通信网络中与机器学习相关的方法、装置和机器可读介质制造方法及图纸

在一个方面，提供了一种由通信网络中的协调网络实体执行的方法。该方法包括：向通信网络中的网络注册实体发送针对通信网络中能够执行协作学习的多个候选网络实体的标识信息的请求消息；以及从网络注册实体接收多个候选网络实体的标识信息。该方法还包括：发起在多个候选网络实体中的一个或多个网络实体处使用机器学习算法对模型的训练作为协作学习过程的一部分。程的一部分。程的一部分。

【技术实现步骤摘要】
【国外来华专利技术】通信网络中与机器学习相关的方法、装置和机器可读介质


[0001]本公开的实施例涉及机器学习，并且具体地涉及通信网络中与机器学习相关的方法、装置和机器可读介质。

技术介绍

[0002]在典型的无线通信网络中，无线设备通过无线电接入网连接到核心网络。在第五代(5G)无线通信网络中，核心网络根据基于服务的架构(SBA)进行操作，其中服务由网络功能经由所定义的应用接口(API)提供。核心网络中的网络功能使用基于超文本传输协议2(HTTP/2)的通用协议框架。除了提供服务，网络功能还可以通过这些API调用其他网络功能中的服务。5G架构中的核心网络功能的示例包括接入和移动性管理功能(AMF)、认证服务器功能(AUSF)、会话管理功能(SMF)、策略计费功能(PCF)、统一数据管理(UDM)和运营、管理和维护(OAM)。例如，AMF可以为此目的通过调用AUSF的API中的功能来向AUSF请求订户认证数据。
[0003]人们正在努力实现自动化5G网络，旨在提供零接触的全自动无线通信网络(即在操作期间需要尽可能少的人工干预的网络)。实现这一点的一种方式是将无线通信网络中收集的大量数据与机器学习算法结合使用，以开发用于提供网络服务的模型。
[0004]已经建立了网络数据分析(NWDA)框架，用于定义5G网络中用于数据收集的机制和相关联功能。3GPP文档TS 23.288v 16.0.0中描述了对该框架的进一步增强。NWDA框架以网络数据分析功能(NWDAF)为中心，该网络数据分析功能从网络中的其他网络功能收集数据。NWDAF还向服务消费者(例如其他网络功能)提供服务。例如，服务包括检索数据或基于NWDAF处整理的数据进行预测。
[0005]图1示出了连接到网络功能(NF)104的NWDAF 102。如所示，网络功能104可以是任何合适的网络功能(例如AMF、AUSF或任何其他网络功能)。为了从网络功能104收集数据，NWDAF 102通过Nnf参考点连接到网络功能处的事件暴露功能(如3GPP文档TS23.502v 16.0.2和TS 23.288v 16.0.0中详述)。NWDAF 102然后可以通过向网络功能订阅报告或通过向网络功能请求数据来通过Nnf参考点从网络功能接收数据。任何报告的定时可以由超时(例如定时器到期)确定或可以由事件(例如请求的接收)触发。NWDAF 102可以向网络功能请求的数据的类型可以是标准化的。
[0006]为了网络功能104可被NWDAF 102(或任何其他服务消费者，例如另一网络功能)发现，网络功能104向网络功能存储库功能(NRF)注册。
[0007]图2示出了连接到在NRF 208处注册的三个网络功能NF A202、NF B 204和NF C 206的NRF 208的图示。NRF 208可以被预配置有关于网络功能202
‑
206的信息，或者网络功能202
‑
206中的每一个可能已经向NRF 208执行了网络注册过程以在NRF 208处注册。一旦网络功能在NRF 208处注册，网络中的另一实体可以通过调用NRF 208处的发现功能来发现该网络功能。因此，例如，NF B 204可以通过调用NRF 208处的发现功能来发现NF A202和NF C 206。
[0008]如上所述，当与机器学习相结合时，数据收集有潜力成为5G网络的强大工具。5G网络情境中的机器学习通常是大规模的，并且可以在优先考虑性能和安全性的云(虚拟化)环境中执行。在实践中，这意味着可用于使用机器学习训练模型的数据可以分布在网络中的许多实体中，并且理想情况下，该数据应该在一个网络实体处进行整理，以用于使用机器学习开发模型。在单个网络实体处整理这些数据集可能很慢且资源密集，这对于时间关键型应用是有问题的。此外，一些应用需要使用包括敏感或私有数据的数据集，并且在单个网络实体处整理这些数据可能有安全隐患。

