,, 李文璟,, 丰雷,, 周凡钦,, 杨杨,, 邱雪松,*北京邮电大学,网络与交换技术国家重点实验室,北京 100876Intelligent Network Management and Control Architecture and Key Technologies for Future 6G Networks
Yu Peng,, Li Wenjing,, Feng Lei,, Zhou Fanqin,, Yang Yang,, Qiu Xuesong,*State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications, Beijing 100876, China通讯作者: 邱雪松（E-mail：xsqiu@bupt.edu.cn）
收稿日期:2020-03-31网络出版日期:2020-06-20
| 基金资助: |
Received:2020-03-31Online:2020-06-20
作者简介 About authors
喻鹏,北京邮电大学网络与交换技术国家重点实验室,副教授,博士生导师。研究方向为无线网络管理和优化、自主管理和绿色通信等。IEEE / ACM / CCF会员。
在本文负责6G网络智能管控架构研究。
Yu Peng, is an associate professor and a Ph.D. supervisor at State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications. His research interests include wireless network management and optimization, self-organizing networks and green communications. He is a member of ACM/IEEE/CCF as well.
He is mainly responsible for the research of intelligent management and control architecture of 6G networks.
E-mail:
李文璟,北京邮电大学网络与交换技术国家重点实验室,网络管理研究中心主任,教授,博士生导师,中国通信标准化协会 TC7/WG1 组长。研究方向为无线网络管理和自组织网络。
在本文中负责6G网络管控需求分析。
Li Wenjing, is currently a Professor and Ph.D supervisor at State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications. She serves as the Director with Network Management Research Center. Meanwhile, she is the Leader of TC7/WG1 in the China Communications Standards Association (CCSA). Her research interests are wireless network management and self-organizing networks.
She is mainly responsible for the requirement analysis of intelligent management and control in 6G networks.
E-mail:
丰雷,北京邮电大学网络与交换技术国家重点实验室,副教授,硕士生导师。研究方向为无线网络和智能电网的资源管理。
在本文中负责6G智能管控挑战分析。
Feng Lei, is an associate professor and a M.S. supervisor at State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications. His research interests are resources management in wireless networks and smart grid.
He is mainly responsible for the challenge analysis of intelligent management and control in 6G networks.
E-mail:
周凡钦,北京邮电大学网络与交换技术国家重点实验室,博士后。研究方向为无线异构网络的资源管理和负载均衡。
在本文中负责国内外研究现状调研。
Zhou Fanqin, is a postdoctoral fellow at State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications. His research interests include resources management and load balancing in multi-RAT heterogeneous networks.
He is mainly responsible for investigation of domestic and foreign research status.
E-mail:
杨杨,北京邮电大学网络与交换技术国家重点实验室,副教授,博士生导师。研究方向为无线传感网应用与大数据分析、故障管理。
在本文中负责6G智能化管控关键技术研究。
Yang Yang, is an associate professor and a Ph.D. supervisor at State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications. Her research interests include sensors network applications, big data analysis and fault management.
She is mainly responsible for the research of key technologies of intelligent management and control architecture of 6G networks.
E-mail:
邱雪松,北京邮电大学网络与交换技术国家重点实验室,副主任,网络技术研究院副院长,教授,博士生导师,IEEE高级会员。研究方向为网络管理与通信软件。已发表EI/SCI检索论文100余篇,在网络和服务管理领域主持了国家863课题,国家自然基金等多项国家级项目。
在本文中负责整体架构和论文思路。
Qiu Xuesong, is currently the Associate Dean of State Key Laboratory of Networking and Switching Technology and Institute of Network Technology, Beijing University of Posts and Telecommunications. He is a professor and a Ph.D. Supervisor as well. He has authored about 100 SCI/EI indexed papers. He presided over a series of key research projects on network and service management, including projects supported by the National Natural Science Foundation and the National HighTech Research and Development Program of China.
He is mainly responsible for the entire organization and methodology of this paper.
