自智网络全栈部署技术研究与实践

薛飞; 陈彬; 刘静; 梁晓扬; 朱琳; 王凤; 李天; 张靓; 陈贞贞; 李潇

doi:10.11959/j.issn.1000-0801.2023181

您当前的位置：

首页 >

文章列表页 >

自智网络全栈部署技术研究与实践

专题：网络智能化与生成式人工智能 | 更新时间：2024-06-05

- 自智网络全栈部署技术研究与实践
- Research and practice on technologies for full stack deployment of autonomous networks
- 电信科学 2023年39卷第9期页码：63-75
- 作者机构：
  
  1. 中国移动通信集团广东有限公司，广东广州 510632
  2. 中国移动通信有限公司研究院，北京 100053
- 作者简介：
  
  [ "薛飞（1983- ），男，中国移动通信集团广东有限公司高级工程师，主要研究方向为自智网络高阶演进、网络 AI 应用开发和网络AI训练平台等" ]
  [ "陈彬（1980- ），男，现就职于中国移动通信集团广东有限公司，主要研究方向为自智网络高阶演进、网络智能化规划等" ]
  [ "刘静（1991- ），女，现就职于中国移动通信有限公司研究院，主要研究方向为九天网络智能化平台规划和需求管理、MLOps训推一体应用等" ]
  [ "梁晓扬（1984- ），男，现就职于中国移动通信有限公司研究院，主要研究方向为自智网络平台架构、MLOps以及大模型在自智网络领域的应用" ]
  [ "朱琳（1983- ），女，中国移动通信有限公司研究院网络智能化能力及应用产品线CEO、高级工程师，长期从事通信网络智能化理论、算法、关键技术、产品研发及应用落地相关工作" ]
  [ "王凤（1985- ），女，现就职于中国移动通信有限公司研究院，主要研究方向为网络智能化一线综合应用样板间设计、通信网络大模型等" ]
  [ "李天（1981- ），男，现就职于中国移动通信集团广东有限公司，主要研究方向为网络异常检测算法和应用、九天网络智能化平台边缘节点建设、AI能力编织技术等" ]
  [ "张靓（1980- ），女，现就职于中国移动通信集团广东有限公司，主要研究方向为自智网络全栈部署体系、MLOps训推一体" ]
  [ "陈贞贞（1990- ），女，现就职于中国移动通信集团广东有限公司，主要研究方向为自智网络体系架构、自智网络成效评估、MLOps训推一体等" ]
  [ "李潇（1982- ），女，现就职于中国移动通信集团广东有限公司，主要研究方向为自智网络应用开发等" ]
- 基金信息：
- DOI：10.11959/j.issn.1000-0801.2023181
  中图分类号： TN915
- 网络出版日期：2023-08，
  
  纸质出版日期：2023-08-25
- 稿件说明：
移动端阅览
薛飞, 陈彬, 刘静, 等. 自智网络全栈部署技术研究与实践[J]. 电信科学, 2023,39(9):63-75.

Fei XUE, Bin CHEN, Jing LIU, et al. Research and practice on technologies for full stack deployment of autonomous networks[J]. Telecommunications science, 2023, 39(9): 63-75.
薛飞, 陈彬, 刘静, 等. 自智网络全栈部署技术研究与实践[J]. 电信科学, 2023,39(9):63-75. DOI： 10.11959/j.issn.1000-0801.2023181.

Fei XUE, Bin CHEN, Jing LIU, et al. Research and practice on technologies for full stack deployment of autonomous networks[J]. Telecommunications science, 2023, 39(9): 63-75. DOI： 10.11959/j.issn.1000-0801.2023181.

