5G核心网智能架构白皮书

中国联通

5G

核心网智能架构白皮书中国联通研究院2023

年

6

月中国联通

5G

核心网智能架构白皮书版权声明本报告版权属于中国联合网络通信有限公司研究院，并受法律保护。转载、摘编或利用其他方式使用本报告文字或者观点的，应注明“来源：中国联通研究院”。违反上述声明者，本院将追究其相关法律责任。中国联通

5G

核心网智能架构白皮书目录一、5G

智能技术发展驱动力

.................................................

4二、5G

智能化典型应用场景

.................................................

5（一）网络切片性能保障

..................................................5（二）边缘计算路由优化

..................................................6（三）UE

行为分析及业务优化

.............................................

7（四）网络拥塞分析

......................................................8（五）定位业务赋能

......................................................9（六）智能选网

.........................................................10（七）QoS

预测及可保持性分析

...........................................

11三、5G

核心网智能架构关键技术

............................................

12（一）NWDAF

分析框架

...................................................

121.

数据采集及分析反馈

................................................122.

NWDAF

发现和选择

..................................................

133.

分析上下文的管理和传递

............................................144.

NWDAF

分析聚合

....................................................

15（二）ML

模型管理及交互

................................................

171.

NWDAF

逻辑功能分解

................................................

172.

ML

模型管理和共享

.................................................

183.

多

MTLF

协同的联邦学习

.............................................19（三）数据管理和协调

...................................................211.

数据协调

..........................................................212.

数据存储

..........................................................233.

数据的格式化和预处理

..............................................24（四）分析时间/时延管理

................................................25（五）事件通知静音机制

.................................................27（六）UE

应用数据采集

..................................................

28四、总结和展望

...........................................................30五、缩略语

...............................................................31-1-中国联通

5G

核心网智能架构白皮书前

言随着

5G

网络覆盖不断铺开，5G

业务形态不断创新和演进，5G

网络的业务能力开始从单一化走向多样化，网络部署也逐渐从中心化转为分散化/边缘化，这些变化都对传统的网络治理手段提出了巨大的挑战。而近年来人工智能技术快速发展，人工智能算法的不断演进和迭代，设备硬件能力持续提升，标志着人工智能技术的逐步成熟，也为

5G

网络的智能化治理提供了一种可能。本白皮书针对

3GPP

定义的以网络数据分析功能

NWDAF为核心的

5G

核心网智能架构，讨论了

5G

核心网智能化的典型场景、系统架构要求和关键技术能力，为未来的

5G

网络智能化演进提供了一个思路。本白皮书由中国联通研究院牵头编制，参编单位包括（排名不分先后）：华为技术有限公司、中兴通讯股份有限公司、维沃移动通信有限公司、北京小米移动软件有限公司、OPPO

广东移动通信有限公司、腾讯云计算（北京）有限责任公司、中国信息通信科技有限公司、爱立信（中国）通信有限公司、上海诺基亚贝尔股份有限公司。-2-中国联通

5G

核心网智能架构白皮书编写组成员（排名不分先后）：任驰、穆佳、王远、李卓明、朱进国、牛娇红、吴晓波、崇卫微、沈洋、刘建宁、许阳、张云飞、张卓筠、王胡成、段小嫣、刘坚、贾小萌、樊涛、王伟新。-3-中国联通

5G

核心网智能架构白皮书一、5G

智能技术发展驱动力随着

5G

标准化工作的推进，5G

市场也在经历高速发展并逐渐走向成熟，目前我国的

5G

基站总数已经达到

196.8

万站，5G

网络覆盖全部的地级市，并覆盖了超过

98%的县城城区和

80%的乡镇镇区。此外，中国信通院发布的《中国

5G

发展和经济社会影响白皮书》指出，5G

具有显著的技术深度，拥有开发创造新业态、新产品、新工艺和新技术的巨大潜力，这也表示未来

5G

应用的主战场将更多的面向垂直行业市场，从传统的个人移动终端业务向工业、电力、金融、医疗、港口、智慧城市等各个垂直领域扩展和渗透。新一代信息技术与制造业进一步深度融合，工业互联网创新发展迈出更坚实步伐，随着“5G+工业互联网”512

