NWDAF habilitado por LLM: Un paso hacia la inteligencia de red 6G nativa de IA

Resumen

La Función de Análisis de Datos de Red (NWDAF) es fundamental para habilitar la gestión de red sin intervención manual en redes de quinta generación (5G) al brindar soporte a análisis en tiempo real y automatización de bucle cerrado. A pesar de su papel crítico, las implementaciones de NWDAF de código abierto siguen siendo limitadas en alcance y accesibilidad. En este artículo, desarrollamos un NWDAF de código abierto, compatible con la red central de código abierto Free5GC, que recopila datos de red mediante suscripciones a Funciones de Red (NF) e incluye además una interfaz integrada de Modelo de Lenguaje Grande (LLM) que permite la interacción en lenguaje natural con operadores humanos. La interfaz procesa las intenciones del usuario, las codifica utilizando un modelo de incrustación semántica y las asigna a una de siete categorías de intenciones predefinidas para desencadenar consultas de análisis o comandos de suscripción a eventos. Esta arquitectura abstrae la complejidad de las interfaces tradicionales, permitiendo que usuarios no expertos gestionen con facilidad los análisis y las suscripciones de red. El sistema admite suscripciones a eventos de la Función de Acceso y Gestión (AMF) y la Función de Gestión de Sesiones (SMF), monitorización en tiempo real y recuperación de análisis a través de Prometheus, todo accesible mediante una interfaz conversacional. Al unir el reconocimiento de intenciones impulsado por IA con el análisis de red estandarizado, nuestra implementación mejora la usabilidad del operador y proporciona una base hacia las redes 6G nativas de IA. El código fuente y los conjuntos de datos generados durante el presente estudio están disponibles en el repositorio de GitHub: https://github.com/HenokDanielbfg/testbed.

English

The Network Data Analytics Function (NWDAF) is central to enabling zero-touch network management in fifth-generation (5G) networks by supporting real-time analytics and closed-loop automation. Despite its critical role, open-source NWDAF implementations remain limited in scope and accessibility. In this paper, we develop an open-source NWDAF, compatible with the open-source core network Free5GC, that collects network data via subscriptions to Network Functions (NFs), and also includes an integrated Large Language Model (LLM) interface that enables natural language interaction with human operators. The interface processes user intents, encodes them using a semantic embedding model, and maps them to one of seven predefined intent categories to trigger analytics queries or event subscription commands. This architecture abstracts the complexity of traditional interfaces, allowing non-expert users to manage network analytics and subscriptions with ease. The system supports Access and Management Function (AMF) and Session Management Function (SMF) event subscriptions, real-time monitoring, and analytics retrieval via Prometheus, all accessible through a conversational interface. By bridging AI-driven intent recognition with standardized network analytics, our implementation enhances operator usability and provides a foundation towards AI-native 6G networks. The source code and datasets generated during the current study are available in the github repository, https://github.com/HenokDanielbfg/testbed.