CRAWDAD dataset umkc/network (v. 2022-01-20)

5G Dataset, 6G Dataset, Network Slicing, Wireless Dataset, eMBB, URLLC, mMTC We have created a Deep Learning model for 5G and Network Slicing. (eMBB, URLLC, IoT). I encourage developers and researchers working on the 4G/LTE, 5G, 6G and similar interest to use and provide feedback: Our research can be found at 1. DeepSlice:DeepSlice: A Deep Learning Approach towards an Efficient and Reliable Network Slicing in 5G Networks 2. Secure5G: A Deep Learning Framework Towards a Secure Network Slicing in 5G and Beyond5G数据集（5G Dataset）、6G数据集（6G Dataset）、网络切片（Network Slicing）、无线数据集（Wireless Dataset）、增强移动宽带（eMBB）、超可靠低延迟通信（URLLC）、海量机器类通信（mMTC）。我们针对5G与网络切片（Network Slicing）场景构建了深度学习模型，涵盖增强移动宽带（eMBB）、超可靠低延迟通信（URLLC）以及物联网（IoT）相关场景。我们诚挚鼓励从事4G/LTE、5G、6G及相关领域研究与开发的人员使用本资源并提供反馈意见：相关研究可通过以下两篇文献获取： 1. 《DeepSlice：面向5G网络高效可靠网络切片的深度学习方法》 2. 《Secure5G：面向5G及后续演进网络安全网络切片的深度学习框架》

搜集汇总

背景与挑战

背景概述

该数据集是CRAWDAD集合中专注于5G网络切片的无线网络数据集，包含2019年5月至10月的实际测量数据，支持eMBB、URLLC和IoT场景，用于深度学习模型开发。数据集的测量目的广泛，涵盖计算机恶意软件调查、网络性能分析、安全等多个领域，文件大小为10.49 MB，由密苏里大学堪萨斯城的研究团队贡献。