CN113133087B - 针对终端设备配置网络切片的方法及装置 - Google Patents

Abstract

本发明公开了一种针对终端设备配置网络切片的方法及装置，方法包括：获取终端设备发送的附着请求中包含的应用标识以及对应于该应用标识的切片需求属性信息；获取实时可用网络切片的切片配置信息以及实时性能信息；将附着请求中包含的对应于该应用标识的切片需求属性信息、实时可用网络切片的切片配置信息以及实时性能信息输入预设的切片选择模型，根据切片选择模型的输出结果确定各个实时可用网络切片对应于该应用标识的匹配度分值；根据各个实时可用网络切片对应于该应用标识的匹配度分值，选择目标网络切片，将目标网络切片反馈给终端设备。该方式克服了人工选择的弊端，提升网络切片的匹配度。

Description

针对终端设备配置网络切片的方法及装置

技术领域

本发明涉及互联网技术领域，具体涉及一种针对终端设备配置网络切片的方法及装置。

背景技术

在目前的3GPP的标准方案中，运营商会给终端预配置网络切片选择策略(networkslice selection policy，NSSP)，终端即用户设备(user equipment，UE)。NSSP可以是运营商配置给UE，如保存在用户识别卡(Subscriber Identify Module，SIM)的方式，也可以是终端设备出厂时预配置，还可以是应用在安装时配置在UE上的。预配置的NSSP由一个或者多个规则(rule)组成，每个规则关联一个第三方应用程序(application，App)到一个单一网络切片选择信息(single network slice selection information，S-NSSAI)。UE需要使用某个App时，根据NSSP的规则映射出相应的S-NSSAI，并在S-NSSAI对应的网络切片建立协议数据单元(protocol data unit，PDU)会话。表1示出了一种形式的映射规则：

表1

NSSP规则1	应用A	S-NSSAI 2
			NSSP规则2	应用B	S-NSSAI 2
NSSP规则3	应用C	S-NSSAI 3
			NSSP规则4	应用D	S-NSSAI 4

现有技术中，网络切片选择策略需要预先人为设定，更新规则也较为单一，更新缓慢，不够灵活快速，无法满足UE对网络切片的多样化需求。例如，5G切片选择依赖于人为定义切片优先级和权重、或者人为预设置切片选择策略的方式，来实现网络切片的选择，但网络切片的状态、以及终端应用需求是会发生变化的，这就需要不断的对选择策略进行更新。同时随着行业用户需求的增大、网络中可用切片的数量增多，通过人为定义优先级或选择策略来进行选择已不够精确。现有的5G针对终端设备配置网络切片的装置及方法存在一定的缺陷：当终端驻留在NR网络需要进行语音业务时，装置仅根据测量回来的LTE小区信号强弱来选择EPC FB回落小区，若遇到所接入的小区存在拥塞、告警等问题时，便会造成语音呼叫失败。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的针对终端设备配置网络切片的方法及装置。

根据本发明的一个方面，提供了一种针对终端设备配置网络切片的方法，包括：

获取终端设备发送的附着请求中包含的应用标识以及对应于该应用标识的切片需求属性信息；

获取实时可用网络切片的切片配置信息以及实时可用网络切片的实时性能信息；

将所述附着请求中包含的对应于该应用标识的切片需求属性信息、所述实时可用网络切片的切片配置信息以及实时可用网络切片的实时性能信息输入预设的切片选择模型，根据所述切片选择模型的输出结果确定各个实时可用网络切片对应于该应用标识的匹配度分值；

根据各个实时可用网络切片对应于该应用标识的匹配度分值，动态选择一个实时可用网络切片作为目标网络切片，将所述目标网络切片反馈给所述终端设备。

根据本发明的另一方面，提供了一种针对终端设备配置网络切片的装置，包括：

应用需求获取模块，适于获取终端设备发送的附着请求中包含的应用标识以及对应于该应用标识的切片需求属性信息；

切片信息获取模块，适于获取实时可用网络切片的切片配置信息以及实时可用网络切片的实时性能信息；

确定模块，适于将所述附着请求中包含的对应于该应用标识的切片需求属性信息、所述实时可用网络切片的切片配置信息以及实时可用网络切片的实时性能信息输入预设的切片选择模型，根据所述切片选择模型的输出结果确定各个实时可用网络切片对应于该应用标识的匹配度分值；

选择模块，适于根据各个实时可用网络切片对应于该应用标识的匹配度分值，动态选择一个实时可用网络切片作为目标网络切片，将所述目标网络切片反馈给所述终端设备。

根据本发明的又一方面，提供了一种电子设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述针对终端设备配置网络切片的方法对应的操作。

