可信区块链联邦学习技术在无线通信网中的研究与应用

随着无线通信技术的快速发展,越来越多的数据产生并在网络中传输,包括个人隐私信息和商业机密等敏感数据。数据安全和隐私保护引发通信行业的广泛关注,并已成为人工智能大规模落地的关键挑战点。可信区块链联邦学习从保障信息安全的角度发展人工智能,被誉为最有前景解决这一挑战的新方向。归纳了当前行业面临的关键问题和挑战,分析了可信区块链联邦学习的国内外主要研究状况。讨论了无线通信网中典型的区块链联邦学习的系统架构,并阐述了其系统功能和实现的关键技术。在此基础上,给出该系统下的典型应用场景,为可信人工智能从理论走向实用提供了可能性。

一种博弈论辅助的机器学习算法检测用户流失行为

中国在2019年11月底正式实施已经试行了9年的携号转网政策。该政策会加强通信市场的流动性和竞争性,使运营商用户流失的问题更加突出。提出、验证并产品化了一种博弈论辅助的机器学习方案,以帮助运营商主动应对携号转网市场的竞争。所提方案为运营商提供了一种机器学习模型,检测用户的携转倾向,并给予差异化待遇。实验结果证明,所提方案能够指引运营商制定有针对性的携号转网策略,准确识别出有携入或者携出倾向的“异常”用户。此外,所提方案已被成功地产品化,极大地提高了运营商的营销效率,增加了用户的满意度,为中国某主要运营商减少了大约50%的用户流失。

5G核心网网元多维特征融合故障预警

5G网络发生故障可能影响全网稳定性和服务质量,其故障发现与修复是5G网络运维管理的关键之一。基于历史故障发生前的网元关键绩效指标(Key Performance Indicator,KPI)变化以及设备告警信息、指标统计特征、自动异常检测、指标关联特征、告警编码特征等,提出了5G核心网网元多维特征融合故障预警方法,构建了多维特征空间训练故障预警模型。最后,针对现网运行数据,选取了6类网元并进行了实验验证,实验结果表明,该模型对各种类型网元的预警效果有不同程度提升,平均F1值提升了18%。

基于微服务调用链双向搜索的故障根因定位方法

微服务系统具有分布式系统固有的复杂性和服务依赖性,当出现软硬件故障时,会造成雪崩效应。针对如何基于调用链定位根因来保障服务的安全性的问题,提出了一种基于调用链双向搜索的故障根因定位算法,通过结合自顶向下的故障信息统计和自底向上的分层级根因定位,准确输出Top K根因节点。基于所提算法的方案已在某省级运营商实际上线,其Top 3根因的准确率达到87%,平均定位耗时为15 s,有效提升了微服务系统运维工作的效率和准确率。