CN114079618A - 一种通信方法和通信装置 - Google Patents
一种通信方法和通信装置 Download PDFInfo
- Publication number
- CN114079618A CN114079618A CN202010817054.2A CN202010817054A CN114079618A CN 114079618 A CN114079618 A CN 114079618A CN 202010817054 A CN202010817054 A CN 202010817054A CN 114079618 A CN114079618 A CN 114079618A
- Authority
- CN
- China
- Prior art keywords
- application
- information
- network element
- data
- data analysis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 154
- 238000004891 communication Methods 0.000 title claims abstract description 64
- 238000007405 data analysis Methods 0.000 claims abstract description 249
- 238000004458 analytical method Methods 0.000 claims abstract description 150
- 230000006870 function Effects 0.000 claims description 82
- 238000012549 training Methods 0.000 claims description 54
- 238000001914 filtration Methods 0.000 claims description 41
- 238000012545 processing Methods 0.000 claims description 38
- 230000015654 memory Effects 0.000 claims description 33
- 239000000284 extract Substances 0.000 claims description 9
- 238000007726 management method Methods 0.000 description 34
- 230000008569 process Effects 0.000 description 33
- 238000010586 diagram Methods 0.000 description 15
- 230000005540 biological transmission Effects 0.000 description 14
- 230000001976 improved effect Effects 0.000 description 13
- 101150119040 Nsmf gene Proteins 0.000 description 12
- 230000008093 supporting effect Effects 0.000 description 11
- 230000003993 interaction Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 7
- 238000010801 machine learning Methods 0.000 description 7
- 238000011022 operating instruction Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000013480 data collection Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000007477 logistic regression Methods 0.000 description 4
- 238000012706 support-vector machine Methods 0.000 description 4
- CNQCVBJFEGMYDW-UHFFFAOYSA-N lawrencium atom Chemical compound [Lr] CNQCVBJFEGMYDW-UHFFFAOYSA-N 0.000 description 3
- ORQBXQOJMQIAOY-UHFFFAOYSA-N nobelium Chemical compound [No] ORQBXQOJMQIAOY-UHFFFAOYSA-N 0.000 description 3
