.</p><p class="section-text"><b>Научная новизна:</b> заключается в разработке методики генерации синтетических данных с аномалиями, которые адаптированы под телекоммуникационные сети, а также в использовании цифрового двойника как инструмента для тестирования алгоритмов машинного обучения для обнаружения аномалий.</p>
<p class="section-text"><b>The aim of the work</b> is to analyze the possibility of using digital twin technology to detect anomalies in telecommunication networks using artificial intelligence technologies and training on synthetic data.</p><p class="section-text"><b>Research method:</b> is based on the use of mathematical modeling, which involves the creation of a digital twin of a telecommunications network through the use of synthetically generated data that simulate the behavior of the network, and machine learning is used to detect anomalies – training of an LSTM autoencoder, with subsequent assessment of the quality of anomaly detection based on metrics (precision, recall and F1-score).</p><p class="section-text"><b>Results of the study:</b> include the development of a digital twin model of a telecommunications network, as well as the generation of a dataset based on synthetic data. In the course of the study, it was demonstrated that a digital twin of a telecommunications network can be created, data can be synthetically generated to train a machine learning model, with the help of which various anomalies can be detected. telecommunication networks to detect various kinds of anomalies.</p><p class="section-text"><b>Scientific novelty:</b> lies in the development of a methodology for generating synthetic data with anomalies that are adapted to telecommunication networks, as well as in the use of a digital twin as a tool for testing machine learning algorithms to detect anomalies.</p>