E-mail:
摘要
【目的】6G网络被认为是面向未来网络2030的新一代通信技术,本文旨在面向未来6G网络需求,提出一种可参考的智能化管控架构。【应用背景】该架构将集成不同类型的人工智能算法模型,用于解决高度弹性动态的6G网络“网络随需即用”的问题。【方法】本文通过调研近年来国内外标准化和研究进展,梳理了6G网络智能管控需求和面临的挑战,提出了对应的解决方案。【结果】基于6G智能内生网络的概念,提出了6G网络的智能化管控架构,分析了6G网络智能化管控功能和所需的关键技术。【局限】论文提出的管控架构和关键技术,需要进一步的系统或者原型验证。【结论】智能内生是6G网络的重要特征之一,人工智能技术在6G网络的管控中将起到核心的支撑作用,为资源按需调度和网络伴随服务提供泛在的可靠保障。
关键词：
Abstract
[Objective] 6G is considered as the next-generation network communication technology to network 2030. This paper proposes an intelligent management and control architecture for 6G networks in the term for network demands. [Application background] The architecture will integrate different types of artificial intelligence algorithm models, to solve the “network on demand” problem for highly resilient and dynamic 6G networks. [Methods] This paper first investigates the relevant literatures and the standardization progress in recent years, analyzes the requirements for 6G intelligent management and control, and the challenges faced by existing management and control technologies, and finally proposes corresponding solutions. [Results] Based on the concept of the 6G intelligent endogenous network, an intelligent management and control architecture of the 6G network is proposed, and the intelligent management and control function of the 6G network constructed with key technologies are described as well. [Limitations] The control architecture and key technologies proposed in this paper require further systematic verification with a prototype. [Conclusions] Endogenous intelligence is one of the important characteristics of 6G networks. Artificial intelligence technology will also play a core supporting role in the management and control of 6G networks, which provides ubiquitous and reliable guarantees for resource on-demand scheduling and network accompanying services.
Keywords：
PDF (10663KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex收藏本文
本文引用格式
