介绍基于AI实现5G/6G网络自动化的方式

重要信息

欧洲电信标准协会（ETSI）介绍了基于AI实现5G/6G网络自动化的方式。

5G和6G网络有望在重要的时间和地点为人和对象提供几乎无限的Gbps和超可靠的连接，支持在延迟、吞吐量、可靠性、覆盖范围和安全方面具有极其苛刻要求的各种用例、成本目标等。然而，构建一个支持多种新服务的网络，而且要实现所有这些服务都可以立即设置、动态重新配置、扩展和下线，带来很大挑战。

需要前所未有的运营敏捷性，以使服务能够快速部署、动态调整以及持续和无缝地保证——类似于云提供商提供按需托管云服务的方式。

应不断保证网络的性能、覆盖范围和容量，以满足业务的需求。应解决可能对服务产生不利影响的任何故障或服务质量降级。

1、一个指数级复杂的网络

每一项服务都跨越多个技术域，包括云资源、连接性、虚拟和物理网络功能、增强服务和应用程序逻辑。网络包含数十万个功能，每个功能都有多个版本。此外，5G在虚拟化基础架构上运行，并采用完全可编程的软件和微服务方法设计，能够支持各种用例。这使得5G网络的运营和管理变得更加复杂！当我们将分布式云、异构网络、10倍密集的RAN站点、网状网络和集成的多供应商技术添加到组合中时，更多的复杂性就被引入，从而推高时间尺度和成本。5G网络在全球范围内的加速部署推动了网络和服务的创建、编排和管理方式发生根本性变化。向零接触和全面的端到端网络和服务自动化演进已成为管理这种复杂性并以敏捷和速度提供服务的迫切需要，同时适应、确保和保障高度多样化的服务组合的经济可持续性。

最终目标是实现最高程度的自动化（最好是100%），同时实现由高级业务目标和策略驱动的完全自主操作。除了业务意图的初始转换之外，自治网络将能够自我管理和自我组织（配置、修复、保证、优化等），而无需人工干预。

实现这一愿景需要一个新颖的端到端架构框架和为自我管理、近实时闭环自动化而设计并针对数据驱动分析进行优化的促成因素。先进的机器学习算法和人工智能（AI）将成为处理复杂性和多样化服务的重要工具。

2、ETSI ZSM和新规范

ETSI ZSM（零接触网络和服务管理）小组成立于2017年12月，目标是定义面向未来的端到端可操作框架和解决方案以及关键自动化技术，以实现敏捷、高效和定性的管理新兴和未来的网络及服务。

ZSM框架（见图1）是通用的，并且建立在基于服务的原则之上，提供可伸缩性、模块化、可扩展性和灵活性。它支持使用基于意图的接口以将自主权从运营商转移到网络。该框架提供了集成基于AI的功能并实现闭环自动化的功能。

图1  ZSM框架

该框架支持把管理和自动化分离为关注领域或管理域（如无线电接入）和端到端跨域服务管理域。每个管理域负责其范围内的实现和保证过程。关注点的分离允许抽象管理域的复杂性。

ZSM框架支持开放接口以及模型驱动的服务和资源抽象。描述和指定管理域公开的管理服务。该架构允许将运营数据与管理应用程序分开保存，从而能够快速有效地访问管理域内和跨管理域的当前实时管理数据，以支持自动化流程。

该框架旨在实现自适应闭环自动化——在数据监控、数据分析、决策制定和自适应行动之间提供反馈循环（如图2所示），旨在实现并保持一组目标，而无需外部干预。

图2  闭环示例

闭环能够持续优化并适应网络和资源利用以及自动化服务保证和实现。自动决策机制可以受规则和策略的约束。先进的机器学习和人工智能可以赋能闭环操作。

图3  跨业务、服务和网络管理领域的智能、连贯和互连环路

ETSI ZSM 009-1对于闭环自动化使能器指定了“治理”服务，允许闭环的创建、执行和生命周期管理以及相关策略和规则的配置以引导行为。 “治理”服务还支持闭环与外部实体（例如人工操作员）之间的交互，使他们能够监督闭环的运行和性能。随着更多自动化和闭环的部署并开始安全有效地运行，人类信任将增加，对监督和可见性水平的要求将降低。