根据本发明的再一方面，提供了一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述针对终端设备配置网络切片的方法对应的操作。

在本发明所提供的针对终端设备配置网络切片的方法及装置中，获取终端设备发送的附着请求中包含的应用标识以及对应于该应用标识的切片需求属性信息，并且，获取实时可用网络切片的切片配置信息以及实时可用网络切片的实时性能信息，将附着请求中包含的对应于该应用标识的切片需求属性信息、实时可用网络切片的切片配置信息以及实时可用网络切片的实时性能信息输入预设的切片选择模型，根据切片选择模型的输出结果确定各个实时可用网络切片对应于该应用标识的匹配度分值，从而根据匹配度分值动态选择一个实时可用网络切片作为目标网络切片反馈给终端设备。由此可见，该方式能够根据切片选择模型动态选择匹配的目标网络切片，从而克服人工选择的弊端，提升网络切片的匹配度。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了根据本发明一个实施例的针对终端设备配置网络切片的方法的流程示意图；

图2示出了根据本发明另一个实施例的针对终端设备配置网络切片的方法的流程示意图；

图3示出了根据本发明又一个实施例的针对终端设备配置网络切片的装置的结构示意图；

图4示出了根据本发明的一种电子设备的结构示意图；

图5示出了本发明一个示例的系统架构的结构示意图；

图6示出了用户设备通过接入网选择网络切片的示意图；

图7示出了本示例提供的切片选择方法的具体流程图；

图8示出了本发明提供的深度神经网络模型的示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

图1示出了根据本发明一个实施例的针对终端设备配置网络切片的方法的流程示意图，如图1所示，该方法包括：

步骤S110：获取终端设备发送的附着请求中包含的应用标识以及对应于该应用标识的切片需求属性信息。

具体地，当终端设备需要接入网络切片时，需要向接入网发送附着请求，该附着请求中包含待接入的网络应用的应用标识以及对应于该应用标识的切片需求属性信息。该切片需求属性信息根据待接入的网络应用的应用类型、应用功能等因素确定，用于限定适用于该网络应用的网络切片的属性信息。

步骤S120：获取实时可用网络切片的切片配置信息以及实时可用网络切片的实时性能信息。

实时可用网络切片即为当前时间处于可用状态的网络切片。具体地，获取实时可用网络切片的切片配置信息以及实时性能信息。其中，切片配置信息以及实时性能信息用于反映各个网络切片的配置情况以及网络性能。

步骤S130：将附着请求中包含的对应于该应用标识的切片需求属性信息、实时可用网络切片的切片配置信息以及实时可用网络切片的实时性能信息输入预设的切片选择模型，根据切片选择模型的输出结果确定各个实时可用网络切片对应于该应用标识的匹配度分值。

具体地，预设的切片选择模型用于预测切片需求属性信息以及实时可用网络切片的切片配置信息以及实时可用网络切片的实时性能信息之间的匹配关系，相应的，通过将附着请求中包含的对应于该应用标识的切片需求属性信息、实时可用网络切片的切片配置信息以及实时可用网络切片的实时性能信息输入预设的切片选择模型，能够得到各个实时可用网络切片对应于该应用标识的匹配度分值。

步骤S140：根据各个实时可用网络切片对应于该应用标识的匹配度分值，动态选择一个实时可用网络切片作为目标网络切片，将目标网络切片反馈给终端设备。

其中，匹配度分值用于表明实时可用网络切片与目标应用之间的匹配程度，若匹配度分值越高，则说明实时可用网络切片与目标应用越匹配。相应的，根据各个实时可用网络切片对应于该应用标识的匹配度分值，能够动态选择一个分值较高的实时可用网络切片作为目标网络切片，从而使终端设备接入该目标网络切片。

由此可见，在本发明所提供的针对终端设备配置网络切片的方法中，获取终端设备发送的附着请求中包含的应用标识以及对应于该应用标识的切片需求属性信息，并且，获取实时可用网络切片的切片配置信息以及实时可用网络切片的实时性能信息，将附着请求中包含的对应于该应用标识的切片需求属性信息、实时可用网络切片的切片配置信息以及实时可用网络切片的实时性能信息输入预设的切片选择模型，根据切片选择模型的输出结果确定各个实时可用网络切片对应于该应用标识的匹配度分值，从而根据匹配度分值动态选择一个实时可用网络切片作为目标网络切片反馈给终端设备。由此可见，该方式能够根据切片选择模型动态选择匹配的目标网络切片，从而克服人工选择的弊端，提升网络切片的匹配度。

