5G网络大数据智能分析技术

doi:10.11959/j.issn.1000-0801.2022052

电信科学 ›› 2022, Vol. 38 ›› Issue (8): 129-139.doi: 10.11959/j.issn.1000-0801.2022052

5G网络大数据智能分析技术

李爱华¹, 吴晓波², 陈超¹, 魏彬¹, 史嫄嫄¹

¹ 中国移动通信有限公司研究院，北京 100053
² 维沃移动通信有限公司，广东东莞 523000

修回日期:2022-03-07 出版日期:2022-08-20 发布日期:2022-08-01
作者简介:李爱华（1974- ），男，现就职于中国移动通信有限公司研究院，主要研究方向为5G-Advanced 架构演进、网络智能化、物联网技术等
吴晓波（1979- ），男，现就职于维沃移动通信有限公司，IMT2020（5G）推进组 5G与 AI 融合研究组副组长，主要研究方向为4G/5G语音、5G智能化等
陈超（1989- ），女，现就职于中国移动通信有限公司研究院，主要研究方向为5G网络智能化
魏彬（1983-），男，中国移动通信有限公司研究院网络与 IT 技术研究所高级工程师、副所长，主要从事3G/4G/5G核心网标准化推进及商用技术攻关、5G行业网等方面的工作
史嫄嫄（1984- ），女，博士，现就职于中国移动通信有限公司研究院，主要研究方向为5G网络智能化

Big data intelligent analysis technology for 5G network

Aihua LI¹, Xiaobo WU², Chao CHEN¹, Bin WEI¹, Yuanyuan SHI¹

¹ China Mobile Research Institute Co., Ltd., Beijing 100053, China
² Vivo Mobile Communication Co., Ltd., Dongguan 523000, China

Revised:2022-03-07 Online:2022-08-20 Published:2022-08-01

摘要/Abstract

摘要：

摘要：5G业务呈现形态多样化、需求个性化、体验极致化的特性，要求网络能够高效感知业务特性并满足业务需求；同时，5G切片、边缘计算、多接入协同等复杂技术的引入增加了端到端资源管理和调度的复杂性。5G核心网作为网络的拓扑中心和业务汇聚点，需融合人工智能技术，提升网络大数据分析能力，实现网络的自动化和智能化。首先介绍了国际标准化组织在5G网络智能化领域的研究进展，然后提出了5G网络大数据智能分析系统的架构及特征，最后进一步分析了网络大数据智能分析的3项潜在关键技术。

关键词: 5G网络, 人工智能, 网络大数据, 智能分析

Abstract:

5G services are characterized by diversified forms, personalized requirements and extreme experience, which require the network to be able to efficiently perceive business characteristics and meet business requirements.Meanwhile, the introduction of complex technologies such as 5G slicing, edge computing and multi-access collaboration increases the complexity of end-to-end resource management and scheduling.As the network topology center and service convergence point, 5G core network needs to integrate artificial intelligence technology, improve the ability of big data analysis, and realize the automation and intelligence of the network .The research progress of the international organization for standardization in the field of 5G network intelligence was firstly introduced, then the architecture and characteristics of 5G network big data intelligent analysis system was proposed, and the potential three key technologies of network big data intelligent analysis were finally further analyzed.

Key words: 5G network, artificial intelligence, network big data, intelligent analysis

中图分类号:

TP393

李爱华, 吴晓波, 陈超, 魏彬, 史嫄嫄. 5G网络大数据智能分析技术[J]. 电信科学, 2022, 38(8): 129-139.

Aihua LI, Xiaobo WU, Chao CHEN, Bin WEI, Yuanyuan SHI. Big data intelligent analysis technology for 5G network[J]. Telecommunications Science, 2022, 38(8): 129-139.