喻鹏, 李文璟, 丰雷, 周凡钦, 杨杨, 邱雪松. 面向未来6G网络的智能管控架构与关键技术. 数据与计算发展前沿[J], 2020, 2(3): 32-44 doi:10.11871/jfdc.issn.2096-742X.2020.03.003
Yu Peng, Li Wenjing, Feng Lei, Zhou Fanqin, Yang Yang, Qiu Xuesong.
引言
当前 5G（the 5th Generation）移动通信正逐步商用化。同时,通信网络向着一体化融合网络发展,其泛在化、社会化、智慧化、情境化等新型应用形态与模式,导致现有 5G 网络技术在信息广度、速度及深度上难以满足“网络资源随需即用”的要求。因此,6G（the 6th Generation）网络研究逐步开展。“网络随需即用”是对网络管控的重大挑战,当前以人工为主的策略式管理控制方案将难以满足网络的高度弹性和动态要求。本文基于未来6G网络的需求,研究未来网络的智能管控架构和关键技术,旨在为未来的6G网络的无线侧和核心侧的网络资源调度、业务质量保障提供可参考的解决方案。1 6G网络管控需求
1.1 6G网络发展愿景
2019年6月6日,工业和信息化部向中国电信、中国移动、中国联通、中国广电发放了5G商用牌照,中国正式进入5G商用元年 [1],其支持的应用涵盖增强型移动宽带（enhanced Mobile BroadBand, eMBB）、超可靠低时延通信（ultra Reliable Low Latency Communications, uRLLC）以及大规模机器通信（massive Machine Type Communication, mMTC）三大应用场景[2]。然而,5G网络的三种应用场景难以同时实现,网络资源的弹性配置能力较弱,远不能满足未来的超高带宽、超密连接、超低时延需求。为了解决这些问题,6G技术被提上了日程[3,4]。6G网络的愿景是实现泛在无线智能。在人工智能（Artificial Intelligence, AI）理论、新兴材料和集成天线相关技术的驱动下,6G 的长期演进将产生新突破,甚至构建新世界[5]。特别是,6G定义中包含三个维度的内容：即移动超宽带、超级物联网和人工智能。其中,机器学习（Machine Learning,ML）技术是人工智能的有希望的候选技术[6]。通过上述技术,目标是实现人、机、物、灵（Genie）四元空间的深度融合与应用,其中Genie 基于实时采集的大量数据和高效机器学习技术,完成用户意图的获取以及决策的制定[4]。相对现有的5G网络三大应用场景,6G将提升各方面的性能,包括1T bps峰值速率,1G bps的用户体验速率,低于50微秒的时延,每公里范围内100万连接数,1Gbps/m2的吞吐量密度,此外,在计算效率和频谱效率上分别提升100倍和10倍,如下图1所示。
图1
新窗口打开|下载原图ZIP|生成PPT图1未来6G预计能够达到的性能指标
Fig.1Expected performance metrics of 6G
未来6G将更加侧重于以人类个性化需求为中心,立足陆地、拥抱海洋、谋划空天,通过天基网络、海基网络、陆基网络相互协作融合,形成覆盖全球范围的高精度和高可靠性网络,为人类提供无处不在、无时不在、无人不在和无事不在的信息基础设施[7]。
为了实现6G的“网络资源随需即用”,需要依托自主计算和人工智能技术,构建完整的面向人、机、物融合的全析网络架构,实现对主客观信息的全面解析[8]。为了支撑这些网络架构下的业务的服务质量（Quality of Service,QoS）和用户体验质量（Quality of Experience,QoE）,亟需主动的、智能的、可靠的网络弹性资源调度技术,这就对网络的管控技术提出了更高的要求[9]。
1.2 6G网络智能管控需求分析
伴随着网络架构的不断演进,网络结构越来越复杂,网络节点数量呈指数级增长,网络管理技术也在不断发展[10]。为了提升网络管理的效率,降低运营支出成本,基于自主计算的网络管控成为了一种有效的解决方案。从网络管控的相关技术来看,6G网络管理的需求是将传统集中、局部、层次式的网络管理与调度演进至人、机、物融合的三元网络协同管理,支持边缘智能和适配优化,实现全网资源的多级协同调度[8]。为了实现智慧连接,复杂庞大的6G网络需要智能化管控[11]。依据6G的愿景和网络特征,6G网络的管控需求主要体现在如下几个方面：
(1) 全景数据感知、分析和处理的需求
6G网络业务要实现随心所想的服务,需要构建包含主观和客观世界的全景数据模型。一方面需要完成人的主观意图的感知和解析,提出可行的人机接口数据交换机制;另一方面,需要完成对现有网络环境的全面快速感知、分析和处理。