如图3所示，闭环操作可以在管理域级别实现。闭环操作也可以发生在端到端的服务管理域级别，并且可以跨越多个管理域。多个闭环可以同时运行。

ETSI ZSM 009-1提供了支持闭环之间的协调、授权和升级的功能，同时确保智能、一致和连贯的服务交付。

当它们的操作之间存在依赖关系或它们可能相互干扰时，循环之间的协调是必不可少的。它还可以帮助改善他们的运营并实现他们的目标，例如通过共享不同闭环阶段产生的信息。

该规范还允许在上级和下级闭环之间授权和升级各自的目标。上级闭环可以将各自的目标委托给下级闭环（例如通过设置允许下级闭环自主行动的策略和/或意图）。在某种情况下，下级闭环可以将目标升级到上级闭环（例如在它无法实现分配给它的目标的情况下）。升级和委派支持把管理和自动化分离到不同的自主关注领域（端到端跨域服务操作、管理域），每个领域都负责其范围内的保障和智能自动化。

ZSM小组目前正在推进其意图报告（ETSI ZSM 011）。意图以声明方式表达了自治管理域需要满足和确保的所有操作期望，包括要求、目标和约束。该报告将提出额外的管理功能和服务来支持意图及其生命周期管理，并建议是否可以利用现有的意图模型和语义。它还将建议如何处理相互冲突的意图。研究结果将为新的技术规范提供基础。

该小组还在制定额外的管理功能规范，以在ZSM框架（ETSI ZSM 012）内实现全面的AI操作，确保支持部署多样性。图4介绍了关键的AI推动因素。

图4  AI推动因素

这些推动因素包括以下能力：

①在正确的地点和正确的时间访问正确的数据，同时确保数据的完整性和可信赖性。

②支持多个分布式人工智能应用程序之间的协调，确保一致和整体的操作视图和对其采取行动的手段。人工智能应用程序可以协作学习不同的任务，也可以共同解决一个共同的问题。

③基于AI输出触发动作以支持闭环自动化，同时理解输出对于正确应用决策或建议很重要。

④治理和监督人工智能赋能的运营。人工智能结果必须是可靠的、可衡量的、可解释的和可问责的。人工智能应用程序应遵守适用的法律、法规、道德原则和价值观，并能抵御对抗性威胁和丢失或错误的数据。

ETSI ZSM 008定义了如何管理跨域、端到端服务的生命周期。它描述了端到端服务生命周期（服务启动、实现和保证）中的管理流程，并描述了端到端服务管理域和管理域之间的交互。 ETSI ZSM 003侧重于网络切片管理的端到端方面，支持垂直用例和相关的SLA（服务水平协议）。

3、ZSM信任、安全框架

自动化不仅与技术有关，还需要改变我们的心态。“信任”是采用之的主要障碍，努力建立信任需要一个持续的学习过程。随着越来越多的自动化流程被部署并安全有效地运行，人们对其的信任度将会增加，而对监督和干预水平的要求将会减少。在自动化流程交付预期的业务成果时，拥有原生安全性（如在自适应安全框架、访问控制、可信度和数据保护中）有助于建立信心并灌输信任。

由于框架的开放性，ZSM环境中的威胁面非常广泛。保护域内和跨域的接口和管理服务对于确保框架的可信赖性至关重要。

此外，ZSM服务可以由来自不同行业的新参与者生产和消费，包括政府、汽车制造、能源、交通等。根据自己的部署和执行环境、安全策略和法规，每个参与者可能需要不同的信任级别。这种多样性需要灵活与自适应的安全控制。

此外，ZSM框架利用新兴技术（如AI/ML、数据湖、云等），这些技术引入了新的攻击漏洞并提出了额外的安全要求。例如，有必要确保可信赖性并保护AI/ML算法免受高度复杂、创造性和恶意的攻击，包括滥用、巨魔、数据中毒和模型救援。此外，保护数据、确保其完整性、机密性和可用性以及保护隐私以遵守安全法律和法规至关重要。同时，ZSM框架可以利用这些新兴技术来提高安全管理效率。例如，使用AI/ML授权的分析来触发操作有助于自动化安全监控和对事件的实时响应。

ETSI ZSM 010提供了一项全面的安全研究，可识别和分析潜在的安全威胁并评估相关的风险评分和优先级。该报告提出了缓解选项、对策和安全控制措施，以应对ZSM框架和解决方案面临的威胁和风险。ZSM小组正在努力指定要求和安全功能（ETSI ZSM 014），以支持ZSM框架、管理应用程序和服务的自动安全保证。

端到端自动化是一件“大事”，代表了行业的持续发展历程。AI/ML的使用将逐步发展，需要将来自实际部署的学习反馈到标准化工作中。意图驱动的网络和服务以及切片自动化将是提供零接触、零问题体验并通过隐藏联合电信功能的复杂性来简化自动化的关键要素。

审核编辑：刘清