- 101000849522 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) 40S ribosomal protein S13 Proteins 0.000 description 2
- 238000013475 authorization Methods 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- LHCPRYRLDOSKHK-UHFFFAOYSA-N 7-deaza-8-aza-adenine Chemical compound NC1=NC=NC2=C1C=NN2 LHCPRYRLDOSKHK-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- GVVPGTZRZFNKDS-JXMROGBWSA-N geranyl diphosphate Chemical compound CC(C)=CCC\C(C)=C\CO[P@](O)(=O)OP(O)(O)=O GVVPGTZRZFNKDS-JXMROGBWSA-N 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0893—Assignment of logical groups to network elements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
- G06F18/2155—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the incorporation of unlabelled data, e.g. multiple instance learning [MIL], semi-supervised techniques using expectation-maximisation [EM] or naïve labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/34—Signalling channels for network management communication
- H04L41/342—Signalling channels for network management communication between virtual entities, e.g. orchestrators, SDN or NFV entities
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0876—Network utilisation, e.g. volume of load or congestion level
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
- H04L47/24—Traffic characterised by specific attributes, e.g. priority or QoS
- H04L47/2475—Traffic characterised by specific attributes, e.g. priority or QoS for supporting traffic characterised by the type of applications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/02—Network architectures or network communication protocols for network security for separating internal from external traffic, e.g. firewalls
- H04L63/0227—Filtering policies
- H04L63/0236—Filtering by address, protocol, port number or service, e.g. IP-address or URL
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
- H04L47/28—Flow control; Congestion control in relation to timing considerations
- H04L47/283—Flow control; Congestion control in relation to timing considerations in response to processing delays, e.g. caused by jitter or round trip time [RTT]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Medical Informatics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Probability & Statistics with Applications (AREA)