(2) 自适应的资源主动调度需求
为了实现高度动态网络环境下自主管控的各项功能,需要研究人工智能管控功能的部署方式,确定管控实体的资源调度流程和机制,以面向各异的网络场景和业务需求,精确快速地实现资源的高效调度。
(3) 网络管控能力的自进化需求
6G网络的网络架构和网络功能是高度弹性变化的,因此网络管理功能也需要随之进行更改。因此,管控功能需要依据网络的演进过程,自主完成人工智能算法的性能评估和优化,同时具备网络的自修复能力。
(4) 网络管控过程的安全可信需求
实现网络的智能管控需要大量的数据采集、分析和交互过程,全景数据能够轻易获取个人的信息画像。为了保证管控过程的数据隐私并防范外部攻击,亟需高可信的认证过程和安全可信保障机制。
然而,当前以预置策略为主的网络管理方式缺乏全域资源的感知和协同优化,难以适应6G网络高度弹性动态的网络和业务需求,亟需一种面向新型网络架构和新型业务需求的网络管控范式。
2 网络智能管控研究现状和挑战
2.1 国内外标准化组织、重大项目的研究现状
（1）国内外标准化组织网络管理进展为了推动网络管控技术的智能化发展,近年来,国际电信联盟电信标准分局（International Telecommunication Union for Telecommunication standardization sector,ITU-T）[12]、第三代合作伙伴计划（3rd Generation Partnership Project,3GPP）[13]和中国通信标准化协会（China Communications Standards Association,CCSA）[14]等分别开展了网络智能化整体运维、自组织网络、通信网智能维护技术等相关标准的制定,例如ITU-T E.475 (draft): Guidelines for intelligent network analytics and diagnostics,3GPP TS 36.522: Self-Organizing Networks (SON); Policy Resource Network Model (NRM)、CCSA “通信网智能维护技术要求”系列标准等。然而目前的标准仅仅是指导性文件,对网络智能方法的具体部署和实现机制还需要进一步的分析。
（2）国内外相关重大项目
随着5G的逐步商用和云计算、数据中心网络、软件定义网络（Software Defined Networks,SDN）/网络功能虚拟化（Network Function Virtualization,NFV）、内容分发网络（Content Delivery Network,CDN）等技术的不断推进,国内外针对网络管控也开展了大量的相关研究。针对无线接入网领域,欧盟自2008年起,陆续通过FP7[15] 、Horizon 2020[16]和5G PPP[17]支持了一大批网络管控相关的项目,包括SOCRATES、SEMAFOUR、CogNet、SELFNET等,描述了自组织网络各项用例的需求和评估标准,并设计和开发了统一的自我管理系统。例如,CogNet项目面向5G虚拟化和软件定义的网络,提出了自组织网络管理的框架和高度自主智能的网络管控的解决方案[18]。针对互联网的网络管理,FP7 的UniverSelf、EFIPSANS、FLAMINGO项目则分别提出了有线无线融合下的统一化的管理架构和服务交付方法,IP网络的自主闭环的管理/维护方法,以及未来IP网络的管理架构。
然而,上述这些研究对网络管控的智能化实现技术的关注较少。为了支撑5G及B5G（Beyond 5G）网络下的网络智能管控,5G PPP联合Horizon 2020,于2019年在其第三阶段也支持了一大批项目。在无线接入网侧,批准了基于人工智能技术实现高可靠高频通信下频谱动态分配和重配置的ARIADNE,基于5G设备位置信息实现网络智能管理的LOCUS等多个项目。在核心网侧,提出了面向5G异构网络的SDN/NFV智能管理框架5G-CLARITY,基于人工智能实现5G切片管理的MonB5G项目,以及基于分布式人工智能的认知管理和编排,实现无接触自主管理的项目5GZORRO等。此外,还包括根特大学参加的3DSafeguard项目[19],旨在完成网络管控和运营所需的全局信息感知。