工程纵深推进，全国建设项目已超过

3100个，为数字产业发展带来更多增长机会。层出不穷的新应用、新需求、新场景也进一步影响了

5G

网络的演进，使

5G

网络持续向复杂化、分散化和灵活化发展，运营商需要支持针对不同客户的需求创造定制化和个性化的业务体验，这也进一步要求

5G

网络能够对网络资源进行更快速和更精确的调度。同时，垂直行业在业务性能方面的要求也呈现越来越严苛的趋势，这也要求5G

网络能够对网络状态进行针对性的感知，并以此为基础进行经验性的，甚至是预测性的动态调整和优化。以上的商业和技术发展趋势为构建智能化

5G

网络提供了契机，-4-中国联通

5G

核心网智能架构白皮书而近年来人工智能技术的不断发展、机器学习算法的不断丰富、计算设备性能的持续提升，也为

5G

网络的智能化提供了可能性。作为5G

网络最大的数据生产者之一，5G

核心网已经成为了各个标准组织进行移动通信网络智能化讨论的早期阵地。5G

核心网智能架构的引入，使得

5G

网络可以深度的利用和开发

5G

核心网产生和管理的海量的，多样的数据，为运营商提高网络资源利用率，优化用户业务体验，进而提升

5G

网络价值提供了一条值得探索的新路径。二、5G

智能化典型应用场景（一）网络切片性能保障5G

时代业务场景的多样性为运营商带来了巨大的挑战，传统的网络建设和管理思路难以适应快速发展和演进的移动通信网络部署需求，在此背景下网络切片技术应运而生，通过基于

5G

服务化架构的网络切片技术，运营商将能够最大程度地提升网络对外部环境、客户需求、业务场景的适应性，提升网络资源使用效率，最优化运营商的网络建设投资，构建灵活和敏捷的

5G

网络。考虑到有限的网络资源和不断变化的网络环境，随着切片数量的增加，运营商是否在任何时间都能够保障所有切片的性能以确保用户获得满意的业务体验，是一个对切片用户非常重要的问题。智能化能力的引入成为动态切片资源管理的重要应用趋势，通过汇聚切片业务相关的网络数据，网络可以根据每切片的使用情况分析获得切片用户-5-中国联通

5G

核心网智能架构白皮书业务

QoE

情况的统计（如占总数多少百分比的用户已经低于

SLA

所要求的

QoE），将分析结果信息应用到网络切片的规划、部署、监控、优化的各个环节中，及时的调整切片资源分配，并将已有切片的分析信息应用到新切片的设计和上线过程中，实现切片的自动化业务控制和

SLA

保障。进一步的，网络还可以基于历史分析信息进行面向未来的切片性能预测，在用户

QoE

下降之前提前完成资源的优化配置，缩短或避免用户对

QoE

降级的感知。（二）边缘计算路由优化边缘计算（Edge

Computing）技术是

5G

架构的重要创新之一，边缘计算通过在靠近终端或数据源的位置进行网络能力覆盖，向用户提供结合了融合计算、敏捷联结、实时高效、安全隐私等特性的业务体验。5G

的大规模部署和广泛覆盖也给边缘计算的深入发展提供了支撑，为智慧城市、智能安防、智能电网等创新应用场景提供了解决方案，并将在未来进一步扩展到自动驾驶、体育赛事、演出直播等商业领域。目前，国内已有数百个

5G

边缘计算应用投入应用，范围覆盖工厂、矿山、场馆等多类业务场景，并且新的场景和应用仍在持续的开发和落地，在依托于

5G

的数字经济发展中发挥了巨大的作用。在实际的部署中，同一个边缘计算业务可能会在一个区域（如一个城市内）部署多个支持该业务的边缘应用服务器，随着用户使用业-6-中国联通

5G

核心网智能架构白皮书务过程中发生移动，就需要针对用户的边缘应用业务路由进行实时的调整，以确保用户总是路由到业务体验最优的边缘应用服务器。而边缘应用的概念中，所谓的“靠近”终端/数据源/服务器更多的是一个相对的概念，绝对距离的靠近并不意味着用户一定能获取最优的业务体验，同时还需要考虑当前和目标

UPF

节点的负载、传输网路由配置、用户移动性（如步行类的低速移动或乘坐汽车、火车等的高速移动）等因素。5G

网络通过智能化的分析手段，能够实时的判断用户边缘业务感知情况，并在业务体验无法满足时，结合实时的边缘路由性能分析数据，在全网范围内为用户选择当前最优的边缘应用路由，提升用户的业务体验。（三）UE

行为分析及业务优化5G

核心网作为用户业务管理和调度的核心，拥有非常丰富的用户数据，包括用户设备的签约信息、能力信息、标识信息等静态数据，还包括移动位置信息、业务相关信息（如速率、QoS

等）等动态数据，以及第三方提供的业务相关策略等信息。这些静态和动态数据可以从

AMF、SMF、PCF

和

UDM

等网元中获取，也可以从

OAM

系统获取。在符合国家的用户数据安全相关的法律法规和用户隐私的前提下，根据用户或客户需求，5G

核心网可以合理的智能分析和利用这些数据，来优化业务传输，提升网络资源利用率，还能通过

UE

行-7-中国联通

5G

核心网智能架构白皮书为分析及预测，大大提升用户体验。比如：5G

核心网通过分析网络数据，可以获取特定区域，特定时间段内的如用户数量、人员移动轨迹、业务贡献度等信息，进而指导第三方应用提供方的户外广告投放、应用层定向业务优化策略制定等行为。5G

