基于图神经网络和 Transformer 的 5G 零接入网异常根因分析
网络与互联网体系结构
2024-06-25 v1 机器学习
摘要
5G 技术的出现标志着电信网络发展的重要里程碑，使其能够支持增强现实和自动驾驶等激动人心的新应用。然而，这些改进带来了管理复杂性的增加，对于处理故障问题尤为关切，因为 5G 旨在支持的应用高度依赖于网络性能和低延迟。因此，自动自愈解决方案变得有效，能够应对这些要求，使基于学习的系统能够自动检测异常并执行根因分析(RCA)。然而，实施此类智能系统存在固有的挑战。首先，缺乏适用于异常检测和 RCA 的合适数据，由于故障情景的标注数据较少。其次，当前的智能解决方案针对 LTE 网络设计，未能充分捕捉数据中所呈现的时空特征。鉴于此，我们利用校准的模拟器 Simu5G 生成正常场景和故障场景的开源数据。基于这些数据，我们提出了一种适用于 5G 零接入网(RAN)异常检测和根因分析的 state-of-the-art 方法，名为 Simba。我们利用图神经网络捕捉空间关系，同时采用 Transformer 模型学习数据的时序依赖性。我们实现了 Simba 的原型系统，并在多个故障场景上对其进行评估。将结果与现有解决方案进行比较，确认了 Simba 的优越性。
关键词
引用
@article{arxiv.2406.15638,
title = {Root Cause Analysis of Anomalies in 5G RAN Using Graph Neural Network and Transformer},
author = {Antor Hasan and Conrado Boeira and Khaleda Papry and Yue Ju and Zhongwen Zhu and Israat Haque},
journal= {arXiv preprint arXiv:2406.15638},
year = {2024}
}