图2示出了根据本发明另一个实施例的针对终端设备配置网络切片的方法的流程示意图。如图2所示，该方法包括：

步骤S200：根据各个终端应用的切片需求属性信息以及历史可用网络切片的切片配置信息以及历史可用网络切片的历史性能信息，生成预设的切片选择模型。

具体地，获取各个终端应用的切片需求属性信息，获取历史可用网络切片的切片配置信息以及历史可用网络切片的历史性能信息；根据各个终端应用与历史可用网络切片之间的对应关系生成样本数据集；针对样本数据集进行训练，根据训练结果得到预设的切片选择模型。

其中，在本实施例中，网络切片为5G网络切片；并且，切片选择模型为包含一个输入层以及多个隐藏层的深度神经网络模型。

步骤S210：获取终端设备发送的附着请求中包含的应用标识以及对应于该应用标识的切片需求属性信息。

具体地，当终端设备需要接入网络切片时，需要向接入网发送附着请求，该附着请求中包含待接入的网络应用的应用标识以及对应于该应用标识的切片需求属性信息。该切片需求属性信息根据待接入的网络应用的应用类型、应用功能等因素确定，用于限定适用于该网络应用的网络切片的属性信息。

其中，对应于该应用标识的切片需求属性信息包括以下中的至少一项：业务特征信息、时延信息、吞吐率、丢包率、掉话率、可靠性、服务范围、用户规模、网络属性信息、以及接入方式信息。

步骤S220：获取实时可用网络切片的切片配置信息以及实时可用网络切片的实时性能信息。

实时可用网络切片即为当前时间处于可用状态的网络切片。具体地，获取实时可用网络切片的切片配置信息以及实时性能信息。其中，切片配置信息以及实时性能信息用于反映各个网络切片的配置情况以及网络性能。

其中，实时可用网络切片的切片配置信息包括以下中的至少一项：资源配置信息、最大支持小区数、最大吞吐量、最大连接用户数、单基站最大数据无线承载、上下行比例、扇区个数、频谱效率、流量占比、接入层带宽、汇聚层带宽、核心层带宽、承载网时延、单跳平均时延、设备转发时延、时间同步要求、核心网组网模式、设备性能信息；实时可用网络切片的实时性能信息包括以下中的至少一项：包含虚拟化存储资源利用率、虚拟化网络资源利用率、虚拟化计算资源利用率、网络及网络切片实例注册用户数、5G网络端到端时延、无线接入网传输时延、核心网传输时延、传输网传输时延、网络切片实例上行吞吐量、网络切片实例下行吞吐量。

步骤S230：将附着请求中包含的对应于该应用标识的切片需求属性信息、实时可用网络切片的切片配置信息以及实时可用网络切片的实时性能信息输入预设的切片选择模型，根据切片选择模型的输出结果确定各个实时可用网络切片对应于该应用标识的匹配度分值。

具体地，预设的切片选择模型用于预测切片需求属性信息以及实时可用网络切片的切片配置信息以及实时可用网络切片的实时性能信息之间的匹配关系，相应的，通过将附着请求中包含的对应于该应用标识的切片需求属性信息、实时可用网络切片的切片配置信息以及实时可用网络切片的实时性能信息输入预设的切片选择模型，能够得到各个实时可用网络切片对应于该应用标识的匹配度分值。

具体实施时，首先针对附着请求中包含的对应于该应用标识的切片需求属性信息、实时可用网络切片的切片配置信息以及实时可用网络切片的实时性能信息进行归一化处理，并将归一化处理后的各项信息输入预设的切片选择模型。

步骤S240：根据各个实时可用网络切片对应于该应用标识的匹配度分值，动态选择一个实时可用网络切片作为目标网络切片，将目标网络切片反馈给终端设备。

其中，匹配度分值用于表明实时可用网络切片与目标应用之间的匹配程度，若匹配度分值越高，则说明实时可用网络切片与目标应用越匹配。相应的，根据各个实时可用网络切片对应于该应用标识的匹配度分值，能够动态选择一个分值较高的实时可用网络切片作为目标网络切片，从而使终端设备接入该目标网络切片。

具体实施时，判断是否存在匹配度分值大于预设匹配度阈值的实时可用网络切片；若是，从匹配度分值大于预设匹配度阈值的实时可用网络切片中选择匹配度分值最高的实时可用网络切片作为目标网络切片；若否，则触发新建切片请求，以根据新建的网络切片选择目标网络切片。