核心网还可以根据第三方可提供的策略和需求信息，提供业务的优化。例如：第三方提供预置的

UE

行为信息给

5G

核心网（如，预置

UE

行动轨迹信息，预置

UE

通话时间、时长信息等等），5G

核心网可以根据这些预置信息，提前预留和调度资源以提供更可靠更优质的通信服务。此外，5G

核心网可以通过对用户业务行为的分析，结合一系列的判定标准，实现发现并定位异常行为

UE

的能力，如园区专用

UE移动到园区范围之外，单个

UE

短时间内群发大量短消息，应该处于休眠状态的

IoT

设备被长时间唤醒等。结合

UE

异常行为分析结果，运营商可以针对性的调整用户管理策略（如将异常

UE

强制下线），或向使用该

UE

的第三方行业用户发出告警，辅助行业用户定位问题UE

并进行及时的处理。（四）网络拥塞分析传统拥塞控制方案是人们基于对忙闲时经验判断或者特定网络区域用户使用量习惯的认知基础上进行的静态策略管控，这种静态的设置方式忽略了网络负荷动态变化、用户移动性信息、用户使用的业-8-中国联通

5G

核心网智能架构白皮书务特性等因素，无法根据网络和业务的实时情况进行针对性的动态控制。5G

核心网可实时采集用户在当前位置中经历的网络拥塞状态，并基于网络的历史负荷情况，通过机器学习预测网络拥塞的时间和等级，将预测的拥塞信息输出给策略控制功能用于调整特定用户和业务的

QoS

策略。除此以外，5GC

还可实时采集小区级别的负荷信息，进行小区级别的拥塞判断和预测，并将网络拥塞状态上报给

AF，指导

AF

进行业务层面的调整。基于

5GC

的智能拥塞管控可充分实现对网络拥塞状况实时感知和智能预测，提升用户的业务体验，提高网络资源调度水平。（五）定位业务赋能定位业务是移动通信系统的重要功能之一，其可以通过移动网络定位技术获取终端位置信息，并将位置信息以特定的格式提供给用户终端、运营商、第三方机构等位置信息请求方。定位技术从

2G

到4G

持续演进，定位精度逐步提升。随着

5G

的到来，各种业务类型越来越丰富，对定位服务提出了更高的要求。智能化能力的引入能够有效提升定位性能，网络分析数据（如终端移动性分析、WLAN

性能分析）能够协助定位管理网元

LMF

选择更适合当前场景（如终端位于室内或室外）的定位方法，提高定位精度。-9-中国联通

5G

核心网智能架构白皮书（六）智能选网在运营商

5G

网络完成全面覆盖之前，传统的

4G

LTE

网络和5G

NR

将长期共存。5G

商用初期，一方面，运营商可以根据网络频谱特性，利用

4G

频谱完成广覆盖，利用

5G

频谱进行热点覆盖，另一方面，针对不同的业务需求，5G

NR

也存在多种高、低频率联合部署的覆盖形式。因此，针对多种接入方式并存的情况，5G

核心网应考虑到多种接入方式如何协同工作的问题，比如使用

AI

技术来辅助终端进行智能选网驻留。5G

核心网作为网络的核心，可以获取到大量用户业务相关的数据，并有足够的算力和能力去分析这些数据，从而选择出更适合用户的接入方式。智能化网元可以从

AF，AMF，SMF

等网元获取到用户业务体验信息、用户位置及移动性信息、接入网络制式等信息作为AI

输入数据，并在合法和保护用户隐私的前提下，统计或推理出用户在使用的业务信息、特定用户位置信息以及处于特定接入网络制式下的业务体验分析信息，并将其发送给

PCF

等负责制定策略的网元。在业务体验分析信息的辅助下，PCF

可以为用户终端制定出合适的RAT/

频

率

选

择

策

略

（

例

如

，

RFSP

，

RAT/Frequency

SelectionPriority），从而对于

NR

和

LTE

之间的异系统选择或者

NR

高频和NR

低频之间的频率间选择进行有效和智能的判断。-10-中国联通

5G

核心网智能架构白皮书（七）QoS

预测及可保持性分析QoS

保障是移动通信网络实现差异化服务能力的重要技术，第三方业务提供商也对

5G

网络的

QoS

保障能力提出了多样化的需求。5G

网络的智能化分析网元通过采集网络特定时间或位置区域的QoS

变化的历史信息，可以分析得到包括带宽，误码率等在内的

QoS参数或性能的预测结果，或者特定的

QoS

参数是否超过了上报的门限值。该预测结果也可以针对未来特定的一段时间或者特定的位置区域。该预测结果可以通过能力开放的

API

接口发送给

AF,

业务提供方可以根据该预测的信息进行业务参数的调整，如

XR

业务的服务器可以根据网络的拥塞信息或传输速率的预测结果灵活调整

XR

业务的相关参数，以更好的适应网络传输状态的变化，优化业务体验。又如，车联网

V2X

业务的用户体验也可以通过

QoS

分析和预测进行保障，V2X

应用服务器可以向

5GC

请求指定的地理区域和时间间隔的

QoS

可持续性分析通知，以便提前调整应用的业务行为，并基于

QoS

可持续性分析通知进行

QoS

更改。5GC

可以通过收集

5QI信息，预测出未来在某一区域的分析目标周期内

QoS

更改发生的可能性大小，并在超出

V2X

应用服务器设置的通知阈值时发送通知报告。V2X

应用服务器还可以向

5GC

请求过去的

QoS

可持续性统计信息，以调整

V2X

业务的行为逻辑，更好地适应网络。-11-中国联通

5G

核心网智能架构白皮书三、5G

核心网智能架构关键技术（一）NWDAF

分析框架1.

