为了满足不同业务对5G网络差异化的需求,5G网络采用了网络切片技术,将网络资源灵活分配,实现网络端到端或某一部分资源的切分,包括终端、接入网和核心网的切分。每个切片的能力按业务需求进行切分,在同一网络基础设施上,切分出多个具备...为了满足不同业务对5G网络差异化的需求,5G网络采用了网络切片技术,将网络资源灵活分配,实现网络端到端或某一部分资源的切分,包括终端、接入网和核心网的切分。每个切片的能力按业务需求进行切分,在同一网络基础设施上,切分出多个具备不同能力的虚拟子网。根据《3GPP TS 23.501-System architecture for the 5G System (5GS)Stage 2 (Release 18)》规范,定义了六大类(SST字段分类)切片,分别是e MBB(Enhanced Mobile Broadband,增强移动宽带)切片、URLLC(Ultra-reliable and Low Latency Communications,高可靠低时延通信)切片、MIoT(Massive IoT,大规模物联网)切片、V2X(Vehicle To Everything,车联网)切片、HMTC(High-Performance Machine-Type Communications,高性能机器类通信)切片、HDLLC(High Data rate and Low Latency Communications,高数据速率低时延通信)切片。对切片技术进行了介绍,同时,对特定场景的切片监测系统进行了研究,给出了一种切片监测系统的实现方案,该系统可帮助提高特定场景切片网络安全性和可靠性。展开更多
现有5G(5th GenerationMobile Communication Technology)核心网异常检测主要基于信令流量深度解析,但较少利用核心网网络功能交互关系的作用。针对上述问题,提出一种基于交互的5G核心网网络功能异常检测模型。首先,该模型以行为分析为...现有5G(5th GenerationMobile Communication Technology)核心网异常检测主要基于信令流量深度解析,但较少利用核心网网络功能交互关系的作用。针对上述问题,提出一种基于交互的5G核心网网络功能异常检测模型。首先,该模型以行为分析为驱动,基于信令流量和网络功能注册数据提取多维属性,通过行为画像来表征网络功能行为模式,并采用集成学习算法RFECV(Recursive Feature Elimination with Cross-Validation)进行属性特征选择,降低特征维度的同时筛选出与区分网络功能行为模式高度相关的属性特征。然后,模型基于网络功能交互关系对核心网进行图建模,建模后的图数据融合了网络功能属性信息和交互信息。最后,模型通过基于空间域的图卷积网络聚合邻域节点属性信息和结构信息来融合行为模式特征,新生成的节点表示用于分类,从而将核心网网络功能异常检测问题转化为图节点分类问题。通过在free5GC仿真平台上采集数据,并在搭建的异常检测系统中的实验表明,该模型的异常检测性能优于基于属性特征分析的传统机器学习模型、基于结构特征分析的图嵌入模型及部分5G核心网异常检测模型。10%数据集作为训练集时,所提模型的准确率比支持向量机模型提高6.6%,比Struc2vec模型提高13%,比深度神经网络模型提高8%。展开更多
物联网(Internet of Things,IoT)即服务(IoT as a Service,IoTaaS)与6G分布式核心网的融合将成为未来IoT发展的重要趋势,亟需一种分布式自治组网架构支持IoT中较为普遍的公网与专网混合组网以及多子网对等组网。针对混合组网中复合网络...物联网(Internet of Things,IoT)即服务(IoT as a Service,IoTaaS)与6G分布式核心网的融合将成为未来IoT发展的重要趋势,亟需一种分布式自治组网架构支持IoT中较为普遍的公网与专网混合组网以及多子网对等组网。针对混合组网中复合网络功能存储库(Network Repository Function,NRF)的服务注册与发现流程信令交互复杂导致时延较大的问题,设计了一种基于分布式自治数据面技术的复合NRF互联系统,提出了基于JSON语义的网络功能信息存储方法和基于B+树状结构的索引方法,降低了数据索引时间复杂度,简化了跨网络节点的多层网元数据获取流程。展开更多
文摘为了满足不同业务对5G网络差异化的需求,5G网络采用了网络切片技术,将网络资源灵活分配,实现网络端到端或某一部分资源的切分,包括终端、接入网和核心网的切分。每个切片的能力按业务需求进行切分,在同一网络基础设施上,切分出多个具备不同能力的虚拟子网。根据《3GPP TS 23.501-System architecture for the 5G System (5GS)Stage 2 (Release 18)》规范,定义了六大类(SST字段分类)切片,分别是e MBB(Enhanced Mobile Broadband,增强移动宽带)切片、URLLC(Ultra-reliable and Low Latency Communications,高可靠低时延通信)切片、MIoT(Massive IoT,大规模物联网)切片、V2X(Vehicle To Everything,车联网)切片、HMTC(High-Performance Machine-Type Communications,高性能机器类通信)切片、HDLLC(High Data rate and Low Latency Communications,高数据速率低时延通信)切片。对切片技术进行了介绍,同时,对特定场景的切片监测系统进行了研究,给出了一种切片监测系统的实现方案,该系统可帮助提高特定场景切片网络安全性和可靠性。
文摘现有5G(5th GenerationMobile Communication Technology)核心网异常检测主要基于信令流量深度解析,但较少利用核心网网络功能交互关系的作用。针对上述问题,提出一种基于交互的5G核心网网络功能异常检测模型。首先,该模型以行为分析为驱动,基于信令流量和网络功能注册数据提取多维属性,通过行为画像来表征网络功能行为模式,并采用集成学习算法RFECV(Recursive Feature Elimination with Cross-Validation)进行属性特征选择,降低特征维度的同时筛选出与区分网络功能行为模式高度相关的属性特征。然后,模型基于网络功能交互关系对核心网进行图建模,建模后的图数据融合了网络功能属性信息和交互信息。最后,模型通过基于空间域的图卷积网络聚合邻域节点属性信息和结构信息来融合行为模式特征,新生成的节点表示用于分类,从而将核心网网络功能异常检测问题转化为图节点分类问题。通过在free5GC仿真平台上采集数据,并在搭建的异常检测系统中的实验表明,该模型的异常检测性能优于基于属性特征分析的传统机器学习模型、基于结构特征分析的图嵌入模型及部分5G核心网异常检测模型。10%数据集作为训练集时,所提模型的准确率比支持向量机模型提高6.6%,比Struc2vec模型提高13%,比深度神经网络模型提高8%。
文摘物联网(Internet of Things,IoT)即服务(IoT as a Service,IoTaaS)与6G分布式核心网的融合将成为未来IoT发展的重要趋势,亟需一种分布式自治组网架构支持IoT中较为普遍的公网与专网混合组网以及多子网对等组网。针对混合组网中复合网络功能存储库(Network Repository Function,NRF)的服务注册与发现流程信令交互复杂导致时延较大的问题,设计了一种基于分布式自治数据面技术的复合NRF互联系统,提出了基于JSON语义的网络功能信息存储方法和基于B+树状结构的索引方法,降低了数据索引时间复杂度,简化了跨网络节点的多层网元数据获取流程。