步骤S250：将目标网络切片与所述应用标识之间的对应关系存储到切片选择策略表中。

其中，切片选择策略表用于存储各个目标网络切片与应用标识之间的对应关系，以便于在后续的切片选择过程中直接根据该切片选择策略表进行选择。相应的，在动态选择一个实时可用网络切片作为目标网络切片时，进一步结合切片选择策略表动态选择一个实时可用网络切片作为目标网络切片。

为了便于理解，接下来以一个具体示例为例详细描述本发明提供的针对终端设备配置网络切片的方法的实现细节：

本示例中的切片选择模型为深度神经网络模型，网络切片为5G切片。具体地，为改进目前5G切片选择策略更新不够灵活、快速的问题，本发明使用深度学习框架搭建深度神经网络模型，该模型通过深度神经网络自动抽取出终端应用和网络切片之间的对应关系。当终端应用向接入网发起附着请求时，请求消息携带的切片SLA需求信息(该切片SLA需求信息即为上文提到的切片需求属性信息)经接入网传递给NSSF网络切片选择功能，NSSF将该终端应用SLA(Service level Agreement,服务等级协议)需求信息、当前可用切片的配置信息、当前可用切片KPI性能信息输入至数据预处理模块，对数据进行归一化处理；数据归一化处理完毕后，将三者数据拼接后输入至切片选择模型，模型由预先训练好的深度神经网络权重构成，自动预测出可用网络切片中的每一个切片对于终端应用SLA需求符合度评分；最终并将最优切片标识S-NSSAI输入至网络切片选择策略更新模块，更新切片与应用的对应关系，同时将所选择的切片标识反馈给终端应用。从而在可用网络切片中动态选择最符合应用条件的网络切片，实现5G切片选择策略的自学习和自更新。

其中，网络切片(Network Slice)是端到端的逻辑功能和其所需的物理或虚拟资源集合，包括接入网、传输网、核心网等，网络切片可认为是5G网络中的虚拟化“专网”；网络切片基于NFV的统一基础设施构建，实现低成本高效运营。网络切片技术可以实现通信网络的逻辑隔离，允许在每个网络切片中配置和重用网络元件及功能以满足特定的行业应用需求。

图5示出了用于实现本示例的系统架构的结构示意图。如图5所示，该系统架构主要包括以下部分：

CSMF：通信服务管理功能，完成用户业务通信服务的需求订购和处理，将通信服务需求转换为对NSMF的网络切片需求。

NSMF：网络切片管理功能，接收从CSMF下发的网络切片部署请求，将网络切片的SLA需求分解为网络子切片的SLA需求，向NSSMF下发网络子切片部署请求。

NSSMF：网络切片子网管理功能，接收从NSMF下发的网络切片子网部署需求，将网络切片子网的SLA需求映射为网络服务的QoS需求，向ETSI NFV域的NFVO系统下发网络服务的部署请求。

NFVO(NFV Orchestrator)：网络功能虚拟化编排功能，负责网络服务NS(NetworkService)的编排和管理，将NSSMF下发的网络服务需求转换为包含的各个网络功能的需求，向VNFM系统下发VNF的部署请求。

NSSP中包含应用与业务或切片类型(Service/Slice Type，SST)之间的映射关系。当应用启动时，UE利用NSSP将该应用映射为某个SST。如果目前已有的PDU会话能够支持该SST时，UE将应用的数据流通过该PDU会话发送。如果当前没有PDU会话能够支持该SST，那么UE发起新的PDU会话建立请求，并携带该SST。但实际应用过程中，网络切片的状态会发生变化，UE侧配置的SST并不是一成不变的，会被网络侧更新。在目前3GPP标准讨论的接入流程中，UE在附着(Attach)消息中提供已配置(Configured)SST。

UE在NAS/RRC信令中携带切片选择协助信息。网络切片选择协助信息(singlenetwork slice selection information,S-NSSAI)即切片ID，标识特定的网络切片。每个S-NSSAI由切片服务类型标识(Slice/Service Type，SST)和切片细分标识(SliceDifferentiator，SD)组成。签约数据库中存储终端签约的网络切片信息(SubscribedNSSAI)。

为了管理端到端切片，引入独立的网络切片选择功能(Network Slice SelectionFunction,NSSF)，为PLMN级别的网元，实现网络切片的灵活选择。每个电信VNF从RAN开始都必须有新的逻辑实体名称NSSF以确保切片请求能够映射到相应切片中，并且保障端到端传送的一致性。本方案提出的切片选择策略自更新方法将使NSSF实现切片灵活选择。

图6示出了用户设备UE A以及用户设备UE B通过接入网选择网络切片的示意图。其中，UE可以包括具有无线通信功能的手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其它处理设备，以及各种形式的移动台(Mobile station,简称MS)、终端(terminal)、终端设备(Terminal Equipment)、物联网设备等等。为方便描述，本申请中简称为用户设备或UE。