数据采集及分析反馈面向

5G

核心网智能化演进需求，3GPP

在

Rel-15

阶段定义了核心网服务化网元网络数据分析功能

NWDAF

（

Network

DataAnalytics

Function），并在

Rel-16

阶段定义了完整的数据采集、数据分析、分析反馈架构和对应的网络流程。围绕

NWDAF

的

5G

核心网智能框架如图

1

示意：图

1

5G

核心网智能框架示意图NWDAF

作为服务化网元，支持通过标准定义的服务化接口向数据源如其他

5G

核心网

NF、OAM

或

AF

进行事件订阅，以此获取分析所需要的原始数据。可以通过服务化接口获取的数据包括如从AMF

获取用户位置、用户移入/移出目标区域事件，从

SMF

获取对-12-中国联通

5G

核心网智能架构白皮书应特定

DNN/S-NSSAI

的

PDU

会话建立、更新、释放信息，从AF/NEF

获取特定应用的应用

QoE

指标、应用标识符及应用服务器信息，从

OAM

获取无线小区的负荷和性能信息等。NWDAF

的分析结果信息可以反馈给

5G

核心网

NF

或

AF。当NWDAF

的分析结果信息开放给

AF

时，需要通过网络开放功能网元NEF

与

AF

进行交互。NWDAF

的分析结果信息可以包括网络性能分析信息，UE

行为分析信息、拥塞分析信息等。遵循服务化架构整体通信和交互要求，NWDAF

可以通过请求/响应和订阅/通知两种模式接收来自分析消费者的分析需求，并在完成分析后向其反馈所请求的分析结果信息。2.

NWDAF

发现和选择NWDAF

作为

5G

核心网服务化网元，支持基于标准服务化流程通过

NRF

被分析消费者发现和选择。NRF

根据分析消费者的请求，结

合

NWDAF

的

NF

配

置

文

件

信

息

为

分

析

消

费

者

提

供

备

选

的NWDAF

列表。NWDAF

注册到

NRF

中的

NF

配置文件可以包含NWDAF

支持的

Analytics

ID，支持的服务类型（如是否支持

MTLF服务），NWDAF

服务区域，分析聚合能力等信息。针对

UE

特定的分析场景，NWDAF

可以针对特定的

AnalyticsID（如

UE

移动性分析），携带其正在服务的目标

UE

标识以及对应的

Analytics

ID

向

UDM

进行注册，当分析消费者无法通过

NRF

发-13-中国联通

5G

核心网智能架构白皮书现服务特定

UE

的

NWDAF

时，分析消费者可以向

UDM

进行查询并找到所需的

NWDAF。3.

分析上下文的管理和传递在

NWDAF

执行分析的过程中，由于一些内部原因如

NWDAF间的负载均衡，NWDAF

的计划内下线等操作，或由于一些外部原因如

UE

移动性事件触发等，当前的服务

NWDAF

无法继续为分析消费者提供分析服务，此时就需要进行服务

NWDAF

的变更，并将当前

NWDAF

正在执行的分析过程转移到新的目标

NWDAF。为支持这一过程，NWDAF

会在内部维护一套分析上下文信息，以确保在发生

NWDAF

变更后，目标

NWDAF

可以基于分析上下文中的信息继续执行未完成的分析过程。NWDAF

管理的分析上下文可能包含：－

分析相关信息，如尚未提供给分析消费者的待发送分析信息，历史输出分析信息，最后一次向分析消费者提供分析信息的时间，分析聚合相关信息等；－

分析相关的数据，如当前

NWDAF

中可能与将在目标

NWDAF中继续的分析过程相关或有用的历史分析数据；－

ML

模型相关信息，如待转移的分析过程所需

ML

模型对应的MTLF

信息，以及

ML

模型的文件所在地址信息等。分析上下文的传递可以由源

NWDAF

发起，也可以由分析消费-14-中国联通

5G

核心网智能架构白皮书者选择目标

NWDAF

后，触发目标

NWDAF

发起。4.