图/表 14

图1

图2

图3

图4

图5

图6

图7

图8

图9

图10

图11

图12

表1

表2

参考文献 26

[1]	3GPP. System architecture for the 5G system (5GS):TS 23.501[S]. 2021.
[2]	3GPP. 5G system; network data analytics services:TS 23.520[S]. 2021.
[3]	3GPP. 5G system; architecture enhancements for 5G system (5GS) to support network data analytics service:TS 23.288[S]. 2021.
[4]	3GPP. 3rd Generation Partnership Project; technical specification group services and system aspects; architecture enhancements for 5G system(5GS) to support network data analytics services (Release 16):TS23.288 V16.4.0[S]. 2020.
[5]	3GPP. 3rd Generation Partnership Project; technical specification group services and system aspects; study on enablers for network automation for 5G system(5GS); phase2 (Release 17) TR 23.700-91 V0.4.0[R]. 2020.
[6]	3GPP. Study on architecture for next generation system (Release 14):TR23.799,V1.0.1[S]. 2016.
[7]	ITU-R. Recommendation ITU-R M.2083:IMT vision-framework and overall objectives of the future development of IMT for 2020 and beyond[S]. 2015.
[8]	ITU-T. Architectural framework for machine learning in future networks including IMT-2020:Y.3172[S]. 2019.
[9]	ITU-T. Framework for data handling to enable machine learning in future networks including IMT-2020:Y.3174[S]. 2020.
[10]	IMT-2020(5G)推进组. 5G 网络架构设计白皮书[R]. 2016.
	IMT-2020 (5G) Propulsion Group. White paper of 5G network architecture design[R]. 2016.
[11]	IMT-2020. 5G 网络技术架构[R]. 2015.
	IMT-2020. 5G network technology architecture[R]. 2016.
[12]	李爱华, 何伟, 杨爱东 ,等. 移动通信网络中的联邦学习白皮书[[R]. 2021.
	LI A H , HE W , YANG A D ,et al. White paper on federated learning in mobile communication networks[R]. 2021.
[13]	China Mobile Research Institute. White paper of NGFI (next generation fronthaul interface) version 1.0[R]. 2015.
[14]	马瑞涛, 王光全, 任驰 ,等. 3GPP R16 5G核心网标准及关键技术研究[J]. 电子技术应用, 2020,46(11): 30-35,40.
	MA R T , WANG G Q , REN C ,et al. Study on 3GPP R16 5G core network standards and key technology[J]. Application of Electronic Technique, 2020,46(11): 30-35,40.
[15]	谢娟 . 浅析 5G 核心网关键技术及现网演进策略[J]. 移动信息, 2019(6): 15-17.
	XIE J . Analysis on key technologies of 5G core network and current network evolution strategy[J]. Mobile Information, 2019(6): 15-17.
[16]	杨旭, 肖子玉, 梁冰 ,等. 5G 核心网部署及演进方案[J]. 电信科学, 2020,36(9): 131-140.
	YANG X , XIAO Z Y , LIANG B ,et al. 5G core network deployment and evolution scheme[J]. Telecommunications Science, 2020,36(9): 131-140.
[17]	马洪源, 肖子玉, 卜忠贵 . 5G 标准及产业进展综述[J]. 电信工程技术与标准化, 2018(3): 23-27.
	MA H Y , XIAO Z Y , BU Z G . 5G standard and industry progress review[J]. Telecom Engineering Technics and Standardization, 2018(3): 23-27.
[18]	杨旭, 肖子玉, 邵永平 ,等. 面向 5G 的核心网演进规划[J]. 电信科学, 2018,34(7): 162-170.
	YANG X , XIAO Z Y , SHAO Y P ,et al. Core network evolution planning oriented 5G[J]. Telecommunications Science, 2018,34(7): 162-170.
[19]	尤肖虎, 张川, 谈晓思 ,等. 基于AI的5G技术:研究方向与范例[J]. 中国科学:信息科学, 2018,48(12): 1589-1602.
	YOU X H , ZHANG C , TAN X S ,et al. AI for 5G:research directions and paradigms[J]. Scientia Sinica (Informationis), 2018,48(12): 1589-1602.
[20]	The FATE Authors. Federated AI technology enabler[Z]. 2019.
[21]	BEUTEL D J , TOPAL T , MATHUR A ,et al. Flower:a friendly federated learning research framework[Z]. 2020.
[22]	杨强 . AI与数据隐私保护：联邦学习的破解之道[J]. 信息安全研究, 2019,5(11): 961-965.
	YANG Q . AI and data privacy protection:the way to federated learning[J]. Journal of Information Security Research, 2019,5(11): 961-965.
[23]	The Linux Foundation. Open neural network exchange (ONNX)[Z]. 2022.
[24]	申洁 . 基于 DPI 技术的数据业务分析及网络优化[D]. 北京:华北电力大学, 2016.
	SHEN J . Data service analysis and network optimization based on DPI technology[D]. Beijing:North China Electric Power University, 2016.
[25]	陈贞贞 . 基于 DPI 和机器学习的加密流量类型识别研究[J]. 信息通信, 2018(4): 3.
	CHEN Z Z . Research on encrypted traffic type recognition based on DPI and machine learning[J]. Information Communication, 2018(4): 3.
[26]	许勇刚, 刘宏宇, 闵云浪 . 一种基于 DPI 技术的网络数据安全性分析系统及方法:CN 105491018 A[P]. 2015.
	XU Y G , LIU H Y , MIN Y L . Network data security analysis system and method based on DPI technology:CN 105491018 A[P]. 2015.

