Page 36 - 网络电信2022年9/10月刊
P. 36

解   决  方  案

            这些问题也制约着人工智能在网络智能管控中的应用[22]。因                            在未来的B5G/6G网络中，需要AI计算单元通过分布式的协
            此，需要在完善现有人工智能能力的基础上，提出自适应的                           作来完成对应的网络管理和控制。因此AI计算单元的部署成为
            B5G/6G边缘网络智能管控架构。                                    了必须要考虑的问题。分布式AI通过并行训练过程利用网络中
                                                                 分布式的通信、计算和存储资源，并选择联邦学习等方式拆分
                                                                          [9]
                三.基于人工智能的管理控制架构                                  数据和模型 。因此，AI计算单元不仅仅是单一的功能部署，
                为了实现对网络的智能管控，首先需要构建面向B5G/6G的                     还需要依据任务的要求，自动完成相应任务的卸载和分解，以
            网络资源模型，进一步，提出网络智能管控的功能范畴，进而                          通过智能协作高效快速地完成相应的功能。
            确定人工智能计算单元的部署方式。最后，为了实现网络管控                              此外，边缘的AI部署需要解决如下挑战：1）高效训练不
            的自主化，需要实现意图驱动的网络资源自主调度。具体的网                          均匀地分布在基站或移动设备等边缘节点上的大量数据；2）每
            络管控架构构建过程如下。                                         个边缘设备仅可以访问一小部分数据，并且计算和存储能力有
                1. 边缘网络的资源模型构建方法                                 限；3）网络数据的快速抽象，清理和降维              [23] 。
                为了实现网络的智能管控，首先要面向6G网络通信、计                            最后，分布式的AI计算单元部署后形成对应的智能管控平
            算、存储资源融合特征，通过多维信息感知完成对应的资源建                          台。该平台将由具有不同处理能力的各种类型的节点和基础结
            模。面向未来B5G/6G的智能化管控需求，可分别面向静态资源                       构组成，这些节点或基础结构是边缘节点，例如，工业或企业
            信息和动态资源信息，采用基于管理信息模型的静态建模方法                          节点、智能城市服务器、智能家庭服务器、客户房屋设备或网
            和基于知识图谱的动态建模方法来构建对应的管理信息模型。                          络服务节点（例如，小型数据中心、应用程序服务器、内容交
                （1）基于管理信息模型的静态建模方法                               付和数据存储节点）等，协作来完成对应的任务。
                各大标准化组织都提出了各自的管理信息模型定义方法学                            4. 意图驱动的网络资源自主调度
            来指导信息模型的定义过程和描述方法，典型的方法包括ITU-T                           基于之前的需求分析可知，未来6G网络需要实现人机物
            的UTRAD方法、3GPP的集成参考点方法、TMF的MTNM方法。针对                  的无缝融合和感知，需要实现人的五感和意图的抽象和表达，
            未来边缘网络的静态资源信息，可以自主选择上述建模方法，                          实现从意图到机器可识别的操作的转换。意图驱动网络（IDN,
            构建包含传输资源模型、无线资源模型、天地一体化网络模型                          Intent-Driven  Network）是一项新兴的网络技术，可以根据用
            和虚拟化资源模型等不同网络模型的资源库。                                 户的意图自动进行转换、验证、部署、配置和优化，以达到目
                （2）基于知识图谱的动态建模方法                                 标网络状态，提供自动化、高可靠和闭环优化的网络服务                    [12] 。
                随着网络结构的不断复杂化，需要完成对网络态势的感知                            基于用户的意图转义结果，边缘网络要自主依据网络的
            和表达，知识图谱是一种可行的表达方式，以图结构表示客观                          状态，智能调度无线侧网络计算、通信、存储等资源，面向配
            世界的事物及其关系。知识图谱的构建主要包括知识抽取、知                          置、优化、故障等不同的管理功能，自主选择合适的人工智能
            识融合和知识推理三个步骤，其中知识抽取包括目标实体、对                          模型，提出资源融合的动态决策推演机制，实现网络的灵活编
            应关系以及属性三个要素。基于知识图谱构建边缘网络资源模                          排和资源弹性利用，不断优化网络资源的适配与管理，持续改
            型的方法包括数据感知、数据库构建、场景抽象等过程，实现                          善网络服务质量。进而，通过构建面向服务特征-用户特性-网
            不同业务场景驱动的知识库模型。                                      络环境的质量评估机制，适应网络的高度弹性变化，保证认知
                2. 网络智能管理控制的功能分析                                 过程和学习的自演进，使未来B5G/6G网络自主地认知网络环境
                作为面向网络层和应用层的功能，未来的B5G/6G边缘网络                     变化以及服务特性。
            智能管控将需要依据网络管控功能的不同需求和目标，自主选
            择不同类型的人工智能模型来完成不同类型的管控功能。对应                           图2 应急通信场景下网络智能服务实例
            于经典网络管理的功能域，B5G/6G边缘网络的管控功能主要包
            括如下五个方面：
                （1）配置管理，包括边缘网络配置合理性分析、无线网络
            配置等功能。
                （2）性能管理，包括性能门限管理、性能劣化分析、性能
            优化等功能。
                （3）计费管理，包括计费合理性分析、计算调整等功能。
                （4）故障管理，包括异常检测、故障定位、故障修复等功
            能。
                （5）安全管理，包括网络风险预测、网络安全防护等功
            能。
                此外，还需要支撑业务管理、用户管理、网络拓扑管理等
            辅助的管理功能。
                3. 人工智能计算单元的部署和协作方法



            62                                        网络电信 二零二二年九，十月
   31   32   33   34   35   36   37   38   39   40   41