NWDAF

分析聚合在同一网络中，多个

NWDAF

实例可以基于层级结构或树状结构进行部署，如下级

NWDAF

可以和数据源

NF（如

AMF、SMF

等）合并部署或邻近部署，以实现快速的实时性数据获取，而上级NWDAF

汇总处理下级

NWDAF

的数据并生成总体的数据分析报告。或者多个

NWDAF

各自负责一片

NWDAF

服务区域，并将各自负责区域内的数据统一上报至上级

NWDAF，聚合生成针对更大管理区域的分析报告。当多个

NWDAF

需要联合完成一项分析任务时，需要有一个NWDAF

承担聚合

NWDAF

的功能，即汇总多个

NWDAF

的分析元数据（Analytics

Metadata），聚合并生成聚合的分析信息。支持分析聚合能力的

NWDAF

会在向

NRF

进行注册的时候将聚合能力指示包含在

NF

配置文件中，以备未来的聚合

NWDAF

发现和选择。其他非聚合

NWDAF

则在

NF

配置文件中包含分析元数据提供能力，以供聚合

NWDAF

进行发现和选择。分析聚合能力是

NWDAF

的一项额外的能力，也就是说，一个

NWDAF

在担任聚合

NWDAF

的角色期间，也可能同时在承担独立

NWDAF

或提供分析元数据的NWDAF

的角色。典型的分析聚合架构如下图

2

所示：-15-中国联通

5G

核心网智能架构白皮书图

2

NWDAF

分析聚合架构示意分析消费者可能会在

NWDAF

发现和选择的过程中指定一个目标分析区域（Area

of

Interest），并要求发现一个具备分析聚合能力的

NWDAF，在后续的分析请求和交互过程中，聚合

NWDAF

可以基于分析请求中指定的目标分析区域，将对应区域拆分为若干个子区域，并以此作为发现能够提供分析元数据的

NWDAF

的条件，进而发现并选择多个用于提供分析聚合所需要的分析元数据的

NWDAF，完成分析聚合过程。分析消费者也可能不会在

NWDAF

发现和选择过程中指定目标分析区域，在这种情况下，NRF

可以向分析消费者返回一个支持分析聚合能力，并覆盖较大的服务区域的

NWDAF，以满足分析消费者的请求。-16-中国联通

5G

核心网智能架构白皮书（二）ML

模型管理及交互1.

NWDAF

逻辑功能分解基于

3GPP

Rel-16

阶段要求，NWDAF

为单一逻辑功能实体，单个

NWDAF

同时承担

ML

模型设计、ML

模型训练、数据采集、数据推理分析等功能，网络中的各个

NWDAF

独立、闭环的进行以上数据和模型相关的处理，彼此之间缺乏协同。因此

NWDAF

所使用的

ML

模型难以进行系统的训练和管理，ML

模型性能和准确性不一致，造成智能分析服务标准的不统一，不利于服务的优化和推广。针对以上情况，3GPP

在

Rel-17

阶段针对

NWDAF

逻辑功能框架进行了优化，将

NWDAF

分解为不同的逻辑功能实体，包括：－

MTLF：即模型训练逻辑功能，负责进行

ML

模型的训练、管理和存储，并负责基于

AnLF

的请求将

AnLF

所需的

ML

模型下发给

AnLF，用于后续

AnLF

的分析推理过程；－

AnLF：即分析逻辑功能，负责基于分析消费者的请求，使用从

MTLF

获取的

ML

模型进行数据的分析和推理，生成分析消费者所请求的分析结果。一个

NWDAF

功能实体可能单独包含

MTLF

或

AnLF

功能，也可能同时包含

MTLF

和

AnLF

功能。典型的

NWDAF

逻辑功能分解框架如图

3

所示：-17-中国联通

5G

核心网智能架构白皮书图

3

NWDAF

逻辑功能分解示意图图

3

所示框架中，ML

模型设计和初始模型下发过程基于运营商策略和实际的网络实现。如，初始的预训练的

ML

模型可能被本地预配置在

MTLF

中，也可能通过运营商的

AI

管理平台进行统一的管理和分发。MTLF

可以根据

AnLF

利用

ML

模型生成的预测结果以及实际结果进行对比，触发模型的重选学习，提高模型精度。2.

ML

模型管理和共享MTLF

负责训练产生

ML

模型，并对其进行控制和管理。网络中可能部署多个

MTLF，一个

MTLF

可以服务于特定的服务区域，或管理专用于特定

Analytics

ID

的

ML

模型，ML

模型在

MTLF

中可以不断被迭代训练和优化。AnLF

基于分析消费者的请求发现和选择管理对应

ML

模型的

MTLF，并从中请求、获取和使用所需的

ML

模型。一般情况下，ML

模型的训练过程和推理过程可能基于不同的-18-中国联通

5G

核心网智能架构白皮书AI

框架和机器学习系统，如目前常用的

TensorFlow，Pytorch，Caffe等

AI

框架，由于不同

AI

框架的网络拓扑、数据格式、支持的语言等均可能存在差异，因此

MTLF

基于特定的

AI

框架所训练的

ML

模型可能无法被使用其他

AI

框架的设备（即

AnLF）使用。为此，一种简单的解决方案是通过预先的线下协商、调试过程，使

AnLF

可以在内部预配置一个

MTLF

列表，并确保这些

MTLF

中的

ML

模型是AnLF

可以识别和使用的，AnLF

仅从包含在这一

MTLF

列表中的MTLF

中请求

ML

模型。或者，MTLF

可以在向

NRF

注册时在

NF

配置文件中包含一个互用性指示，指示一个允许从该

MTLF

中检索

ML

模型的

AnLF

供应商列表，并同时可能包含可以被映射为一系列的

ML

模型信息如文件格式、平台类型等的互用性

Token。AnLF

通过查找

NRF，在

MTLF发现和选择流程中通过互用性指示和互用性

Token

发现对应的MTLF，并获取其可以识别和使用的

ML

模型。针对不同平台之间的

ML

模型共享问题，以上两种实现方式为现阶段初步可行的方案，但均存在一定的缺陷，即需要平台厂商之间进行较多的私有对接测试过程，还有待进一步的研究更为合理的其他潜在方案。3.

