LLMを活用したNWDAF：AIネイティブな6Gネットワークインテリジェンスへの一歩

要旨

ネットワークデータ分析機能（NWDAF）は、リアルタイム分析とクローズドループ自動化をサポートすることで、第5世代（5G）ネットワークにおけるゼロタッチネットワーク管理を実現する中心的な役割を果たしています。その重要な役割にもかかわらず、オープンソースのNWDAF実装は、その範囲とアクセス性の点で依然として限定的です。本論文では、オープンソースのコアネットワークFree5GCと互換性のあるオープンソースNWDAFを開発します。このNWDAFは、ネットワーク機能（NF）へのサブスクリプションを介してネットワークデータを収集し、さらに、人間のオペレータとの自然言語インタラクションを可能にする統合大規模言語モデル（LLM）インターフェースを備えています。このインターフェースは、ユーザーの意図を処理し、意味埋め込みモデルを用いてエンコードし、7つの事前定義された意図カテゴリのいずれかにマッピングして、分析クエリやイベントサブスクリプションコマンドをトリガします。このアーキテクチャは、従来のインターフェースの複雑さを抽象化し、専門知識のないユーザーでもネットワーク分析とサブスクリプションを簡単に管理できるようにします。本システムは、アクセス管理機能（AMF）およびセッション管理機能（SMF）のイベントサブスクリプション、リアルタイムモニタリング、Prometheusを介した分析結果の取得をサポートしており、これらすべては会話型インターフェースを通じてアクセス可能です。AI駆動の意図認識と標準化されたネットワーク分析を橋渡しすることにより、我々の実装はオペレータのユーザビリティを向上させ、AIネイティブな6Gネットワークへの基盤を提供します。本研究で生成されたソースコードとデータセットは、Githubリポジトリ（https://github.com/HenokDanielbfg/testbed）で公開されています。

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.