在国内,面向网络的智能化管理和运维需求,通过973计划课题、863计划课题、国家重大科技专项和重点研发计划等国家级项目支撑,在5G网络的智能运维[20]、可测可控可管的IP网的基础研究[21]、未来网络测量与管理技术[22]、基于人工智能的下一代互联网多层网络资源调配技术[23]等领域取得了一批突出成果。这些都为6G网络的管控架构提供了方向指导。
2.2 网络的智能管控研究进展
由于网络的无线接入侧和核心侧的体制各不相同,网络管控技术也得到了不同的发展,具体包括：（1）在无线网络接入侧,自组织网络（Self-Organized Networks, SON）在自主计算[24]的基础上,通过自我感知和主动的资源调度,实现网络的自配置、自优化和自修复[25]。基于大数据的SON功能也被认为是5G的关键技术之一[26]。从趋势来看,未来的6G网络中必然会包含自组织网络的演进架构,以保障网络的高可靠运行。
（2）在核心网侧,随着数据中心网络,虚拟化技术和IPv6技术的逐步应用,网络管控同样需要具备自主能力[27]。例如,需要集中且高效的管理功能来实现动态的配置、调度和分析操作。在这种需求下,基于ML的技术和策略能够支持从网络/服务数据中训练和学习,与网络管控功能相匹配[28]。
ML是从采样数据中自动推断和概括模型的计算过程[29],是人工智能的重要组成部分。在过去的十年中,以深度学习技术为代表的ML技术得到了极大的发展,并在很多任务中获得了极大的成功[30]。将ML算法和模型用于网络管理和运维任务的流程中, 可实现从“基于专家经验”到“基于机器学习”的转变, 在动态变化的复杂场景条件下,做出高效准确的决策判断[31]。
（1）ML在无线网络管理中的应用
随着5G无线网络规模的不断扩大和复杂化,网络状态的动态性和不确定性使得基于ML的SON成为了一种有效的解决方案[32]。通过利用监督学习、非监督学习、控制论、强化学习、马尔科夫过程、启发式方法、降维、迁移学习等不同的ML技术, SON的自配置、自优化、自治愈等用例和场景下的问题都将得到了很好的解决[33]。
（2）ML在核心网络管理中的应用
在核心网络领域,IBM提出的自感知网络主要通过预设的策略来完成基于策略的管理[34]。进一步,利用机器学习技术,认知的网络管理可以实现网络的闭环控制[35,36]。通过ML,可以实现故障管理中的故障定位,以及影响时间和人工干预最小化的故障恢复[37]。同时,基于多种人工智能技术可以实现网络行为变化的最佳状态-动作组合、保障计费数据的准确性和欺诈检测。在性能管理上,实现流量负载的精准预测和QoS/QoE性能保障,以及网络防范攻击模式的选择和规则生成。
2.3 网络智能管控研究挑战
虽然目前已有的人工智能和机器学习技术在4G/5G无线接入网络和核心网络侧得到了普遍的应用,然而面向6G网络的高度弹性动态接入和非IP化核心网架构,基于人工智能的网络管控仍然难以满足“网络资源随需即用”的需求,其主要挑战体现在如下几个方面。（1）人机物融合场景的主客观信息感知和处理方法
实现6G人机物灵融合场景下业务提供的基础是获取用户的主观意图并转义。然而已有研究都是基于客观实体获取信息,针对人和网络的意图,缺乏合适的主观信息的提取和转义方法,从而难以实现真正的人机物灵的融合和交互。另一方面,已有的网络资源、状态、环境感知方法相对单一,主要来源于终端感知设备和管理接口,也缺乏统一的解析存储方法,使得业务需求和全网网络资源的实时匹配难以实现。
（2）标准化和统一化的人工智能管理调度机制
已有的AI方法在网络管理控制中的应用都是面向特定网络场景或特定问题,缺乏标准化和统一化的人工智能管理框架,使得AI模型的推广受到了很大的限制。此外,网络管控中的配置、故障、性能等管理功能面对不同的业务需求和不同的网络资源,需要完成最佳算法的选择并快速执行,因此,需要一种自适应的人工智能方法选择机制,实现端到端的全局资源协同联动。
（3）网络智能管控的评估、优化和反馈机制
已有的网络管控方法缺乏合理的评估和反馈模型,调度方法多基于大量的数据训练,实时性和收敛性难以保证,且方法模型的效果也缺乏合理有效的验证手段[38]。同时,网络管控的前提是网络的稳定可靠运行,针对6G复杂网络状态的故障,需要快速自主地实现故障根源的自诊断,并在人工智能算法的支撑下,生成故障的恢复技术并下发网络管控单元,然而当前相关的研究较为缺乏。
（4）缺乏安全架构
为了保证网络管控过程的安全可靠,对网络管控的切面的各项功能和数据交换过程,需要特定的高效的安全认证和保护机制。目前已有的叠加式安全保障机制,难以保证控制过程的准确性和有效性。
综上需求可知,目前基于AI的管控架构和方法已经不满足6G网络的需求。为了保障未来6G网络的高可靠运行,需要提出兼容边缘和核心的新型网络管控架构。