技术实现思路

[0009]本公开的实施例解决了这些和其他问题。
[0010]在一个方面，提供了一种由通信网络中的协调网络实体执行的方法。该方法包括向通信网络中的网络注册实体发送针对通信网络中能够执行协作学习的多个候选网络实体的标识信息的请求消息。该方法还包括从网络注册实体接收多个候选网络实体的标识信息；以及发起在多个候选网络实体中的一个或多个网络实体处使用机器学习算法对模型的训练作为协作学习过程的一部分。
[0011]在另一方面，本公开提供了一种协调网络实体以执行上述方法。另一方面提供了一种用于执行上述方法的计算机程序。还提供了一种包括该计算机程序的计算机程序产品。
[0012]在另一方面，提供了一种由通信网络中的网络注册实体执行的方法。该方法包括从通信网络中的协调网络实体接收请求消息，该请求消息请求通信网络中能够执行协作学习的多个候选网络实体的标识信息。该方法还包括从在网络注册实体处注册的多个网络实体中标识能够执行协作学习的两个或更多个候选网络实体；以及向协调网络实体发送对两个或更多个候选网络实体的指示。
[0013]在另一方面，本公开提供了一种网络注册实体以执行上述方法。另一方面提供了一种用于执行上述方法的计算机程序。还提供了一种包括该计算机程序的计算机程序产品。
[0014]另一方面提供了一种协调网络实体。协调网络实体包括处理电路和存储指令的机器可读介质，所述指令在由处理电路执行时使协调网络实体向通信网络中的网络注册实体发送针对通信网络中能够执行协作学习的多个候选网络实体的标识信息的请求消息。还使协调网络实体从网络注册实体接收多个候选网络实体的标识信息，并发起在多个候选网络实体中的一个或多个网络实体处使用机器学习算法对模型的训练作为协作学习过程的一部分。
[0015]另一方面提供了一种网络注册实体。网络注册实体包括处理电路和存储指令的机器可读介质，所述指令在由处理电路执行时使网络注册实体从通信网络中的协调网络实体接收请求消息。请求消息请求通信网络中能够执行协作学习的多个候选网络实体的标识信息。还使网络注册实体从在网络注册实体900处注册的多个网络实体中标识能够执行协作学习的一个或多个候选网络实体，并向协调网络实体发送对该一个或多个候选网络实体的指示。
附图说明
[0016]为了更好地理解本公开的示例以及为了更清楚地示出可以如何有效地实施示例，现在将仅通过举例说明参考附图，在附图中：
[0017]图1示出了连接到网络功能的网络数据分析功能；
[0018]图2示出了连接到三个网络功能的网络功能存储库功能；
[0019]图3示出了根据本公开的实施例的系统；
[0020]图4是根据本公开的实施例的示意性信令图；
[0021]图5是根据本公开的实施例的方法的流程图；
[0022]图6是根据本公开的实施例的方法的流程图；
[0023]图7和图8是根据本公开的实施例的协调网络实体的示意图；以及
[0024]图9和图10是根据本公开的实施例的网络注册实体的示意图本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种由通信网络中的协调网络实体执行的方法，所述方法包括：向所述通信网络中的网络注册实体发送(502)针对所述通信网络中能够执行协作学习的多个候选网络实体的标识信息的请求消息(400)；从所述网络注册实体接收(504)多个候选网络实体的标识信息(402)；以及发起(506)在所述多个候选网络实体中的一个或多个网络实体处使用机器学习算法对模型的训练作为协作学习过程的一部分。2.根据权利要求1所述的方法，其中，所述请求消息包括用于选择候选网络实体以执行所述协作学习过程的一个或多个标准。3.根据权利要求2所述的方法，其中，所述一个或多个标准包括以下中的一个或多个：与所述候选网络实体执行所述协作学习过程的能力相关的至少一个主要标准；以及与所述候选网络实体响应查询类型的能力相关的至少一个次要标准。4.