- Environmental & Geological Engineering (AREA)
- Databases & Information Systems (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请实施例公开一种通信方法和通信装置,用于实现对第一数据的应用信息的识别,提高应用分析的成功率。该方法包括:第一数据分析网元接收来自第一网元的应用的第一信息,第一信息包括应用对应的第一应用描述信息和/或应用状态,第一应用描述信息包括应用对应的应用标识和第一IP信息,应用状态包括应用的前景状态或背景状态;第一数据分析网元根据第一信息确定第二信息,第二信息包括应用标识以及如下至少一种:应用分析模型、至少一种应用特征、第二应用描述信息;第一数据分析网元向第二网元发送第二信息,第二信息用于第二网元识别第一数据对应的应用信息,第一数据对应的应用信息包括:第一数据的应用标识和/或应用状态。
Description
技术领域
本申请涉及数据处理技术领域,尤其涉及一种通信方法和通信装置。
背景技术
应用分析作为运营商网络的能力,可以辅助运营商针对不同的业务流进行差异化处理,例如,可以进行的差异化处理包括:服务质量(quality of service,QoS)保障、切片(或者网元)负载均衡、空口资源调度。
目前存在一种基于包流描述(packet flow description,PFD)信息的业务方法,用户面功能(user plane function,UPF)网元需要获取由应用功能(applicationfunction,AF)网元提供的PFD信息,UPF网元根据AF网元提供的PFD信息进行应用分析。但是在实际的数据流传输场景下,AF网元无法实时地或者快速地向UPF网元提供更新后(新增、删除、覆盖等)的PFD信息,那么UPF网元就无法检测新的数据流,存在无法进行应用分析的问题。
发明内容
本申请实施例提供了一种应用分析方法和通信装置,用于实现对第一数据的应用信息的识别,提高应用分析的成功率。
为解决上述技术问题,本申请实施例提供以下技术方案:
第一方面,本申请实施例提供一种应用分析方法,包括:第一数据分析网元接收来自第一网元的应用的第一信息,所述第一信息包括所述应用对应的第一应用描述信息和/或应用状态,所述第一应用描述信息包括所述应用对应的应用标识和第一互联网协议IP信息,所述应用状态包括所述应用的前景状态或者背景状态;所述第一数据分析网元根据所述第一信息确定第二信息,所述第二信息包括所述应用标识以及如下至少一种:应用分析模型、至少一种应用特征、第二应用描述信息;所述第一数据分析网元向第二网元发送所述第二信息,所述第二信息用于所述第二网元识别第一数据对应的应用信息,所述第一数据对应的应用信息包括:所述第一数据的应用标识和/或应用状态。
在上述方案中,第一数据分析网元可以确定出如下至少一种:应用分析模型、至少一种应用特征、第二应用描述信息,通过向第二网元发送第二信息,使得第二网元可以接收到如下至少一种:应用分析模型、至少一种应用特征、第二应用描述信息,因此第二网元可以使用上述第二信息对第一数据进行识别,本申请实施例中第二网元通过应用标识,以及如下至少一种:应用分析模型、至少一种应用特征、第二应用描述信息,可以对第一数据进行识别,实现对第一数据的应用信息的识别,提高应用分析的成功率。
在一种可能的实现方式中,所述方法还包括:所述第一数据分析网元接收来自第三网元的所述应用对应的第二数据;所述第一数据分析网元根据所述第一信息确定第二信息,包括:所述第一数据分析网元根据所述第一信息和所述第二数据确定所述第二信息。在上述方案中,第一数据分析网元从第一网元接收到第一信息,从第三网元接收到第二数据,则第一数据分析网元可以根据第一信息和第二数据共同确定出第二信息,从而第一数据分析网元可以向第二网元发送该第二信息,使得第二网元使用该第二信息对第一数据进行应用分析。
在一种可能的实现方式中,所述第二信息包括应用分析模型,所述应用分析模型用于确定数据对应的应用信息;所述第一数据分析网元根据所述第一信息和所述第二数据确定第二信息,包括:所述第一数据分析网元根据所述第一信息和所述第二数据进行模型训练,以得到所述应用分析模型。在上述方案中,第二数据可以是原始模型的训练数据,该应用分析模型是识别数据对应的应用信息的模型,应用分析模型的训练具有多种实现方式,例如,训练应用分析模型的过程是采用有监督的机器学习算法,第一数据分析网元在完成模型训练之后,可以输出应用分析模型。