3 面向6G网络的智能管控架构
基于上述分析可知,已有的基于AI的网络管控存在业务需求主动配置能力不足,算法缺乏统一化和标准化,以及算法缺乏合理的评估和反馈模型等问题,究其原因,是因为目前的AI算法都是在网络管控策略上进行的叠加,因此无法与网络的资源状态紧耦合。因此,未来6G网络的智能化应该是内生的。6G网络的智能管控架构需要基于内生的智能,提出对应的人工智能的管控解决方案和流程,并明确面向网络生命周期的各项网络管控功能。（1）面向6G需求的智能内生网络
按照6G愿景和Network 2030的规划[39],未来的6G网络将通过智能定义的网络,提供无处不在的泛在智能,并支持全息类通信、面向远程操作的触觉互联网、智能操控网络、网络和计算融合、数字孪生、空-地集成网络、工业物联网云化等场景[40,41]。具体的,该网络通过内在集成的AI软硬件单元,对用户、业务、环境等多维主客观知识进行表征、构建、学习、应用、反馈和更新,并基于学习得到的知识实现对网络的立体认知、决策推演和动态调整,从而达到业务随心所想、网络随需而变的目的。我们称这样的以知识为中心的网络为“智能内生网络”。
基于智能内生网络的概念,为了实现网络的智能管控,需要一个新的管理平面,利用人工智能的强大支持,实现安全可靠的网络的自主配置、自主优化和自我修复[42]。具体包括：
? 开发语义推理算法和语义通信策略,将知识表示纳入通信。
? 支持在网络设备上开发智能应用程序,实现用户的行为学习和上下文感知。
? 在网络边缘引入人工智能,通过分布式的人工智能算法实现边缘侧的资源调度。
? 面向6G业务需求的网络资源自主分配和自我优化。
为了实现上述目标,提出了面向6G网络的智能化管控架构。
（2）面向6G网络的智能化管理控制架构
从智能内生网络出发,提出基于知识驱动的智能化网络管控架构如图2所示。
图2
新窗口打开|下载原图ZIP|生成PPT图2基于智能内生网络的协同管控架构
Fig.2Intelligent endogenous network based collaborative management and control architecture
在智能内生网络中,自底向上分为通信网络层、业务编排层和新的智能计算层。智能计算层存在一个协同管控的切面,实现网络的智能管控功能,在该功能平面的指导下,通过智能管控单元实现资源感知、资源度量、资源调度、任务路由、运营监控等功能。
在智能管控单元的部署上,面向去中心化的6G结构,可以采用不同的部署方式。和网络管理实体类似,智能管控单元在内部各个子单元的协作下,通过与其他分布式的智能管控单元的协同,完成网络的感知、分析、决策、执行和评估等功能,形成完整的闭环架构,如下图3所示。
图3
新窗口打开|下载原图ZIP|生成PPT图3智能管控的闭环控制结构
Fig.3Closed loop control structure of intelligent management and control
进一步,智能管控单元内部又由多个协同的子单元构成,完成人工智能的相关处理功能,如下图4所示。
图4
新窗口打开|下载原图ZIP|生成PPT图4智能管控单元的内部结构
Fig.4Internal structure of intelligent management and control unit
在智能管控单元中进一步包括规则学习单元、协同学习单元和智能决策单元等子单元。规则学习单元基于已有的规则库,选择深度学习、联邦学习、决策树等训练模型,完成网络特征的分析,例如业务类型、流量特征、故障关联特征等。智能决策单元则依据业务需求,自主选择合适的优化方法,例如仿生算法、启发算法、强化学习方法等,通过与环境数据库的策略和收益交互,生成网络配置、优化、修复的最佳策略。协同学习单元作为数据交流的中间实体,完成特征提取和优化策略的联合分析处理。
（3） 6G网络智能化管控功能
作为面向网络层和应用层的功能,未来的6G智能管控将需要依据业务不同需求和目标,依托智能管控单元,选择不同类型的人工智能模型来完成不同类型的管控功能。
目前,基于人工智能的网络管控主要实现了如下两大类应用：
①基于规则类模型的人工智能管控应用,通过大量的数据训练推理出潜在的规则。可以应用于基于大数据的描述性分析、诊断性分析、预测性分析和规定性分析,完成合理性分析、异常检测等
功能。
②基于决策类模型的人工智能管控应用,通过在网络边缘及其各网元实体上内嵌的智能管控单元来实现自组织网络操作。通过学习环境的变化选择规则类或决策类模型实现网络智能化,可以完成网络配置、性能优化等功能。基于上述分析,得到6G网络智能化管控的主要功能如下图5所示。