多

MTLF

协同的联邦学习传统的机器学习模式需要将数据汇聚到中心进行模型训练，而这-19-中国联通

5G

核心网智能架构白皮书一数据汇聚过程会随着数据量的不断膨胀而愈加复杂，造成控制和管理成本的不断提升。此外，数据的汇聚过程也会造成数据隐私和安全方面的风险。在这一背景下，联邦学习（Federated

Learning）的概念被提出，联邦学习本质是一种分布式机器学习框架，其做到了在保障数据隐私安全及合法合规的基础上，实现数据共享，共同建模。联邦学习的过程如下图

4

示意：图

4

联邦学习过程示意在

5G

核心网智能架构中，MTLF

之间可以通过联邦学习来实现高效的

ML

模型训练，而又不需要各个

MTLF

将训练所需的原始数据信息汇聚到网络中心，从而确保数据的本地属性不被破坏，避免了由此带来的潜在的数据跨域传递造成的安全隐患，以及大量数据跨域过程中对网络性能造成的冲击。参与联邦学习过程的

MTLF

可区分为服务器（FL

Server）和客户端（FL

Client），联邦学习的角色（服务器/客户端）和相应的能力信息会作为

NF

配置文件的一部分被注册到

NRF。FL

Server

会通过NRF

发现和选择支持特定

Analytics

ID

对应的联邦学习训练过程的-20-中国联通

5G

核心网智能架构白皮书FL

Client，并向其发起联邦学习过程。在这一过程中，由

FL

Client基于本地数据进行分布式的机器学习和模型训练并产生本地

ML

模型，并将本地

ML

模型上传至

FL

Server

进行

ML

模型汇聚，形成聚合的

ML

模型。这一过程可以基于运营商的管理策略，在

FL

Server的生命周期中反复触发和执行，以持续的优化和提升

ML

模型的精度直至模型收敛。同时，在联邦学习的迭代过程中，FL

Server

可以基于本地策略或者

FL

Client

的状态信息（如网元负载，能力信息，延迟信息等）进行成员的重新选择以添加或者移除一些

FL

Client，从而优化和提高联邦学习的学习效率。（三）数据管理和协调1.

数据协调围绕

NWDAF

构建的

5G

核心网智能架构下，针对不同的Analytics

ID，以及来自不同分析消费者的分析请求，在网络中将会产生海量的数据和分析信息，不同的分析消费者可能会出现相同的分析需求，或者不同的分析需求需要采集相同的原始数据。从减少冗余流程，提升分析效率的角度，面向整个

5G

核心网智能架构的数据采集和分析协调成为了一个必须要考虑的问题。为此，3GPP

在

Rel-17阶段定义了包含数据采集协调功能

DCCF、消息框架（MessagingFramework）以及消息框架适配器功能

MFAF

的数据协调框架，如下图

5

所示：-21-中国联通

5G

核心网智能架构白皮书图

5

数据协调框架在部署了

DCCF

的情况下，数据消费者（如

NWDAF、分析数据存储功能

ADRF

等）除了可以直接对接数据源获取数据，还可以通过

DCCF

进行数据请求，在这种情况下，数据消费者的数据请求将发送给

DCCF

而不是直接发送给数据源。数据消费者可以在数据请求中指示所需要的数据源

NF

或

ADRF

用于下一步的数据处理，而在数据消费者没有指示目标

NF

时，DCCF

也可以自行决定并选择数据源

NF（如通过向

NRF/UDM/BSF

检索）或

ADRF。DCCF

会维护一个数据采集和协调的记录表，当

DCCF

识别到新的数据请求和已有记录吻合时，DCCF

将直接从

NWDAF

或

ADRF获取已采集和处理的历史数据，而不需要再次向数据源发起新的数据采集过程。NWDAF

或

ADRF

也可以将其已采集/存储的数据记录发送给

DCCF，以备未来的查询和匹配。数据采集协调还可以通过消息框架完成，便于复用已有的消息队-22-中国联通

5G

核心网智能架构白皮书列，或者可能集成开源的消息队列。消息框架不由

3GPP

进行标准化定义，消息框架和

3GPP

系统之间的互通通过消息框架适配器功能

MFAF

实现，MFAF

支持和

5GC

NF

之间的

3GPP

消费者适配器（3CA）以及和

DCCF

之间的

3GPP

DCCF

适配器（3DA）以和周边网元进行交互。实际的消息框架/MFAF

应用中，DCCF

根据数据消费者的请求判断数据采集状态，如果需要发起新的数据采集请求，DCCF

指示

MFAF

进行数据采集，并由消息框架完成数据处理后将其提供给

MFAF，由

MFAF

最终将数据发送给数据消费者。MFAF

仅负责数据的分发，基于不同的组网策略，MFAF

可以独立部署，也可以内置在

DCCF

中。MFAF

独立部署的场景可适用于如

MFAF

靠近数据源和数据消费者，实现快速的数据请求的响应，而

DCCF

集中部署，负责统一的数据采集协调。2.