图7示出了本示例提供的切片选择方法的具体流程图，如图7所示，具体流程如下：

步骤一：UE终端应用发送附着请求给接入网(Access Network),请求消息中包含该终端应用的切片SLA需求信息；

步骤二：接入网将附着请求消息传递给NSSF网络切片选择功能，并将请求消息中携带的SLA需求信息存入NSSF中的终端应用SLA需求存储模块。同时NSSF从NSMF网络切片管理功能中获取可用切片的配置信息和当前可用切片的KPI性能信息，分别存入NSSF中的可用切片配置存储模块和可用切片KPI性能存储模块；

步骤三：将三个存储模块中的该终端应用SLA需求信息、当前可用切片的配置信息、当前可用切片KPI性能信息输入至NSSF中的数据预处理模块，对数据进行归一化处理；

步骤四：数据归一化处理完毕后，将三者数据拼接后输入至切片选择模型，模型由预先训练好的深度神经网络权重构成，自动预测出可用网络切片中的每一个切片对于终端应用的SLA需求符合度评分；

步骤五：若评分中有大于等于T(T为预先设置的切片匹配度评分阈值)的切片，则取所有评分中最高的切片作为最优切片，并将最优切片标识S-NSSAI输入至网络切片选择策略更新模块，更新切片与应用的对应关系，同时将所选择的切片标识反馈给终端应用；若评分中无大于等于T的切片，则向CSMF发起新建切片流程。

其中，模型实现流程主要分为以下两个步骤：

步骤一：数据预处理。从CSMF(通信服务管理功能)中获取历史终端应用SLA需求信息，从NSMF(网络切片管理功能)中获取历史可用网络切片的配置信息以及可用网络切片的KPI性能信息，对每一对数据的匹配度进行专家评分，并对数据进行归一化处理。

步骤二：模型搭建及训练。使用深度学习框架搭建深度神经网络模型，将经预处理后的历史终端应用SLA需求信息、可用网络切片的配置信息(即可用网络切片的切片配置信息)以及KPI性能信息(即可用网络切片的实时性能信息)进行拼接后输入至模型，模型通过深度神经网络提取向量特征，自动抽取出应用和可用网络切片之间的对应关系，最终输出预测的应用和可用网络切片的匹配度评分(即匹配度分值)；

下面针对数据预处理的过程加以详细介绍：

具体地，从CSMF(通信服务管理功能)中获取历史终端应用SLA需求信息，从NSMF(网络切片管理功能)中获取历史可用网络切片的配置信息以及可用网络切片的KPI性能信息，对每一对数据的匹配度进行专家评分，并对数据进行归一化处理，从而形成模型的总数据集，并将其中的70％作为训练集，剩余的30％作为测试集。总数据集分为三个部分：

(1)切片SLA(Service level Agreement,服务等级协议)用户需求属性信息(共计N个维度)：业务特征(业务类型、空口需求、定制化网络功能等)、时延(例如小于5ms)、吞吐率、丢包率、掉话率、可靠性(例如99.999％)、服务范围、用户规模、隔离性(例如强、中、弱)、安全性(例如强、中、弱)、网络能力(大连接、低时延、高带宽)、接入方式、max TP/site(例如5Gbps)；

(2)可用网络切片的配置信息(包括无线、传输、核心网的资源配置，共计M个维度)：

无线：最大支持小区数、最大吞吐量(DL+UL)、最大RRC连接用户数、单gNodeB最大数据无线承载、上下行比例、扇区个数、频谱效率、Xn流量占比；

传输：接入层带宽、汇聚层带宽、核心层带宽、承载网时延、单跳平均时延、设备转发时延、时间同步要求(例如350ns)；

核心网：组网模式(SA/NSA)、虚机CPU、内存、存储。

(3)可用网络切片的实时KPI性能信息(共计L个维度)：包含虚拟化存储资源利用率、虚拟化网络资源利用率、虚拟化计算资源利用率、网络及网络切片实例注册用户数、5G网络端到端时延、无线接入网传输时延、核心网传输时延、传输网传输时延、网络切片实例上行吞吐量、网络切片实例下行吞吐量等；

对数值化数据做归一化：归一化是指将数据按比例缩放，将数据统一映射到[0,1]的范围内，将数据缩放至给定的最小值与最大值之间，通常是0与1之间。归一化后将提升模型的收敛速度、提升模型的精度。

具体地，归一化过程可通过如下公式实现：

X_std＝(X-X.min(axis＝0))/(X.max(axis＝0)-X.min(axis＝0))

