Inteligencia Artificial para el Análisis y Monitorización de Redes de Comunicación 5G (IA2MON-5G)

El objetivo de este proyecto es el desarrollo de diversos algoritmos basados en aprendizaje máquina capaces de integrar trazas de red complejas e información contextual obtenida de fuentes alternativas de datos.

Investigador principal

Raquel Barco Moreno

Sede:

UMA

Tecnología

Machine learning, Big Data

Agentes agregados

Keysight Technologies Spain S.L

Resumen de la propuesta

El objetivo de este proyecto es el desarrollo de diversos algoritmos basados en aprendizaje máquina capaces de integrar trazas de red complejas (incluyendo el plano de señalización radio) e información contextual obtenida de fuentes alternativas de datos. Dichos algoritmos permitirán realizar análisis automatizados con diferentes propósitos de optimización y/o análisis de funcionamiento en la gestión automatizada de redes 5G.

Objetivo del proyecto

Para desplegar y operar redes complejas, escalables y convergentes como las 5G, los operadores necesitarán aumentar la eficiencia, optimizar el rendimiento y automatizar sus procesos de red reduciendo los costos operacionales. Para cubrir estas necesidades, en IA2MON-5G se proponen nuevas técnicas de inteligencia artificial que, combinando el procesado de información de red y contextual permitan una gestión eficiente de recursos de red 5G.

Para ello se generarán bases de datos incorporando datos de monitorización multicapa (incluyendo señalización radio) además de fuentes contextuales que permitan saber dónde y cómo los usuarios se conectan. En base al procesado y análisis de dicha información se generarán modelos de análisis de comportamiento de la red o de los usuarios usando aprendizaje máquina. Estos modelos se podrán integrar en tareas de gestión automatizada de red. Asimismo, los algoritmos de inteligencia artificial propuestos deberán satisfacer baja complejidad y latencia.

Resultados esperados e indicadores

• El principal resultado técnico de este proyecto es un conjunto de algoritmos de monitorización y análisis de red basados en aprendizaje máquina que integren trazas de red multicapa e información contextual de fuentes alternativas.

• Posible integración de la solución en herramienta comercial

• Internacionalización de la colaboración UMA-empresa en inteligencia artificial

Indicadores (esperados hasta el 31/12/2021)

  • Nuevo personal investigador: 1
  • Patentes: -
  • Nº contratos transferencia: 1
  • Congresos: 1
  • Publicaciones indexadas: 1
  • Tesis doctorales: 0

Justificación potencial impacto tecnológico del proyecto TRL

Este proyecto dará como resultado un conjunto de algoritmos de bajo coste computacional para la monitorización y el análisis de fuentes heterogéneas de datos multicapa en redes 5G capaces de generar modelos de interacción e impacto en el rendimiento.

De este modo, se podrán incorporar en una herramienta comercial Keysight que implique la gestión automatizada para operadores de infraestructura 5G.

El resultado del proyecto podrá evaluarse en un entorno real consiguiendo así un TRL de 7.

Avances

Raquel Barco Moreno, Eduardo Baena Martínez y su equipo de investigación, pertenecientes a la Universidad de Málaga, junto con Keysight Technologies Spain SL, como entidad colaboradora, tienen como objetivo principal la evaluación del comportamiento de una red móvil virtualizada en presencia de un Noisy Neighbour. Para ello, se ha considerado la ejecución de las pruebas sobre un “testbed” de la empresa Telenor, localizada en Noruega. La herramienta propuesta para la evaluación del entorno en presencia de un Noisy Neighbor es LoadCore 5G Core (5GC) Testing Software, solución desarrollada por Keysight Technologies Spain SL para permitir la evaluación de las capacidades de la red mediante la simulación de un entorno complejo de usuarios reales. Asimismo, se ha dispuesto del acceso a esta herramienta, desplegada en la red de Keysight, para permitir la ejecución de simulaciones de una red 5G, con el objetivo de realizar un análisis exhaustivo de las métricas (KPIs y KQIs), provistas por la herramienta, y obtener las configuraciones oportunas para su extracción.

En una primera etapa, el proyecto se ha desarrollado en este contexto, donde LoadCore ha supuesto un elemento de aprendizaje y de soporte para el desarrollo de configuraciones destinadas a la prueba de concepto. Aprovechando las capacidades de simulación de la herramienta, se han realizado numerosos tests para la obtención de un “estudio de sensibilidad” de la red, frente a diferentes parámetros de entrada, y la formulación de hipótesis a validar en el entorno real. De forma paralela, se han formalizado los “Test case” a ejecutar en el “testbed” de la empresa Telenor, detallando la metodología de desarrollo de las campañas de medidas.

Además, se han configurado los parámetros de entrada para las diferentes simulaciones, basándose en el conocimiento adquirido a través de la herramienta LoadCore y la aplicación del Diseño de Experimentos (DoE). Este último presenta una gran importancia de cara a la selección de los parámetros óptimos para cada la ejecución de cada tests, pues el número de experimentos se encuentra limitado por el tiempo.

noticia_uma-ceiatech_13