O avanço da tecnologia 5G e IoT impulsiona o desenvolvimento de aplicações inteligentes, mas também torna essas redes cada vez mais complexas e vulneráveis a vários tipos de ataques direcionados. Para monitorar e identificar eventos de rede anormais, os pesquisadores propõem vários modelos de detecção de anomalias (AD), especialmente baseados em tecnologia de aprendizado profundo. No entanto, devido à falta de conhecimento especializado dos operadores de rede sobre esses sistemas 'caixa preta', existem muitos desafios no deployment e uso desses modelos. Este artigo apresenta uma revisão sistemática dos modelos e métodos de AD existentes no campo das redes de comunicação. Com base nos princípios e estruturas do modelo, esses modelos são divididos em 4 categorias metodológicas, enfatizando o papel significativo dos modelos de linguagem grandes que mostraram grande potencial recentemente no campo de AD. Além disso, discutimos a fundo esses modelos em 4 áreas de aplicação: monitoramento de tráfego de rede, análise de logs de sistema de rede, serviços de nuvem e borda, e segurança IoT. Com base nas demandas de aplicação acima, analisamos os desafios atuais e oferecemos insights sobre as direções futuras de pesquisa, cobrindo robustez, explicabilidade e integração de modelos de linguagem grandes em AD.

Detecção de anomalias; AIOps (operações de TI autônomas); modelos de linguagem grandes; rede de comunicação