摘要

自智网络通过构建智能化的网络基础设施，实现网络自主管理、自优化和自修复。自智网络分成能力建设和能力部署两个关键阶段，目前业界较少关注能力部署。首先系统研究了自智网络的能力部署阶段，随后介绍自智网络架构，然后提出了 3 项自智网络全栈部署核心技术，最后通过异常检测、智慧机房和设备巡检等案例验证核心技术的有效性。对自智网络能力部署进行了系统探讨，对运营商实施网络智能化转型具有重要的参考价值。

Abstract

Autonomous networks achieve network self management

self optimization

and self repair by building intelligent network infrastructure.Autonomous network was divided into two key stages: AI model building and AI model deployment.However

the industry paid less attention to AI model deployment.The deployment phase of autonomous networks was systematically studied.Firstly

it elaborated on the independent deployment mode and full stack deployment mode of autonomous networks

and pointed out that full stack deployment was the main direction.Secondly

a detailed introduction was given to the full stack architecture with “five layers

dual domains

and four closed-loops”

which achieved full life cycle intelligence through a layered closed-loop design of resources and processes.Then

three core technologies for independent innovation were proposed: AI model training and inference integration to achieve rapid iterative updates of models

AI fabric technology to achieve customized application by rapid construction

and AI model cloud-edge collaborative deployment technology to achieve efficient application.Finally

the effectiveness of these three core technologies was verified through cases such as anomaly detection

smart telecommunication rooms

and equipment inspections.The deployment of autonomous networks was systematically explored

especially in terms of architecture design and core technology innovation

which had important reference value for telecommunication operators’ network digital transformation.

关键词

Keywords

references

TMF . A white paper on autonomous networks [R ] . 2022 .

李爱华 , 吴晓波 , 陈超 , 等 . 5G网络大数据智能分析技术 [J ] . 电信科学 , 2022 , 38 ( 8 ): 129 - 139 .

LI A H , WU X B , CHEN C , et al . Big data intelligent analysis technology for 5G network [J ] . Telecommunications Science , 2022 , 38 ( 8 ): 129 - 139 .

欧阳晔 , 王立磊 , 杨爱东 , 等 . 通信人工智能的下一个十年 [J ] . 电信科学 , 2021 , 37 ( 3 ): 1 - 36 .

OUYANG Y , WANG L L , YANG A D , et al . Next decade of telecommunications artificial intelligence [J ] . Telecommunications Science , 2021 , 37 ( 3 ): 1 - 36 .

李涛 , 王春佳 , 李姗姗 . 电信网络智能化方案研究 [J ] . 电信科学 , 2023 , 39 ( 3 ): 162 - 172 .

LI T , WANG C J , LI S S . Research on intelligent scheme of telecommunication network [J ] . Telecommunications Science , 2023 , 39 ( 3 ): 162 - 172 .

中国联通 . 中国联通自智网络白皮书 [R ] . 2021 .

China Unicom . China Unicom autonomous networks white paper [R ] . 2021 .

中国移动 . 中国移动自动驾驶网络白皮书 [R ] . 2021 .

China Mobile . China Mobile practice on autonomous network white paper [R ] . 2021 .

RAFIQUE D , VELASCO L . Machine learning for network automation:overview,architecture,and applications [J ] . Journal of Optical Communications and Networking , 2018 , 10 ( 10 ): 126 - 143 .

LUO G Y , YUAN Q , LI J L , et al . Artificial intelligence powered mobile networks:from cognition to decision [J ] . IEEE Network , 2021 , 36 ( 3 ): 136 - 144 .

NI J B , LIN X D , SHEN X S . Efficient and secure service-oriented authentication supporting network slicing for 5G-enabled IoT [J ] . IEEE Journal on Selected Areas in Communications , 2018 , 36 ( 3 ): 644 - 657 .

CHEN M Z , CHALLITA U , SAAD W , et al . Machine learning for wireless networks with artificial intelligence:a tutorial on neural networks [J ] . 2017 .

邓灵莉 , 张新鹏 , 顾宁伦 , 等 . 开源与产业研究 [J ] . 电信科学 , 2021 , 37 ( 10 ): 12 - 21 .

DENG L L , ZHANG X P , GU N L , et al . Network intelligence standards,open source and industry research [J ] . Telecommunications Science , 2021 , 37 ( 10 ): 12 - 21 .

KREUZBERGER D , KÜHL N , HIRSCHL S . Machine learning operations (MLOps):overview,definition,and architecture [J ] . IEEE Access , 2022 ( 11 ): 31866 - 31879 .

GARG S , PUNDIR P , RATHEE G , et al . On continuous integration/continuous delivery for automated deployment of machine learning models using MLOps [C ] // Proceedings of 2021 IEEE Fourth International Conference on Artificial Intelligence and Knowledge Engineering (AIKE) . Piscataway:IEEE Press , 2022 : 25 - 28 .

