一种面向 5G 核心网络的模型漂移检测与自适应框架
网络与互联网体系结构
2024-03-05 v1 机器学习
摘要
第五代（5G）及超 5G 网络（5G+）的出现彻底改变了网络运营商对其网络管理与编排的思路。随着通过 NWDAF 等核心网络功能实现智能化与自动化的关注度提升，服务提供商需要将机器学习模型与人工智能系统集成到现有网络运营实践中。由于下一代网络及其支持的使用场景和应用具有动态特性，模型漂移是一个严重问题，会使部署在网络中的智能模型性能退化。本文提出一种面向 5G 核心网络的模型漂移检测与自适应模块。利用 5G 核心网络的功能原型，模拟用户行为漂移，并部署和测试所提框架。本工作的结果表明，漂移检测模块能够准确刻画发生漂移的概念，且漂移自适应模块能够启动必要的修复工作以恢复系统性能。
引用
@article{arxiv.2209.06852,
title = {A Model Drift Detection and Adaptation Framework for 5G Core Networks},
author = {Dimitrios Michael Manias and Ali Chouman and Abdallah Shami},
journal= {arXiv preprint arXiv:2209.06852},
year = {2024}
}
备注
Accepted: IEEE MeditCom 2022