El avance en las tecnologías de comunicación móvil de quinta generación (5G) y de internet de las cosas (IoT) impulsa el desarrollo de aplicaciones inteligentes, pero también hace que estas redes sean cada vez más complejas y vulnerables a ataques dirigidos. Para monitorear e identificar eventos anómalos en las redes, los investigadores han desarrollado varios modelos de detección de anomalías (AD), especialmente basados en tecnologías de aprendizaje profundo. Sin embargo, debido a la falta de conocimiento especializado de los operadores de red sobre estos sistemas de caja negra, el despliegue y uso de estos modelos enfrentan numerosos desafíos. En este artículo se revisan de manera sistemática los modelos y métodos actuales de detección de anomalías en el campo de las redes de comunicación. Sobre la base de los principios y la estructura del modelo, se clasifican estos modelos en 4 categorías metodológicas, poniendo énfasis en el papel de los grandes modelos de lenguaje que han demostrado un enorme potencial en el campo de la detección de anomalías. Además, estos modelos se discuten en detalle en 4 áreas de aplicación diferentes: monitoreo del tráfico de red, análisis de los registros de sistemas de red, provisión de servicios de computación en la nube y seguridad de IoT. Sobre la base de estos requisitos de aplicación, se analizan los desafíos actuales y se proponen ideas sobre las direcciones futuras de la investigación, que abarcan la robustez, la interpretabilidad y el papel de los grandes modelos de lenguaje en la detección de anomalías.

Anomaly detection;AIOps;Large language models;Communication networks