Керування телекомунікаційними мережами з використанням технологій AI/ML

Abstract

The paper presents the results of research into the current state and new trends in the use of AI/ML in the management of networks and services. The basic technologies that are fundamental for the end-to-end creation of resources and their management are considered. With the help of such technologies, 5G networks can automate resource processing and isolation between logical and physical resources. In this sense, the latest approaches in the RAN domain with an open radio access network (O-RAN) are considered. It also focuses on the relevant controllers based on the European Telecommunications Standards Institute Management and Orchestration (ETSI MANO) stack, and in particular on how the computing resources are handled. This is followed by a review of fundamental ideas and recent trends in data plane programming at the packet level and at the optical switch level, focusing on the transport of network resource management. It also describes the creation of a data pipeline to provide a management stack for net-work monitoring and analytics. The main approaches to the management of various architectural components of the 5G network have been studied. The review notes that the diversity of problems at each architectural level naturally requires different approaches. RAN resource management by detecting user behavior patterns and RAN resource allocation using reinforcement learning (RL) and Q-learning techniques are also considered. Traditional optimization methods and approaches based on artificial intelligence for solving network orchestration problems containing any computing resources are analyzed. SoA methods for achieving slicing of the data plane through isolation of coexisting traffic are given. The extremely important issue of pooling resources and AI methods used to facilitate the implementation of pooling procedures were also considered. The peculiarities of the application of machine learning methods in the network platform, as well as the management of 5G software networks based on ML and QoE evaluation, are considered. This is followed by case studies covering QoE management, VNF deployment, and slice management. The main challenges are identified, how they can be solved and instructions for operators are suggested. ML algorithms used for power management, user scheduling, user association, and spectrum allocation are reviewed

В роботі наведено результати досліджень поточного стану і нових тенденцій застосування AI/ML при керуванні мережами та послугами. Розглянуто базові технології, які є фундаментальними для наскрізного створення ресурсів і керування ними. За допомогою таких технологій мережі 5G можуть автоматизувати обробку ресурсів і ізоляцію між логічними та фізичними ресурсами. У цьому сенсі розглянуто останні підходи в домені RAN з відкритою мережею радіодоступу (O-RAN). Також зосереджено увагу на відповідних контролерах, заснованих на стеку Європейського інституту телекомунікаційних стандартів керування та оркестровки (ETSI MANO), і, зокрема, на тому, як обробляються обчислювальні ресурси. Після чого розглядаються фундаментальні ідеї та останні тенденції програмування площини даних на рівні пакетів і на рівні оптичного перемикання, зосереджуючись на транспорті керування мережними ресурсами. Також описано створення конвеєра даних для забезпечення стека керування мережним моніторингом і аналітикою. Досліджено основні підходи до управління різними архітектурними компонентами мережі 5G. У ході розгляду зазначено, що різноманітність проблем на кожному архітектурному рівні, звичайно, вимагає різних підходів. Також розглянуто керування ресурсами RAN за допомогою виявлення моделей поведінки користувачів і розподілу ресурсів RAN за допомогою методів навчання з підкріпленням (RL) та Q-навчання. Проаналізовано традиційні методи оптимізації та підходи на основі штучного інтелекту для вирішення проблем оркестрування мережі, що містить будь-які обчислювальні ресурси. Наведені методи SoA для досягнення нарізки площини даних через ізоляцію співіснуючого трафіку. Також розгля-нуто надзвичайно важливе питання об’єднання ресурсів і методи ШІ, які використовуються для сприяння реалізації процедур об’єднання. Розглянуто особливості застосування методів машинного навчання в мережній платформі, а також керування програмними мережами 5G на основі ML та оцінювання QoE. Після цього, наведено тематичні дослідження, які охоплюють керування QoE, розгортання VNF і керування зрізами. Визначено основні виклики, запропоновано, як їх можна вирішити та вказівки для операторів. Здійснено огляд алгоритмів ML, які використовуються для керування потужністю, планування користувачів, асоціації користувачів і розподілу спектру