在一种可能的实现方式中,所述第二信息包括至少一种应用特征,所述至少一种应用特征对应第一数据的应用信息;所述第一数据分析网元根据所述第一信息和所述第二数据确定第二信息,包括:所述第一数据分析网元根据所述第一信息对所述第二数据进行应用特征提取,以得到所述应用信息对应的至少一种应用特征,其中,不同的应用信息对应不同的应用特征。在上述方案中,至少一种应用信息对应的至少一种应用特征,不同的应用信息对应不同的应用特征,因此第一数据分析网元向第二网元发送至少一种应用信息对应的至少一种应用特征,使得第二网元可以采用应用特征对第一数据进行应用分析。
在一种可能的实现方式中,所述第二信息包括所述第二应用描述信息,所述第二应用描述信息包括第二IP信息;所述第一数据分析网元根据所述第一信息和所述第二数据确定第二信息,包括:所述第一数据分析网元根据所述第一信息和所述第二数据确定所述应用分析模型或者所述至少一种应用特征;所述第一数据分析网元根据所述应用分析模型或者至少一种应用特征确定所述第二应用描述信息。在上述方案中,在确定应用分析模型或者至少一种应用特征之后,第一数据分析网元可以根据应用分析模型或者至少一种应用特征确定第二应用描述信息,因此第一数据分析网元向第二网元发送第二应用描述信息,使得第二网元可以采用第二应用描述信息对第一数据进行应用分析。
在一种可能的实现方式中,所述第二信息包括所述第二应用描述信息,所述第二应用描述信息包括第二IP信息;所述第一数据分析网元根据所述第一信息和所述第二数据确定第二信息,包括:所述第一数据分析网元根据所述第一信息和所述第二数据确定所述应用分析模型或者所述至少一种应用特征;所述第一数据分析网元根据所述应用分析模型或者至少一种应用特征确定第三数据对应的应用信息,所述第三数据对应的应用信息包括:所述第三数据的应用标识和/或第三IP信息;所述第一数据分析网元根据所述第三数据的应用标识和/或第三IP信息确定所述第二应用描述信息。其中,第三数据用于确定应用标识和/或第三IP信息,例如第三数据可以是用于初始推理的数据,通过应用分析模型或者至少一种应用特征可以获取到第三数据对应的应用信息。
在上述方案中,在确定应用分析模型或者至少一种应用特征之后,第一数据分析网元可以根据应用分析模型或者至少一种应用特征确定第三数据对应的应用信息,例如该第三数据对应的应用信息包括:第三数据的应用标识和/或第三IP信息,其中,第三IP信息可以根据第三数据的IP五元组信息(包括第三IP信息)确定,第一数据分析网元可以使用第三数据的应用标识和/或第三IP信息确定第二应用描述信息,第二应用描述信息中的第二IP信息可以是第三数据对应的第三IP信息,因此第一数据分析网元向第二网元发送第二应用描述信息,使得第二网元可以采用第二应用描述信息对第一数据进行应用分析。
在一种可能的实现方式中,所述方法还包括:所述第一数据分析网元确定所述应用的第一IP信息更新为所述第二IP信息;所述第一数据分析网元向所述第二网元发送第一指示信息,所述第一指示信息用于指示所述第二IP信息为所述第一IP信息更新后的IP信息。在上述方案中,第一数据分析网元可以将应用对应的第一IP信息更新为第二IP信息,并发送第一指示信息,使得第二网元可以通过第一指示信息确定该应用对应于第二IP信息,使得第二网元可以采用第二IP信息对第一数据进行应用分析。
在一种可能的实现方式中,所述方法还包括:所述第一数据分析网元确定所述第二IP信息为所述应用的新增IP信息;所述第一数据分析网元向所述第二网元发送第二指示信息,所述第二指示信息用于指示所述第二IP信息为所述应用的新增IP信息。在上述方案中,第一数据分析网元可以保持应用对应的第一IP信息不变,增加该应用还对应于第二IP信息,并发送第二指示信息,使得第二网元可以通过第二指示信息确定该应用对应于第二IP信息,使得第二网元可以采用第二IP信息对第一数据进行应用分析。
在一种可能的实现方式中,所述第一数据分析网元包括:网络数据分析功能NWDAF网元;所述第一网元包括:第一网络能力开放功能NEF网元;所述第二网元包括如下至少一种:第一用户面功能UPF网元、第二数据分析网元、第二NEF网元。
在一种可能的实现方式中,所述第三网元包括:第二UPF网元、会话管理功能SMF网元、接入与移动性管理功能AMF网元、应用功能AF网元。
在一种可能的实现方式中,所述应用描述信息包括:包流描述PFD信息。
在一种可能的实现方式中,所述应用分析模型用于确定数据对应的应用信息;和/或,所述至少一种应用特征对应第一数据的应用信息;和/或,所述IP信息为IP三元组信息,或者五元组信息。
第二方面,本申请实施例还提供一种应用分析方法,包括:第二网元接收来自第一数据分析网元的第二信息,所述第二信息包括应用的应用标识以及如下至少一种:应用分析模型、至少一种应用特征、第二应用描述信息;所述第二网元根据所述第二信息确定第一数据对应的应用信息,所述第一数据对应的应用信息包括:所述第一数据的应用标识和/或应用状态,所述应用状态包括所述应用的前景状态或者背景状态。在本申请的一些实施例中,由于第二网元可以接收到如下至少一种:应用分析模型、至少一种应用特征、第二应用描述信息,因此第二网元可以使用上述第二信息对第一数据进行识别,本申请实施例中第二网元通过应用标识,以及如下至少一种:应用分析模型、至少一种应用特征、第二应用描述信息,可以对第一数据进行识别,实现对第一数据的应用信息的识别,提高应用分析的成功率。