数据存储3GPP

在

Rel-17

阶段定义了分析数据存储功能

ADRF，用于存储和管理由

NWDAF

采集的数据，以及通过

NWDAF

生成的数据分析信息。ADRF

所存储的数据或分析信息，可以由

NWDAF（AnLF）用于直接的分析推理过程，或由

NWDAF（MTLF）用于进行

ML

模型训练，也可以直接将已有的分析信息反馈给分析消费者，而不需要NWDAF

进行重复的分析推理过程。以上过程可以由

NWDAF、DCCF、ADRF

共同在数据协调框架下实现。-23-中国联通

5G

核心网智能架构白皮书基于

ADRF

的数据存储架构如下图

6

所示：图

6

数据存储框架数据存储方面：已有原始数据或分析信息的存储，可以由需要在ADRF

中存储数据或分析信息的

ADRF

服务消费者通过调用

ADRF的存储请求服务，直接将需要存储的数据发送给

ADRF

进行存储。未来潜在数据或分析信息的存储，可以由

ADRF

服务消费者通过向ADRF

订阅数据存储服务，由

ADRF

通过向

NWDAF

或

DCCF

等进行订阅，在后续获取分析信息或数据并进行存储。数据访问方面：数据或分析信息消费者向

ADRF

请求已发生的时间窗口内的数据或分析信息，或通过数据检索订阅服务向

ADRF订阅包含未来时间的时间窗口期间的数据或分析信息，并由

ADRF向

NWDAF

或

DCCF

进行订阅，在收到对应的数据或分析通知后将其所包含的信息发送给数据或分析信息消费者。3.

数据的格式化和预处理当使用了基于

DCCF/MFAF

的数据协调框架，数据消费者可以-24-中国联通

5G

核心网智能架构白皮书在其发送的数据请求消息中指示对数据的格式化要求，包括何时及何种条件下发送数据通知，如指定数据通知的时间窗、时间间隔等，或通知的触发条件如事件交叉触发、消费者请求触发等，并可能指示DCCF

或

MFAF

在向数据消费者发送通知的时候是否需要同时将数据通知发送给

ADRF

以进行数据的存储。数据消费者可能同时向

DCCF

指示数据的预处理要求，即要求DCCF/消息框架针对所采集的数据进行初步的概括并形成一个单独的包括发生事件、处理间隔、事件平均值/方差等信息的数据报告，以替代多个独立的数据通知，减少发送数据通知所产生的数据量。在部署了消息框架和

MFAF

的情况下，数据的格式化和预处理指示由

DCCF

下发给

MFAF，并进一步由消息框架执行具体的处理过程。（四）分析时间/时延管理针对不同的分析类型，分析消费者所期望的分析时延或获得分析结果信息的时间也有所不同，部分分析场景需要满足分析消费者的分析交互可控和可预期的需求。针对分析消费者需要在特定时间或特定的时延范围内获取分析结果信息的情况，围绕

NWDAF

的

5G

核心网智能架构定义了以下分析时间/分析时延相关的管理参数：“需要分析信息的时间”：用于由分析消费者向

NWDAF

指示其所期望的获得分析信息的最晚时间，该时间是一个相对时间（如：30-25-中国联通

5G

核心网智能架构白皮书分钟以内）。该参数由分析消费者在向

NWDAF

发送分析请求时在请求消息中携带。NWDAF

收到该参数后，如在期望时间内没有完成分析并形成分析报告/通知，则

NWDAF

会向分析消费者返回一个错误信息，其中包含

NWDAF

侧评估的“修改的等待时间”信息（如还需要额外的

10

分钟），以辅助分析消费者判断是否需要向新的NWDAF

重新发起分析请求，还是继续等待当前

NWDAF

的分析结果。“支持的分析时延”：NWDAF

针对特定的

Analytics

ID，通过进行数据的预采集和预分析评估得出的针对该

Analytics

ID

所需要的分析时延，这一时延评估过程需要统筹考虑数据采集所需的时延以及分析推理所需的时延等因素。“支持的分析时延”会作为

NWDAF配置文件的一部分注册到

NRF

中，并作为分析消费者发现和选择NWDAF

的标准之一。“支持的分析时延”基于

NWDAF

内部实现，以

Analytics

ID

为粒度进行评估，而不区分针对特定

UE、针对特定UE

组或针对特定

NF

等情况。在分析过程中，如果分析消费者已经针对特定的

Analytics

ID

选择了一个支持特定的“支持的分析时延”的

NWDAF，则其需要避免在分析请求中再额外指定一个小于该“支持的分析时延”的“需要分析信息的时间”，否则

NWDAF

可能会拒绝分析请求。-26-中国联通

5G

核心网智能架构白皮书（五）事件通知静音机制为减少数据源

NF

和数据消费者之间的信令交互，数据源

NF（如AMF，SMF

等）和数据消费者（如

NWDAF，DCCF）可以支持事件通知静音机制，即数据消费者在事件订阅的请求中包含了事件通知静音指示的情况下，数据源

NF

将持续的监控事件的发生并进行相关数据的采集和存储，但并不会在事件发生后即刻向数据消费者发送通知，直到数据消费者在后续的事件订阅中指示获取存储的事件通知数据，数据源