其中，该公式对应的含义如下：归一化后的属性值＝(归一化前的属性值-该属性中的最小值)/(该属性中的最大值-该属性中的最小值)。即，X_std表示归一化后的属性值，X表示归一化前的属性值，X.max表示该属性中的最大值，X.min表示该属性中的最小值。

接下来，详细介绍搭建并训练模型的过程：

本发明设计的深度神经网络包含：1个输入层、6个隐藏层(3个全连接层和3个dropout层)、1个输出层。输入层接收经预处理后的历史终端应用SLA需求信息、可用网络切片的配置信息以及KPI性能信息，输出层含有1个神经元，输出预测的应用和可用网络切片的匹配度评分。模型如下：输入层中输入经拼接后的历史终端应用SLA需求信息、可用网络切片的配置信息以及KPI性能信息，输入维度为N+M+L；其中隐藏层包含3个全连接层和3个dropout层。其中第一个全连接层含有64个神经元，第二个全连接层含有32个神经元，第三个全连接层含有16个神经元，全连接层使用的激活函数均为'relu'。同时在每一个全连接层之后，都引入一个dropout层，以有效避免过拟合(overfitting)，所谓的Dropout层是指以概率p舍弃神经元并让其它神经元以概率q＝1-p保留，本方案中设置舍弃概率为0.2，即随机忽略20％的神经元，使其失效。其中输出层含有1个全连接神经元，输出预测的终端应用和可用网络切片的匹配度评分。模型将训练1000个回合(epochs＝1000)，批处理大小设置为10(batch_size＝10)，选择平均绝对值误差MSE(Mean Squared Error)作为损失函数即目标函数(loss＝'mse')，梯度下降优化算法选择adam优化器用于改善传统梯度下降的学习速度(optimizer＝'adam')。神经网络通过梯度下降，可以找到使目标函数最小的最优权重值，随着训练回合数的增加，训练误差也逐渐下降，模型逐渐收敛。离线训练完成后，将计算得出的神经网络权重导出。图8示出了本发明提供的深度神经网络模型的示意图。

总的来说，本申请中的切片选择流程如下：

首先，UE终端应用发送附着请求给接入网(Access Network),请求消息中包含该终端应用的切片SLA需求信息；接入网将附着请求消息传递给NSSF网络切片选择功能，并将请求消息中携带的SLA需求信息存入NSSF中的终端应用SLA需求存储模块。同时NSSF从NSMF网络切片管理功能中获取可用切片的配置信息和当前可用切片的KPI性能信息，分别存入NSSF中的可用切片配置存储模块和可用切片KPI性能存储模块；

然后，将三个存储模块中的该终端应用SLA需求信息、当前可用切片的配置信息、当前可用切片KPI性能信息输入至NSSF中的数据预处理模块，对数据进行归一化处理；数据归一化处理完毕后，将三者数据拼接后输入至切片选择模型，模型由预先训练好的深度神经网络权重构成，自动预测出可用网络切片中的每一个切片对于终端应用SLA需求符合度评分；

最后，若评分中有大于等于T(T为预先设置的切片匹配度评分阈值)的切片，则取所有评分中最高的切片作为最优切片，并将最优切片标识S-NSSAI输入至网络切片选择策略更新模块，更新切片与应用的对应关系，同时将所选择的切片标识反馈给终端应用；若评分中无大于等于T的切片，则向CSMF发起新建切片流程。

综上可知，本发明实施例提供的上述方法能够改进目前5G切片选择策略更新不够灵活、快速的问题。本发明使用深度学习框架搭建深度神经网络模型，模型通过深度神经网络自动抽取出终端应用和网络切片之间的对应关系。当终端应用向接入网发起附着请求时，请求消息携带的切片SLA需求信息经接入网传递给NSSF网络切片选择功能，NSSF将该终端应用SLA需求信息、当前可用切片的配置信息、当前可用切片KPI性能信息输入至数据预处理模块，对数据进行归一化处理；数据归一化处理完毕后，将三者数据拼接后输入至切片选择模块，模块由预先训练好的深度神经网络权重构成，自动预测出可用网络切片中的每一个切片对于终端应用SLA需求符合度评分；最终并将最优切片标识S-NSSAI输入至网络切片选择策略更新模块，更新切片与应用的对应关系，同时将所选择的切片标识反馈给终端应用。从而在可用网络切片中动态选择最符合应用条件的网络切片，实现5G切片选择策略的自学习和自更新。