ZHOU Y , YU Y , DING B . Towards MLOps:a case study of ML pipeline platform [C ] // Proceedings of 2020 International Conference on Artificial Intelligence and Computer Engineering (ICAICE) . Piscataway:IEEE Press , 2021 : 494 - 500 .

MARCHETTI N , PRASAD N R , JOHANSSON J , et al . Self-organizing networks:state-of-the-art,challenges and perspectives [C ] // Proceedings of 2010 8th International Conference on Communications . Piscataway:IEEE Press , 2010 : 503 - 508 .

CHEN M , LIU J , LI P , et al . Fabric computing:concepts,opportunities,and challenges [J ] . Innovation (Cambridge (Mass)) , 2022 , 3 ( 6 ): 100340 .

DING Z , PENG Y , SONG H . Cloud-native data fabric for large-scale machine learning [J ] . Frontiers of Computer Science , 2020 , 14 ( 2 ): 353 - 373 .

朱明伟 . 网络智能化中的 AI 工程化技术方案 [J ] . 电信科学 , 2022 , 38 ( 2 ): 157 - 165 .

ZHU M W . AI engineering technology solutions in network intelligence [J ] . Telecommunications Science , 2022 , 38 ( 2 ): 157 - 165 .

王晴天 , 刘洋 , 刘海涛 , 等 . 面向 6G 的网络智能化研究 [J ] . 电信科学 , 2022 , 38 ( 9 ): 151 - 160 .

WANG Q T , LIU Y , LIU H T , et al . Research on network intelligence for 6G [J ] . Telecommunications Science , 2022 , 38 ( 9 ): 151 - 160 .

詹勇 , 吴枫 . 5G 网络自动化:从人工运维到全自治 [J ] . 电信科学 , 2022 , 38 ( 8 ): 140 - 150 .

ZHAN Y , WU F . 5G network automation:from manual operating to full autonomous [J ] . Telecommunications Science , 2022 , 38 ( 8 ): 140 - 150 .

程瑞营 , 张攀 , 肖雨 , 等 . 基于时序数据的云网协同平台人工智能运维体系 [J ] . 电信科学 , 2022 , 38 ( 11 ): 24 - 35 .

CHENG R Y , ZHANG P , XIAO Y , et al . Time series data based AI operation and maintenance system of cloud network collaboration platform [J ] . Telecommunications Science , 2022 , 38 ( 11 ): 24 - 35 .

DAI L L , JIAO R C , ADACHI F , et al . Deep learning for wireless communications:an emerging interdisciplinary paradigm [J ] . IEEE Wireless Communications , 2020 , 27 ( 4 ): 133 - 139 .

杨震 , 赵建军 , 黄勇军 , 等 . 基于网络演进的人工智能技术方向研究 [J ] . 电信科学 , 2022 , 38 ( 12 ): 27 - 34 .

YANG Z , ZHAO J J , HUANG Y J , et al . Study on the direction of artificial intelligence technology based on network evolution [J ] . Telecommunications Science , 2022 , 38 ( 12 ): 27 - 34 .

郭泽华 , 朱昊文 , 徐同文 . 面向分布式机器学习的网络模态创新 [J ] . 电信科学 , 2023 , 39 ( 6 ): 44 - 51 .

GUO Z H , ZHU H W , XU T W . Network modal innovation for distributed machine learning [J ] . Telecommunications Science , 2023 , 39 ( 6 ): 44 - 51 .

张嗣宏 , 张健 . 以 ChatGPT 为代表的生成式 AI 对通信行业的影响和应对思考 [J ] . 电信科学 , 2023 , 39 ( 5 ): 67 - 75 .

ZHANG S H , ZHANG J . Impact and countermeasures of generative AI represented by ChatGPT on the telecom industry [J ] . Telecommunications Science , 2023 , 39 ( 5 ): 67 - 75 .

浏览量

317

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

面向自智网络的OSS智能化能力提升方案

基于网络事件的自智网络探索与应用

基于自智网络的5G业务质量端到端分析方案研究与实践