NF

才会一次性的将所存储的事件数据提供给数据消费者。数据消费者可以通过事件订阅中的以下标志位指示数据源进行事件通知静音或进行存储数据的通知：－

去激活通知标志位：指示数据源

NF

进行事件的监测和数据的采集，数据源在收到该指示的情况下应存储相关的事件数据但暂时不向数据消费者发送事件通知；－

检索通知标志位：指示数据源

NF

将已采集的，但尚未提供给数据消费者的事件数据通过事件通知发送给数据消费者。存储在数据源

NF

的事件数量可根据数据源

NF

的配置设置一个上限，数据源

NF

在事件达到上限的情况下滚动更新所存储的事件数据，以保持数据总是最新的。当数据源

NF

是

DCCF

时，事件通知静音的相关参数可以通过数据格式化和预处理指示发送给

DCCF。-27-中国联通

5G

核心网智能架构白皮书（六）UE

应用数据采集NWDAF

可以通过

AF

从

UE

上的应用程序进行数据采集，用作数据分析或

ML

模型训练的输入。NWDAF

通过数据订阅触发

AF

通过

UE

建立的

PDU

会话进行所需数据的采集。UE

应用数据的采集所需的信息通过运营商和

ASP

之间的

SLA

确定并配置在

AF

中，包括

UE

应用可以向

AF

提供的信息，AF

验证

UE

应用程序合法性所需的认证信息等。同时，ASP

基于

SLA

在

UE

应用中配置其所要交互的

AF

的地址，UE

授权可以提供给

AF

的数据等信息，用于后续的应用数据采集。AF

需要在

NRF

中保存支持的应用信息，NWDAF则可以通过

NRF

查找应用对应的

AF。AF

检索并获取

UE

应用对应的

PDU

会话的

IP

地址，用于向

UE进行数据请求。UE

应用数据采集可以通过直接采集（AF

直接向

UE应用采集数据）和间接采集（UE

应用将数据发送给

AS，AF

向

AS获取所需的数据）两种方式实现。在

AF

进行

UE

数据采集的过程中，涉及到用户隐私的应用数据可能会被

AF

获取并使用于后续的用户行为分析之中，这将造成用户隐私的泄露。例如，如果用户定位信息在未得到用户同意的情况下被采集到，NWDAF

可以将分析结果分享给其他网元，该网元可以是核心网内部网元，也可以是第三方网元，这将导致

UE

位置信息、行为习惯等信息的暴露。-28-中国联通

5G

核心网智能架构白皮书为了保护用户数据隐私，依据相关法律法规，UE

应用数据的采集必须在用户许可（User

Consent）的前提下进行，用户许可按不同的目的（如分析推理，ML

模型训练），作为用户签约信息的一部分存储在

UDM

中。NWDAF

每次进行

UE

应用数据采集前都需要与UDM

交互以获取用户许可信息，并且必须在确认获得用户许可的情况下才可以触发

AF

进行

UE

应用数据采集。同时，UE

有权随时更改用户许可信息，例如，可以要求网元停止采集

UE

应用数据，也可以要求网元删除先前采集到的

UE

应用数据。一旦用户许可息更新，UDM

会及时通知

NWDAF，NWDAF

依据更新后的用户许可信息进行分析和处理。-29-中国联通

5G

核心网智能架构白皮书四、总结和展望随着数字经济发展战略的逐步推进，电信运营商的身份也在从传统的通信服务提供者转变为数字服务提供者，这一过程会对移动通信网络的建设部署和管理运营产生巨大的影响，最明显的一点是：网络复杂性的增长速度将远快于管理网络所需的资源的增长速度。在这样的趋势下，人工智能技术在

5G

网络中的应用也就成为了一个必然的选择。通过基于

NWDAF

的数据采集和分析能力，以及对应的数据存储（ADRF）和数据协调（DCCF/MFAF）能力的标准化智能架构的引入，5G

核心网智能架构将成为运营商和垂直行业数字化转型和业务创新的引擎之一。5G

核心网可以基于人工智能算法，在

5G

的网络规划和管理，以及用户业务体验的保障和优化方面进行持续的能力增强，支撑运营商拓展业务范围，提升运营商的网络价值。同时，5G网络中不同垂直行业业务所产生的海量和丰富的数据，也可以进一步完