图3示出了根据本发明又一个实施例的针对终端设备配置网络切片的装置的结构示意图，如图3所示，该系统包括：

应用需求获取模块31，适于获取终端设备发送的附着请求中包含的应用标识以及对应于该应用标识的切片需求属性信息；

切片信息获取模块32，适于获取实时可用网络切片的切片配置信息以及实时可用网络切片的实时性能信息；

确定模块33，适于将所述附着请求中包含的对应于该应用标识的切片需求属性信息、所述实时可用网络切片的切片配置信息以及实时可用网络切片的实时性能信息输入预设的切片选择模型，根据所述切片选择模型的输出结果确定各个实时可用网络切片对应于该应用标识的匹配度分值；

选择模块34，适于根据各个实时可用网络切片对应于该应用标识的匹配度分值，动态选择一个实时可用网络切片作为目标网络切片，将所述目标网络切片反馈给所述终端设备。

可选地，所述装置进一步包括：

训练模块，适于获取各个终端应用的切片需求属性信息，获取历史可用网络切片的切片配置信息以及历史可用网络切片的历史性能信息；

根据各个终端应用与历史可用网络切片之间的对应关系生成样本数据集；

针对样本数据集进行训练，根据训练结果得到所述预设的切片选择模型。

可选地，所述网络切片为5G网络切片；并且，所述切片选择模型为包含一个输入层以及多个隐藏层的深度神经网络模型。

可选地，所述确定模块具体适于：

针对所述附着请求中包含的对应于该应用标识的切片需求属性信息、所述实时可用网络切片的切片配置信息以及实时可用网络切片的实时性能信息进行归一化处理，并将归一化处理后的各项信息输入预设的切片选择模型。

可选地，所述选择模块具体适于：

判断是否存在匹配度分值大于预设匹配度阈值的实时可用网络切片；

若是，从匹配度分值大于预设匹配度阈值的实时可用网络切片中选择匹配度分值最高的实时可用网络切片作为目标网络切片；

若否，则触发新建切片请求，以根据新建的网络切片选择目标网络切片。

可选地，所述选择模块进一步适于：将目标网络切片与所述应用标识之间的对应关系存储到切片选择策略表中；结合所述切片选择策略表动态选择一个实时可用网络切片作为目标网络切片。

可选地，所述对应于该应用标识的切片需求属性信息包括以下中的至少一项：业务特征信息、时延信息、吞吐率、丢包率、掉话率、可靠性、服务范围、用户规模、网络属性信息、以及接入方式信息；

所述实时可用网络切片的切片配置信息包括以下中的至少一项：资源配置信息、最大支持小区数、最大吞吐量、最大连接用户数、单基站最大数据无线承载、上下行比例、扇区个数、频谱效率、流量占比、接入层带宽、汇聚层带宽、核心层带宽、承载网时延、单跳平均时延、设备转发时延、时间同步要求、核心网组网模式、设备性能信息；

所述实时可用网络切片的实时性能信息包括以下中的至少一项：包含虚拟化存储资源利用率、虚拟化网络资源利用率、虚拟化计算资源利用率、网络及网络切片实例注册用户数、5G网络端到端时延、无线接入网传输时延、核心网传输时延、传输网传输时延、网络切片实例上行吞吐量、网络切片实例下行吞吐量。

上述各个模块的具体结构和工作原理可参照方法实施例中相应步骤的描述，此处不再赘述。

本申请实施例提供了一种非易失性计算机存储介质，所述计算机存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的针对终端设备配置网络切片的方法。

图4示出了根据本发明实施例的一种电子设备的结构示意图，本发明具体实施例并不对电子设备的具体实现做限定。

如图4所示，该电子设备可以包括：处理器(processor)402、通信接口(Communications Interface)404、存储器(memory)406、以及通信总线408。

其中：

处理器402、通信接口404、以及存储器406通过通信总线408完成相互间的通信。

通信接口404，用于与其它设备比如客户端或其它服务器等的网元通信。

处理器402，用于执行程序410，具体可以执行上述域名解析方法实施例中的相关步骤。

具体地，程序410可以包括程序代码，该程序代码包括计算机操作指令。

处理器402可能是中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。电子设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。

存储器406，用于存放程序410。存储器406可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。

程序410具体可以用于使得处理器402执行上述方法实施例中的各项操作。

在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的电子设备中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

Claims (8)

1.一种针对终端设备配置网络切片的方法，包括：

获取终端设备发送的附着请求中包含的应用标识以及对应于该应用标识的切片需求属性信息；

获取实时可用网络切片的切片配置信息以及实时可用网络切片的实时性能信息；

将所述附着请求中包含的对应于该应用标识的切片需求属性信息、所述实时可用网络切片的切片配置信息以及实时可用网络切片的实时性能信息输入预设的切片选择模型，根据所述切片选择模型的输出结果确定各个实时可用网络切片对应于该应用标识的匹配度分值；