图5
新窗口打开|下载原图ZIP|生成PPT图56G网络管理控制和人工智能方法映射
Fig.5Mapping between 6G network management control and artificial intelligence method
基于上述分析,面向未来的6G网络,从五大功能域入手,可以分析得到智能管控具体的功能范畴如表1所示。
Table 1
表1
表1面向未来6G网络的通用管控功能
Table 1
| 功能名称 | 功能实例 | 功能描述 | 解决算法 |
|---|---|---|---|
| 配置管理 | 配置合理性分析 | 针对无线侧的终端、接入点,核心侧的网络设备,自主分析链路、端口、频谱等参数的正确性 | 规则类模型 |
| 网络配置 | 依据设备接入、网络扩容等场景,自主完成网络的各项参数的合理配置 | 决策类模型 | |
| 性能管理 | 性能门限管理 | 针对各项性能参数,动态完成性能门限的训练更新,降低网络频繁优化的影响 | 规则类模型 |
| 性能劣化分析 | 通过分析网络状态参数,确定网络性能的状态,在性能下降时,为性能优化提供输入 | 规则类模型 | |
| 性能优化 | 依据当前网络的优化目标,自主选择合适的人工智能模型,完成性能参数的优化配置参数,并发送给指定的网络控制单元处理 | 决策类模型 | |
| 计费管理 | 计费合理性分析 | 针对业务的资源需求的动态变化,自主分析设定的计费方式的公平性和有效性 | 规则类模型 |
| 计费调整 | 针对不合理的计费方式,通过资源重配,完成对应的策略调整 | 决策类模型 | |
| 故障管理 | 异常检测 | 通过数据分析训练,自主检测出当前网络中的异常和故障 | 规则类模型 |
| 故障定位 | 通过历史的规则关联规则库,分析出故障的根原因 | 规则类模型 | |
| 故障修复 | 依据当前网络中存在的问题,自主选择合适的模型,完成故障的修复,保障网络的业务质量 | 决策类模型 | |
| 安全管理 | 风险预测 | 通过数据分析训练,获取当前网络中的安全风险点 | 规则类模型 |
| 网络攻击检测 | 通过流量分析训练,获取当前网络存在的内在攻击和外在攻击 | 规则类模型 | |
| 网络安全防护 | 依据安全需求,自主完成安全防护策略的选择 | 决策类模型 |
新窗口打开|下载CSV
在上述主要功能之上,6G还应当提供网络拓扑管理、业务管理等辅助管理功能。
4 6G智能化网络管控关键技术
现有研究面临6G需求的挑战和智能化网络管控的目标,已有的技术仍然难以满足6G的网络愿景需求,经过分析,要实现人机物灵融合的网络资源随需调度,仍然需要如下关键技术的支撑。4.1 基于意图的人机物灵融合的主客观信息感知和交互技术
未来6G网络需要实现人机物灵的无缝融合和感知,首先需要完成人的五感和意识的抽象和表达,实现从主观意识到机器可识别的操作的转换,目前这一项研究仍然处于起步阶段。意图驱动网络作为一项通过用户意图感知和解析来驱动网络全生命周期自动化管理的方法[43],是未来的演进方向之一,然而有关意图的提取,转义的研究也刚刚开始[44],且主要面向SDN网络场景。如何选择合适的方法、语言和工具,实现用户需求的快速准确提取和转义,也是需要解决的问题之一。在客观实体上,为了实现资源的随需调度,一方面需要构建完备的动态资源池,实现业务所需场景下的资源全面立体感知,另一方面,需要能够预判网络和业务的演进方向,从而提前实现资源的预断和快速分配。为了实现这两方面的需求,一方面可以构建完备的动态网络知识图谱,实现对用户环境、网络状态、资源状态的全景感知。另一方面,需要提出轻量化的精确预测方法,为网络资源的随需调度提供可靠的保障。
4.2 面向管控的网络资源智能调度和协作机制
网络智能单元是实现泛在智能管控的重要实体。由于网络设备和终端的能力异构性,一方面需要提出网络智能单元的有效部署方案,在代价消耗和智能管控覆盖性上实现折衷。另一方面,也需要提出业务自适应的网络智能单元协作管控机制,联合无线侧和有线侧的资源,从而实现动态环境下的真正智能协作。基于智能单元,为了适应网络的高度弹性变化,保证认知过程和学习的自演进,使未来 B5G/6G 网络自主认知网络环境变化以及服务特性,要面向配置、优化、故障等不同的管理功能,自主选择合适的人工智能模型,提出资源融合的动态决策推演机制,实现网络的灵活编排和高效资源利用[45]。
4.3 可靠的网络性能优化评估和故障恢复机制