根据前述权利要求中任一项所述的方法，其中，所述请求消息是第一请求消息，并且所述方法还包括：发送第二请求消息(404)，所述第二请求消息(404)包括对所述多个候选网络实体的附加信息的至少一个查询；以及基于对所述至少一个查询的一个或多个响应，从所述多个候选网络实体中选择所述一个或多个网络实体。5.根据权利要求4所述的方法，其中，对附加信息的所述至少一个查询涉及以下中的一个或多个：所述候选网络实体的配置；针对所述候选网络实体的性能要求；所述候选网络实体处用于训练模型的训练数据的可用性；以及所述候选网络实体处可用的训练数据的属性。6.一种由通信网络中的网络注册实体执行的方法，所述方法包括：从所述通信网络中的协调网络实体接收(602)请求消息(400)，所述请求消息请求所述通信网络中能够执行协作学习的多个候选网络实体的标识信息；从在所述网络注册实体处注册的多个网络实体中标识(604)能够执行协作学习的两个或更多个候选网络实体；以及向所述协调网络实体发送(606)对所述两个或更多个候选网络实体的指示(402)。7.根据权利要求6所述的方法，其中，所述请求消息包括一个或多个标准，所述一个或多个标准用于从所述多个网络实体中选择候选网络实体以使用机器学习算法训练模型作为联合学习过程的一部分，并且标识所述两个或更多个候选网络实体包括标识满足所述一个或多个标准的两个或更多个候选网络实体。8.根据权利要求7所述的方法，其中，所述一个或多个标准包括以下中的一个或多个：与所述候选网络实体执行协作学习过程的能力相关的至少一个主要标准；以及与所述候选网络实体响应查询类型的能力相关的至少一个次要标准。9.根据权利要求8所述的方法，其中，所述查询类型包括以下中的一个或多个：与所述候选网络实体的配置相关的查询；与针对所述候选网络实体的性能要求相关的查询；与所述候选网络实体处用于训练模
型的训练数据的可用性相关的查询；以及与所述候选网络实体处可用的训练数据的属性相关的查询。10.根据权利要求6至9中任一项所述的方法，其中，所述网络注册实体存储在所述网络注册实体处注册的所述多个网络实体中的每个网络实体的简档，每个简档指示所述网络实体的能力信息。11.根据权利要求10所述的方法，其中，对于每个网络实体，所述能力信息包括对所述网络实体是否能够执行协作学习的指示。12.根据权利要求10或11所述的方法，其中，对于每个网络实体，所述能力信息包括对所述网络实体是否被配置为响应查询类型的指示。13.根据前述权利要求中任一项所述的方法，其中，所述协调网络实体是网络数据分析功能NWDAF(308)。14.根据前述权利要求中任一项所述的方法，其中，所述网络注册实体是网络功能存储库功能NRF(310)。15.根据前述权利要求中任一项所述的方法，其中，所述协调网络实体和所述网络注册实体中的一个或多个在所述通信网络的核心网络中。16.一种用于通信网络的协调网络实体(700)，所述协调网络实体包括处理电路(702)和非暂时性机器可读介质(704)，所述非暂时性机器可读介质存储指令，所述指令在由所述处理电路执行时使协调实体：向所述通信网络中的网络注册实体发送(502)针对所述通信网络中能够执行协作学习的多个候选网络实体的标识信息的请求消息(400)；从所述网络注册实体接收(504)多个候选网络实体的标识信息(402)；以及发起(506)在所述多个候选网络实体中的一个或多个网络实体处使用机器学习算法对模型的训练作为协作学习过程的一部分。17.根据权利要求16所述的协调网络实体(700)，其中，所述请求消息包括用于选择候选网络实体以执行所述协作学习过程的一个或多个标准。18.根据权利要求17所述的协调网络实体，其中，所述一个或多个标准包括以下中的一个或多个：与所述候选网络实体执行所述协作学习过程的能力相关的至少一个主要标准；以及与所述候选网络实体响应查询类型的能力相关的至少一个次要标准。19.根据权利要求15至18中任一项所述的协调网络实体，其中，所述请求消息是第一请求消息，并且还使所述协调网络实体：发送第二...

【专利技术属性】
技术研发人员：卡尔，
申请(专利权)人：瑞典爱立信有限公司，
类型：发明
国别省市：