一种面向5G核心网信令流量的NWDAF方法：分析与表征
网络与互联网体系结构
2024-03-05 v3 机器学习
摘要
数据驱动的方法与范式已成为通过优化实现高效网络性能的有前景的解决方案。这些方法聚焦于最先进的机器学习技术，能够满足5G网络及未来网络（如主动负载均衡）的需求。与基于模型的方法相比，数据驱动的方法无需精确模型即可解决目标问题，且其相关架构提供了可用系统参数的灵活性，从而提高了基于学习的算法在移动无线网络中的可行性。本文的工作重点在于展示5G核心网（5GC）网络与网络数据分析功能（NWDAF）的可运行系统原型，以将数据驱动技术的优势付诸实现。对网络生成数据的分析通过无监督学习、聚类探索核心网内交互，并将这些结果作为对未来机遇与工作的洞见进行评估。
引用
@article{arxiv.2209.10428,
title = {An NWDAF Approach to 5G Core Network Signaling Traffic: Analysis and Characterization},
author = {Dimitrios Michael Manias and Ali Chouman and Abdallah Shami},
journal= {arXiv preprint arXiv:2209.10428},
year = {2024}
}
备注
Accepted in IEEE GlobeCom 2022