在一种可能的实现方式中,所述第二信息包括应用分析模型,所述应用分析模型用于确定数据对应的应用信息;所述第二网元根据所述第二信息确定第一数据对应的应用信息,包括:所述第二网元从所述第一数据中获取到第一特征参数;所述第二网元将所述第一特征参数输入到所述应用分析模型中,通过所述应用分析模型输出所述第一数据对应的应用信息。在上述方案中,第二网元可以从第一数据分析网元获取到应用分析模型,则第二网元从第一数据中获取到第一特征参数,第二网元再将第一特征参数输入到应用分析模型中,由于应用分析模型用于确定数据对应的应用信息,因此可以通过应用分析模型输出第一数据对应的应用信息,第二网元通过应用分析模型可以实现对第一数据的应用分析。
在一种可能的实现方式中,所述第二信息包括至少一种应用特征,所述至少一种应用特征对应第一数据的应用信息;所述第二网元根据所述第二信息确定第一数据对应的应用信息,包括:所述第二网元从所述第一数据中获取到第二特征参数;所述第二网元将所述第二特征参数与所述至少一种应用特征进行匹配,以得到所述第二特征参数匹配成功的应用特征,所述第二特征参数匹配成功的应用特征对应于的应用信息为所述第一数据对应的应用信息。在上述方案中,第二网元可以从第一数据分析网元获取到至少一种应用特征,第二网元从第一数据中获取到第二特征参数,第二网元将第二特征参数与至少一种应用特征进行匹配,由于不同应用的应用特征是不相同的,因此至少一种应用特征对应第一数据的应用信息,通过特征匹配,可以得到第二特征参数匹配成功的应用特征,第二特征参数匹配成功的应用特征对应于的应用信息为第一数据对应的应用信息。第二网元通过至少一种应用特征可以实现对第一数据的应用分析。
在一种可能的实现方式中,所述第二信息包括第二应用描述信息,所述第二应用描述信息包括第二IP信息;所述第二网元根据所述第二信息确定第一数据对应的应用信息,包括:所述第二网元确定所述第一数据的IP信息;所述第二网元根据所述第一数据的IP信息和所述应用对应的第二IP信息,确定所述第一数据对应的应用信息。在上述方案中,第二网元可以从第一数据分析网元获取到第二应用描述信息包括的第二IP信息,第二网元确定第一数据的IP信息,使用该第一数据的IP信息和应用对应的第二IP信息进行分析,当第一数据的IP信息和应用对应的第二IP信息相同时,第二网元可以确定第二IP信息对应的应用信息为第一数据对应的应用信息。第二网元通过第二应用描述信息可以实现对第一数据的应用分析。
在一种可能的实现方式中,所述第二网元接收来自第一数据分析网元的第二信息之前,所述方法还包括:当所述第二网元包括第二数据分析网元时,所述第二网元根据预设的数据分析过滤条件生成过滤信息,并向所述第一数据分析网元发送所述过滤信息,所述过滤信息用于请求所述第二信息;或者,当所述第二网元包括第一用户面功能UPF网元时,所述第二网元根据预设的事件过滤条件对第二数据进行过滤,并向所述第一数据分析网元发送过滤后的第二数据,所述过滤后的第二数据用于所述第一数据分析网元确定所述第二信息;或者,当所述第二网元包括第二网络能力开放功能NEF网元时,所述第二网元向所述第一数据分析网元发送第一应用描述信息,所述第一应用描述信息包括所述应用对应的应用标识和第一IP信息,所述第一应用描述信息用于所述第一数据分析网元确定所述第二信息。在上述方案中,第二网元根据该数据分析过滤条件生成过滤信息,并向第一数据分析网元发送过滤信息,第一数据分析网元可以通过数据分析过滤条件进行数据过滤,以过滤掉满足数据分析过滤条件的数据,接下来第一数据分析网元可以根据该过滤信息向第二数据分析网元发送第二信息,本申请实施例中通过过滤信息既指示第一数据分析网元进行数据过滤,还可以向第一数据分析网元请求发送第二信息,使得第二数据分析网元可以接收到第二信息。第二网元包括第一用户面功能UPF网元时,第二网元获取预设的事件过滤条件,使用该事件过滤条件对第二数据进行过滤,并向第一数据分析网元发送过滤后的第二数据,使得第一数据分析网元可以使用过滤后的第二数据确定第二信息,提高第二信息的生成效率。
在一种可能的实现方式中,所述第二网元包括第二NEF网元,所述方法还包括:所述第二网元接收来自所述第一数据分析网元的第一指示信息;所述第二网元根据所述第一指示信息确定所述第二应用描述信息包括的第二IP信息为所述第一IP信息更新后的IP信息。在上述方案中,第一数据分析网元可以将应用对应的第一IP信息更新为第二IP信息,并发送第一指示信息,使得第二网元可以通过第一指示信息确定该应用对应于第二IP信息,使得第二网元可以采用第二IP信息对第一数据进行应用分析。
在一种可能的实现方式中,所述第二网元包括第二NEF网元,所述方法还包括:所述第二网元接收来自所述第一数据分析网元的第二指示信息;所述第二网元根据所述第二指示信息确定所述第二应用描述信息包括的第二IP信息为所述应用的新增IP信息。在上述方案中,第一数据分析网元可以保持应用对应的第一IP信息不变,增加该应用还对应于第二IP信息,并发送第二指示信息,使得第二网元可以通过第二指示信息确定该应用对应于第二IP信息,使得第二网元可以采用第二IP信息对第一数据进行应用分析。