根据各个实时可用网络切片对应于该应用标识的匹配度分值，结合切片选择策略表动态选择一个实时可用网络切片作为目标网络切片，将所述目标网络切片反馈给所述终端设备；将所述目标网络切片与所述应用标识之间的对应关系存储到切片选择策略表中；

其中，所述方法执行之前，进一步包括：

获取各个终端应用的切片需求属性信息，获取历史可用网络切片的切片配置信息以及历史可用网络切片的历史性能信息；

根据各个终端应用与历史可用网络切片之间的对应关系生成样本数据集；

针对样本数据集进行训练，根据训练结果得到所述预设的切片选择模型。

2.根据权利要求1所述的方法，其中，所述网络切片为5G网络切片；并且，所述切片选择模型为包含一个输入层以及多个隐藏层的深度神经网络模型。

3.根据权利要求1所述的方法，其中，所述将所述附着请求中包含的对应于该应用标识的切片需求属性信息、所述实时可用网络切片的切片配置信息以及实时可用网络切片的实时性能信息输入预设的切片选择模型具体包括：

针对所述附着请求中包含的对应于该应用标识的切片需求属性信息、所述实时可用网络切片的切片配置信息以及实时可用网络切片的实时性能信息进行归一化处理，并将归一化处理后的各项信息输入预设的切片选择模型。

4.根据权利要求1所述的方法，其中，所述根据各个实时可用网络切片对应于该应用标识的匹配度分值，结合切片选择策略表动态选择一个实时可用网络切片作为目标网络切片包括：

判断是否存在匹配度分值大于预设匹配度阈值的实时可用网络切片；

若是，从匹配度分值大于预设匹配度阈值的实时可用网络切片中选择匹配度分值最高的实时可用网络切片作为目标网络切片；

若否，则触发新建切片请求，以根据新建的网络切片选择目标网络切片。

5.根据权利要求1-4任一所述的方法，其中，所述对应于该应用标识的切片需求属性信息包括以下中的至少一项：业务特征信息、时延信息、吞吐率、丢包率、掉话率、可靠性、服务范围、用户规模、网络属性信息、以及接入方式信息；

所述实时可用网络切片的切片配置信息包括以下中的至少一项：资源配置信息、最大支持小区数、最大吞吐量、最大连接用户数、单基站最大数据无线承载、上下行比例、扇区个数、频谱效率、流量占比、接入层带宽、汇聚层带宽、核心层带宽、承载网时延、单跳平均时延、设备转发时延、时间同步要求、核心网组网模式、设备性能信息；

所述实时可用网络切片的实时性能信息包括以下中的至少一项：包含虚拟化存储资源利用率、虚拟化网络资源利用率、虚拟化计算资源利用率、网络及网络切片实例注册用户数、5G网络端到端时延、无线接入网传输时延、核心网传输时延、传输网传输时延、网络切片实例上行吞吐量、网络切片实例下行吞吐量。

6.一种针对终端设备配置网络切片的装置，包括：

应用需求获取模块，适于获取终端设备发送的附着请求中包含的应用标识以及对应于该应用标识的切片需求属性信息；

切片信息获取模块，适于获取实时可用网络切片的切片配置信息以及实时可用网络切片的实时性能信息；

确定模块，适于将所述附着请求中包含的对应于该应用标识的切片需求属性信息、所述实时可用网络切片的切片配置信息以及实时可用网络切片的实时性能信息输入预设的切片选择模型，根据所述切片选择模型的输出结果确定各个实时可用网络切片对应于该应用标识的匹配度分值；

选择模块，适于根据各个实时可用网络切片对应于该应用标识的匹配度分值，结合切片选择策略表动态选择一个实时可用网络切片作为目标网络切片，将所述目标网络切片反馈给所述终端设备；将所述目标网络切片与所述应用标识之间的对应关系存储到切片选择策略表中；

所述装置进一步包括：

训练模块，适于获取各个终端应用的切片需求属性信息，获取历史可用网络切片的切片配置信息以及历史可用网络切片的历史性能信息；

根据各个终端应用与历史可用网络切片之间的对应关系生成样本数据集；

针对样本数据集进行训练，根据训练结果得到所述预设的切片选择模型。

7.一种电子设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1-5中任一项所述的针对终端设备配置网络切片的方法对应的操作。

8.一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如权利要求1-5中任一项所述的针对终端设备配置网络切片的方法对应的操作。