| 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 | 2023-12-15 09:50 ［奨励講演］5Gコアネットワークにおける機械学習による障害早期検知に寄与する特徴量の分析 ○波木井丈瑠（東大）・宮坂拓也・河崎純一・小山大輝（KDDI総合研究所）・福元徳広・中尾彰宏（東大）  NS2023-141 |
|
| 抄録 | （和） | ネットワーク機能 (NF) をクラウドネイティブで実装するCloud-Native Network Function (CNF) ベース5GCでは，障害原因の特定の遅れにより障害が大規模化してしまう恐れがあるため，障害を早期に検知するための機械学習の利用が進んでいる．eBPFメトリクスは障害予測に寄与すると考えられているが，その膨大な特徴量はモデルの過学習，学習と推論のコストの増加，障害対象の特定の困難化に繋がるという課題がある．本研究の目的は，障害予測精度の向上に寄与するメトリクスを特定し，予測精度を落とさずに使用する特徴量数を最小化することである．本研究では，Wrapper法による特徴量選択で，予測精度を維持したまま最小限の特徴量を選択する手法を提案する．提案手法により，特徴量数を7,207から1,491まで80%削減でき，その時のF1スコアは1.0であり，全てのメトリクスを使った時より102%改善できる．CNFにおける障害検知モデルに関する研究は複数提案されてきたが，我々の提案手法では障害予測に寄与するメトリクスの交互作用を考慮した網羅的な分析という点で新規性がある． |
| （英） | CNF-based 5GC, a cloud-native implementation of network functions (NFs), is increasingly using machine learning for early fault detection because delays in identifying the cause of failures can cause them to escalate. Although eBPF metrics are considered to contribute to fault prediction, their large number of features leads to over-training of models, increasing the cost of learning and inference, and making it difficult to identify fault targets. The objective of this study is to identify metrics that contribute to improving fault prediction accuracy and to minimize the number of features used without compromising prediction accuracy. We propose a feature selection method based on the Wrapper method that minimizes the number of features used while maintaining prediction accuracy.The proposed method reduces the number of features from 7,208 to 1,491 by 80%, with an F1 score of 1.0, which is a 102z% improvement over using all metrics. Our proposed method is novel in that it is an exhaustive analysis that takes into account the interaction of metrics that contribute to failure prediction. | |
| キーワード | （和） | 5G / CNF / コアネットワーク / 機械学習 / eBPF / 障害予測 / / |
| （英） | 5G / CNF / core network / machine learning / eBPF / failure prediction / / | |
| 文献情報 | 信学技報, vol. 123, no. 307, NS2023-141, pp. 90-96, 2023年12月. | |
| 資料番号 | NS2023-141 | |
| 発行日 | 2023-12-07 (NS) | |
| 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 | NS2023-141 |
|
| 研究会情報 | |
| 研究会 | NS RCS |
| 開催期間 | 2023-12-14 - 2023-12-15 |
| 開催地（和） | 九州工業大学 戸畑キャンパス＋オンライン開催 |
| 開催地（英） | Kyushu Institute of Technology Tobata campus, and Online |
| テーマ（和） | マルチホップ／リレー／協調，耐災害無線ネットワーク，センサ・メッシュネットワーク，アドホックネットワーク，D2D・M2M，無線ネットワークコーディング，ハンドオーバ/AP切替/接続セル制御/基地局間負荷分散/モバイルNW動的再構成，QoS・QoE保証，無線VoIP，IoT，エッジコンピューティング，一般 |
| テーマ（英） | Multi-hop/Relay/Cooperation, Disaster-resistant wireless network, Sensor/Mesh network, Ad-hoc network, D2D/M2M, Wireless network coding, Handover/AP switching/Connected cell control/Load balancing among base stations/Mobile network dynamic reconfiguration, QoS/QoE assurance, Wireless VoIP, IoT, Edge computing, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | NS |
| 会議コード | 2023-12-NS-RCS |
| 本文の言語 | 日本語 |
| タイトル（和） | 5Gコアネットワークにおける機械学習による障害早期検知に寄与する特徴量の分析 |
| サブタイトル（和） | |
| タイトル（英） | Analysis of Features Contributing to Early Detection of Failures in 5G Core Networks Using Machine Learning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 5G / 5G |
| キーワード(2)（和/英） | CNF / CNF |
| キーワード(3)（和/英） | コアネットワーク / core network |
| キーワード(4)（和/英） | 機械学習 / machine learning |
| キーワード(5)（和/英） | eBPF / eBPF |
| キーワード(6)（和/英） | 障害予測 / failure prediction |
| 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） | 波木井 丈瑠 / Takeru Hakii / ハキイ タケル |
| 第1著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： UTokyo) |
| 第2著者 氏名（和/英/ヨミ） | 宮坂 拓也 / Takuya Miyasaka / ミヤサカ タクヤ |
| 第2著者 所属（和/英） | KDDI総合研究所 (略称： KDDI総合研究所) KDDI Research, Inc. (略称： KDDI Research, Inc.) |
| 第3著者 氏名（和/英/ヨミ） | 河崎 純一 / Junichi Kawasaki / カワサキ ジュンイチ |
| 第3著者 所属（和/英） | KDDI総合研究所 (略称： KDDI総合研究所) KDDI Research, Inc. (略称： KDDI Research, Inc.) |
| 第4著者 氏名（和/英/ヨミ） | 小山 大輝 / Daiki Koyama / コヤマ ダイキ |
| 第4著者 所属（和/英） | KDDI総合研究所 (略称： KDDI総合研究所) KDDI Research, Inc. (略称： KDDI Research, Inc.) |
| 第5著者 氏名（和/英/ヨミ） | 福元 徳広 / Norihiro Fukumoto / フクモト ノリヒロ |
| 第5著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： UTokyo) |
| 第6著者 氏名（和/英/ヨミ） | 中尾 彰宏 / Akirhiro Nakao / ナカオ アキヒロ |
| 第6著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： UTokyo) |
| 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 | 2023-12-15 09:50:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NS |
| 資料番号 | NS2023-141 |
| 巻番号（vol） | vol.123 |
| 号番号（no） | no.307 |
| ページ範囲 | pp.90-96 |
| ページ数 | 7 |
| 発行日 | 2023-12-07 (NS) |
[研究会発表申込システムのトップページに戻る]