Les progrès réalisés dans les technologies de communication mobile de 5ème génération (5G) et de l'internet des objets (IoT) stimulent le développement d'applications intelligentes, mais rendent également ces réseaux de plus en plus complexes et vulnérables à des attaques ciblées. Pour surveiller et identifier les événements anormaux dans les réseaux, les chercheurs ont développé plusieurs modèles de détection d'anomalies (AD), en particulier basés sur les technologies d'apprentissage en profondeur. Cependant, en raison du manque de connaissances spécialisées des opérateurs de réseau sur ces systèmes boîte noire, le déploiement et l'utilisation de ces modèles sont confrontés à de nombreux défis. Cet article passe en revue de manière systématique les modèles et méthodes actuels de détection d'anomalies dans le domaine des réseaux de communication. Sur la base des principes et de la structure du modèle, ces modèles sont classés en 4 catégories méthodologiques, en mettant l'accent sur le rôle des grandes modèles de langage qui ont récemment montré un énorme potentiel dans le domaine de la détection d'anomalies. De plus, ces modèles sont discutés en détail dans 4 domaines d'application différents : surveillance du trafic réseau, analyse des journaux systèmes du réseau, prestations de services de cloud computing et sécurité IoT. Sur la base de ces exigences d'application, les défis actuels sont analysés et des idées sur les orientations futures de la recherche sont proposées, couvrant la robustesse, l'interprétabilité et le rôle des grandes modèles de langage dans la détection d'anomalies.

Anomaly detection;AIOps;Large language models;Communication networks