| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2020-11-26 09:55 機械学習を用いた5Gコア網における障害解析モデルの基礎評価 ○河崎純一・毛利元一・鈴木悠祐・大谷朋広（KDDI/KDDI総合研究所）  CQ2020-50 |
|
| 抄録 | （和） | ネットワーク技術の発展により仮想化やスライスを用いて従来よりも柔軟かつ迅速にネットワークを提供することが可能になりつつある．一方で，ネットワークを構成する要素が増大しかつ複雑化するため，これまでのような人手中心のオペレーションではネットワークを安定的に保守・運用するのは難しくなってくる．そこで本稿では，技術革新が進むAI（Artificial Intelligence）を活用したネットワーク運用として，機械学習を用いた障害解析モデルを提案し，5Gコア網を対象とした評価をする．提案手法では，ネットワークの各ノードから収集されるパフォーマンスデータの時間差分を特徴量として抽出し，更にこの差分特徴量の結合処理の有無によって2種類の解析モデルを作成する．これらのモデルについて5つの障害ケースにより解析性能を評価した結果，障害種別によって2つのモデルの精度が異なることを確認した．特に，あるノードにおける障害が他のノードに影響を及ぼすような障害については，特徴量結合型の解析モデルの方が有効であることを確認した． |
| （英） | The advances in network technologies such as network function virtualization (NFV) and network slicing enable flexible and quick integration of networks. However, the operation of networks using these new technologies can be challenging due to a greater number of network elements and their more complex composition. It is difficult to maintain a variety of service level agreements (SLAs) in next-generation networks by the conventional manual-based operation. To address this problem, in this paper, we adopt artificial intelligence (AI) which has been applied in many industries in this decade. We propose network analysis models using machine learning (ML) technology, and evaluate the models in the fifth generation (5G) core network. In our approach, the features for building models are derived from the time difference of the performance data collected from each node, and two types of models are created with the training data sets using the original features and those using the combined features. We evaluate the analysis performance of these two models in five failure cases. The experiment on the test network shows that the performance of the models depends on the failure cases. In particular, the analysis model trained with the combined features presents better results for the cases where a failure in one node causes some impacts in other nodes. | |
| キーワード | （和） | 障害解析 / RCA / 障害分類 / 5Gコア / AI / 機械学習 / / |
| （英） | Failure Analysis / Root Cause Analysis / Fault Classification / 5G Core / Artificial Intelligence / Machine Leearning / / | |
| 文献情報 | 信学技報, vol. 120, no. 258, CQ2020-50, pp. 16-21, 2020年11月. | |
| 資料番号 | CQ2020-50 | |
| 発行日 | 2020-11-19 (CQ) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | CQ2020-50 |
|
| 研究会情報 | |
| 研究会 | NS ICM CQ NV |
| 開催期間 | 2020-11-26 - 2020-11-27 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | ネットワーク品質，ネットワーク計測・管理，ネットワーク仮想化，ネットワークサービス，ブロックチェーン，セキュリティ，ネットワークインテリジェンス・AI，一般 注：NV研究会は発表申込み締切日が異なります。NV研究会への発表申込はこちらからお願いします。 |
| テーマ（英） | Network quality, Network measurement/management, Network virtualization, Network service, Blockchain, Security, Network intelligence, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | CQ |
| 会議コード | 2020-11-NS-ICM-CQ-NV |
| 本文の言語 | 日本語 |
| タイトル（和） | 機械学習を用いた5Gコア網における障害解析モデルの基礎評価 |
| サブタイトル（和） | |
| タイトル（英） | Evaluation of 5GC Network Analysis Models Using Machine Learning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 障害解析 / Failure Analysis |
| キーワード(2)（和/英） | RCA / Root Cause Analysis |
| キーワード(3)（和/英） | 障害分類 / Fault Classification |
| キーワード(4)（和/英） | 5Gコア / 5G Core |
| キーワード(5)（和/英） | AI / Artificial Intelligence |
| キーワード(6)（和/英） | 機械学習 / Machine Leearning |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 河崎 純一 / Junichi Kawasaki / カワサキ ジュンイチ |
| 第1著者 所属（和/英） | KDDI株式会社/株式会社KDDI総合研究所 (略称： KDDI/KDDI総合研究所) KDDI CORPORATION/KDDI RESEARCH INC. (略称： KDDI/KDDI RESEARCH) |
| 第2著者 氏名（和/英/ヨミ） | 毛利 元一 / Genichi Mouri / モウリ ゲンイチ |
| 第2著者 所属（和/英） | KDDI株式会社/株式会社KDDI総合研究所 (略称： KDDI/KDDI総合研究所) KDDI CORPORATION/KDDI RESEARCH INC. (略称： KDDI/KDDI RESEARCH) |
| 第3著者 氏名（和/英/ヨミ） | 鈴木 悠祐 / Yusuke Suzuki / スズキ ユウスケ |
| 第3著者 所属（和/英） | KDDI株式会社/株式会社KDDI総合研究所 (略称： KDDI/KDDI総合研究所) KDDI CORPORATION/KDDI RESEARCH INC. (略称： KDDI/KDDI RESEARCH) |
| 第4著者 氏名（和/英/ヨミ） | 大谷 朋広 / Tomohiro Otani / オオタニ トモヒロ |
| 第4著者 所属（和/英） | KDDI株式会社/株式会社KDDI総合研究所 (略称： KDDI/KDDI総合研究所) KDDI CORPORATION/KDDI RESEARCH INC. (略称： KDDI/KDDI RESEARCH) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2020-11-26 09:55:00 |
| 発表時間 | 25分 |
| 申込先研究会 | CQ |
| 資料番号 | CQ2020-50 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | no.258 |
| ページ範囲 | pp.16-21 |
| ページ数 | 6 |
| 発行日 | 2020-11-19 (CQ) |
[研究会発表申込システムのトップページに戻る]