LLM 기반 NWDAF: AI-네이티브 6G 네트워크 지능을 향한 한 걸음

초록

네트워크 데이터 분석 기능(NWDAF)은 실시간 분석 및 폐쇄 루프 자동화를 지원함으로써 5세대(5G) 네트워크에서 제로터치 네트워크 관리를 가능하게 하는 핵심 요소이다. 이러한 중요한 역할에도 불구하고, 오픈소스 NWDAF 구현은 범위와 접근성에서 여전히 제한적이다. 본 논문에서는 오픈소스 코어 네트워크인 Free5GC와 호환되는 오픈소스 NWDAF를 개발한다. 이 NWDAF는 네트워크 기능(NF)에 대한 구독을 통해 네트워크 데이터를 수집하며, 인간 운영자와의 자연어 상호작용을 가능하게 하는 통합 대규모 언어 모델(LLM) 인터페이스를 포함한다. 이 인터페이스는 사용자 의도를 처리하고, 의미 임베딩 모델을 사용하여 이를 인코딩한 후, 분석 질의 또는 이벤트 구독 명령을 실행하기 위해 7개의 사전 정의된 의도 범주 중 하나에 매핑한다. 이 아키텍처는 기존 인터페이스의 복잡성을 추상화하여 비전문가 사용자도 네트워크 분석 및 구독을 쉽게 관리할 수 있도록 한다. 시스템은 접속 및 관리 기능(AMF) 및 세션 관리 기능(SMF) 이벤트 구독, 실시간 모니터링, Prometheus를 통한 분석 검색을 지원하며, 이 모든 기능은 대화형 인터페이스를 통해 접근 가능하다. AI 기반 의도 인식과 표준화된 네트워크 분석을 연결함으로써, 우리의 구현은 운영자 사용성을 향상시키고 AI 네이티브 6G 네트워크를 위한 기반을 제공한다. 현재 연구에서 생성된 소스 코드와 데이터셋은 GitHub 저장소(https://github.com/HenokDanielbfg/testbed)에서 확인할 수 있다.

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.