未来网络下的用户行为个性化,服务需求多样化,网络拓扑频繁变化,需要在全面感知网络海量信息的基础上,利用人工智能技术深度挖掘用户、服务及网络之间的关联关系,建立面向服务特征-用户特性-网络环境的质量评估机制。为了保障配置、优化、修复方案的有效性,需要对网络资源调度、网络配置的有效性进行自主评估,获取正向的资源调度柔性进化方案,以最大化网络的效能和可靠性。为了保障6G网络的高可靠运行,构建更为普适的故障预测和诊断技术,准确量化和评估故障的时空相关性,实现故障的准确定位。进而,需要研究基于预反应和自适应调整的故障恢复技术,提出预备式恢复策略。
4.4 高可信的网络智能管控数据交互机制
未来网络的管控将依据获取的大量的环境、资源知识,完成管控功能的规则提取和决策生成。整个过程的数据安全保障方法是需要解决的问题。另外,很多协作的资源涉及多方的收益,如何完成业务和网络收益之间的平衡也是需要考虑的问题。因此,资源的分配和交易过程,需要高可信的认证机制的保护。区块链技术作为一种数据保护的有效手段,可以作为6G可信认证的参考方式之一。5 结论与展望
未来的网络管理必将是智能化的。6G网络的智能管控是保障网络高可靠运行的重要手段。6G网络全新的场景对网络管控带来了更高的挑战,需要在资源感知、网络调度、人工智能方法评估等方法上开展进一步的研究。本文分析了智能管控的研究现状和挑战,进而提出了面向6G需求的智能管控架构和关键技术。需要注意的是,6G网络的研究才刚刚起步,标准化工作也正在启动,因此,网络的管控方式也将随着技术的逐步定型而进行不断优化和演进,并最终演进为内生的、智能的网络管控的可靠屏障。利益冲突声明
所有作者声明不存在利益冲突关系。参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子
[J].
[本文引用: 1]
[J].
URL [本文引用: 1]
As the take-up of Long Term Evolution (LTE)/4G cellular accelerates, there is increasing interest in technologies that will define the next generation (5G) telecommunication standard. This article identifies several emerging technologies which will change and define the future generations of telecommunication standards. Some of these technologies are already making their way into standards such as 3GPP LTE, while others are still in development. Additionally, we will look at some of the research problems that these new technologies pose.
[C].
[本文引用: 1]
[J].
[本文引用: 2]
[J].
[本文引用: 1]
[J].
[本文引用: 1]
[J].
[本文引用: 1]
[J].
[本文引用: 2]
URL [本文引用: 1]
[J].
[本文引用: 1]
[J].
[本文引用: 1]
URL [本文引用: 1]
[J].
[本文引用: 1]
URL [本文引用: 1]
URL [本文引用: 1]
URL [本文引用: 1]
URL [本文引用: 1]
URL [本文引用: 1]
URL [本文引用: 1]
URL [本文引用: 1]
[J].
[本文引用: 1]
[J].
[本文引用: 1]
URL [本文引用: 1]
[J].
[本文引用: 1]
[J].
[本文引用: 1]
[J].
[本文引用: 1]
[C].
[本文引用: 1]
[J].
[本文引用: 1]
[M].
[本文引用: 1]
[J].
[本文引用: 1]
[本文引用: 1]
[J].
[本文引用: 1]
[J].
[本文引用: 1]
[J].
[本文引用: 1]
[C].
[本文引用: 1]
[C].
[本文引用: 1]
[J].
[本文引用: 1]
[C].
[本文引用: 1]
[本文引用: 1]
[J].
[本文引用: 1]
[J].
[本文引用: 1]
[J].
[本文引用: 1]
[J].
URL [本文引用: 1]
[J].
[本文引用: 1]
[J].
URL [本文引用: 1]
