NWDAF activé par les LLM : une étape vers l'intelligence réseau 6G native de l'IA

Résumé

La fonction d'analyse des données réseau (NWDAF) est essentielle pour permettre une gestion réseau zéro-touch dans les réseaux de cinquième génération (5G) en prenant en charge l'analyse en temps réel et l'automatisation en boucle fermée. Malgré son rôle critique, les implémentations open-source de la NWDAF restent limitées en termes de portée et d'accessibilité. Dans cet article, nous développons une NWDAF open-source, compatible avec le cœur de réseau open-source Free5GC, qui collecte des données réseau via des souscriptions aux Fonctions Réseau (NF), et inclut également une interface intégrée pour Grand Modèle de Langage (LLM) permettant une interaction en langage naturel avec les opérateurs humains. L'interface traite les intentions des utilisateurs, les encode à l'aide d'un modèle d'embedding sémantique, et les associe à l'une des sept catégories d'intention prédéfinies pour déclencher des requêtes d'analyse ou des commandes d'abonnement aux événements. Cette architecture abstrait la complexité des interfaces traditionnelles, permettant aux utilisateurs non experts de gérer facilement les analyses réseau et les abonnements. Le système prend en charge les abonnements aux événements de la Fonction d'Accès et de Gestion (AMF) et de la Fonction de Gestion de Session (SMF), la surveillance en temps réel et la récupération d'analyses via Prometheus, le tout accessible par une interface conversationnelle. En faisant le pont entre la reconnaissance d'intention pilotée par l'IA et les analyses réseau normalisées, notre implémentation améliore l'utilisabilité pour l'opérateur et fournit une base pour les réseaux 6G natifs de l'IA. Les codes sources et les ensembles de données générés au cours de la présente étude sont disponibles dans le dépôt 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.