数据	数据源	描述
SUPI	SMF	终端标识
S-NSSAI	SMF	切片
DNN	SMF	DNN
start/end time	SMF	起始/结束时间
data volume	SMF	流量大小（UL/DL）
data duration	SMF	流量时长（UL/DL）
QoS flow bit rate	SMF	观测带宽（UL/DL）
packet transmission	SMF	观测包个数（每个UL/DL）
payload packets	SMF	用户面数据包收集

流量信息	业务标识
Traffic Data 1	App ID 1
Traffic Data 2	App ID 2
Traffic Data 3	App ID 1
Traffic Data 4	App ID 3
…	…
Traffic Data N	App ID 2

5G网络大数据智能分析技术

Big data intelligent analysis technology for 5G network

在线阅读

PDF下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 14

参考文献 26

相关文章 15

Metrics

推荐阅读 0

[1]	郭泽华, 朱昊文, 徐同文. 面向分布式机器学习的网络模态创新[J]. 电信科学, 2023, 39(6): 44-51.
[2]	马晓亮, 刘英, 杜德泉, 安玲玲. 运营商智能客服的关键技术和发展趋势[J]. 电信科学, 2023, 39(5): 76-89.
[3]	蒋瑞红, 冯一哲, 孙耀华, 郑海娜. 面向低轨卫星网络的组网关键技术综述[J]. 电信科学, 2023, 39(2): 37-47.
[4]	徐英姿, 刘原, 时梦然, 韩书君, 董辰, 王碧舳. 语义在通信中的应用综述[J]. 电信科学, 2022, 38(Z1): 43-59.
[5]	沈鸿, 崔凌, 张天魁. 面向智能制造的5G网络部署方案研究[J]. 电信科学, 2022, 38(Z1): 158-163.
[6]	王晴天, 刘洋, 刘海涛, 宗佳颖, 杨峰义. 面向6G的网络智能化研究[J]. 电信科学, 2022, 38(9): 151-160.
[7]	张叶江, 孙磊, 尹以雁, 杨晓康, 胡坚. 700 MHz频段在5G网络优化中的应用研究[J]. 电信科学, 2022, 38(6): 156-163.
[8]	黄秋萍, 刘晓峰, 高秋彬, 刘正宣, 金立强, 孙韶辉. 基于人工智能的大规模天线信道状态信息反馈研究[J]. 电信科学, 2022, 38(3): 74-83.
[9]	陶昕, 万俊青, 李益锋, 徐羲晟, 乔楠婷, 许彬. 基于射线追踪传播模型实现5G室内分布系统仿真的研究[J]. 电信科学, 2022, 38(2): 111-118.
[10]	朱明伟. 网络智能化中的AI工程化技术方案[J]. 电信科学, 2022, 38(2): 157-165.
[11]	杨震, 赵建军, 黄勇军, 李洁, 陈楠. 基于网络演进的人工智能技术方向研究[J]. 电信科学, 2022, 38(12): 27-34.
[12]	程瑞营, 张攀, 肖雨, 乔宇杰, 张安奕. 基于时序数据的云网协同平台人工智能运维体系[J]. 电信科学, 2022, 38(11): 24-35.
[13]	陈志宏, 王明晓. 计算机视觉在智慧安防中的应用[J]. 电信科学, 2021, 37(8): 142-147.
[14]	吴晓文, 焦侦丰, 凌翔, 刘冰, 朱立东, 韩磊. 面向6G的卫星通信网络架构展望[J]. 电信科学, 2021, 37(7): 1-14.
[15]	袁硕, 任奕璟, 王则予, 孙耀华, 彭木根. 软件定义的星地融合智能无线网络[J]. 电信科学, 2021, 37(6): 66-77.