在一种可能的实现方式中,所述第一数据对应的应用信息包括:所述第一数据的应用标识,所述方法还包括:所述第二网元根据所述第一数据的应用标识获取所述第一数据的策略信息。在上述方案中,第一数据分析网元可以保持应用对应的第一IP信息不变,增加该应用还对应于第二IP信息,并发送第二指示信息,使得第二网元可以通过第二指示信息确定该应用对应于第二IP信息,使得第二网元可以采用第二IP信息对第一数据进行应用分析。
在一种可能的实现方式中,所述第一数据的应用状态为前景状态,所述方法还包括:所述第二网元提高所述第一数据所在的媒体数据流的带宽;和/或,所述第二网元提高所述第一数据所在的媒体数据流的调度优先级;和/或,所述第二网元提高所述第一数据所在的媒体数据流的的编码速率。在上述方案中,第二网元可以分析出第一数据的应用状态为前景状态,在这种情况下,第二网元可以提高第一数据所在的媒体数据流的如下至少一种:提高带宽、提高调度优先级、提高编码速率,可以实现对应用的状态管理,例如可以实现对业务的流量状态的管理。本申请实施例可以提高处于前景状态的应用的数据传输效果,提升用户对当前前景状态的应用的满意度。
在一种可能的实现方式中,所述第一数据的应用状态为背景状态,所述方法还包括:所述第二网元降低所述第一数据所在的媒体数据流的带宽;和/或,所述第二网元降低所述第一数据所在的媒体数据流的调度优先级;和/或,所述第二网元降低所述第一数据所在的媒体数据流的的编码速率。在上述方案中,第二网元可以分析出第一数据的应用状态为背景状态,在这种情况下,第二网元可以降低第一数据所在的媒体数据流的如下至少一种:降低带宽、降低调度优先级、降低编码速率,可以实现对应用的状态管理,例如可以实现对业务的流量状态的管理。本申请实施例可以降低处于背景状态的应用的数据传输,以避免对处于前景状态的应用的干扰,保证当前前景状态的应用的数据传输效果。
第三方面,本申请实施例还提供一种通信装置,所述通信装置具体为第一数据分析网元,所述第一数据分析网元,包括:处理模块,用于通过收发模块接收来自第一网元的应用的第一信息,所述第一信息包括所述应用对应的第一应用描述信息和/或应用状态,所述第一应用描述信息包括所述应用对应的应用标识和第一互联网协议IP信息,所述应用状态包括所述应用的前景状态或者背景状态;所述处理模块,用于根据所述第一信息确定第二信息,所述第二信息包括所述应用标识以及如下至少一种:应用分析模型、至少一种应用特征、第二应用描述信息;所述处理模块,用于通过所述收发模块向第二网元发送所述第二信息,所述第二信息用于所述第二网元识别第一数据对应的应用信息,所述第一数据对应的应用信息包括:所述第一数据的应用标识和/或应用状态。
在本申请的第三方面中,通信装置的模块还可以执行前述第一方面以及各种可能的实现方式中所描述的步骤,详见前述对第一方面以及各种可能的实现方式中的说明。
第四方面,本申请实施例还提供一种通信装置,所述通信装置具体为第二网元,所述第二网元,包括:处理模块,用于通过收发模块接收来自第一数据分析网元的第二信息,所述第二信息包括应用的应用标识以及如下至少一种:应用分析模型、至少一种应用特征、第二应用描述信息;所述处理模块,用于根据所述第二信息确定第一数据对应的应用信息,所述第一数据对应的应用信息包括:所述第一数据的应用标识和/或应用状态,所述应用状态包括所述应用的前景状态或者背景状态。
在本申请的实施例中,第一IP信息、第二IP信息、第三IP信息可以是IP三元组信息或者IP五元组信息。
在本申请的第四方面中,通信装置的模块还可以执行前述第四方面以及各种可能的实现方式中所描述的步骤,详见前述对第四方面以及各种可能的实现方式中的说明。
第五方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述第一方面或第二方面所述的方法。
第六方面,本申请实施例提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述第一方面或第二方面所述的方法。
第七方面,本申请实施例提供一种通信装置,该通信装置可以包括第一数据分析网元、第二网元或者芯片等实体,所述通信装置包括:处理器、存储器;所述存储器用于存储指令;所述处理器用于执行所述存储器中的所述指令,使得所述通信装置执行如前述第一方面或第二方面中任一项所述的方法。
第八方面,本申请提供了一种芯片系统,该芯片系统包括处理器,用于支持第一数据分析网元、第二网元实现上述方面中所涉及的功能,例如,发送或处理上述方法中所涉及的数据和/或信息。在一种可能的设计中,所述芯片系统还包括存储器,所述存储器,用于保存第一数据分析网元、第二网元必要的程序指令和数据。该芯片系统,可以由芯片构成,也可以包括芯片和其他分立器件。
第九方面,本申请实施例提供一种通信系统,包括第一数据分析网元,用于执行如上述第一方面以及其可能的实现方式中的任意一种方法以及第一网元。本申请实施例还提供另一种通信系统,包括第二网元,用于执行如上述第二方面以及其可能的实现方式中的任意一种方法以及第一数据分析网元。
附图说明
图1a为本申请实施例提供的一种通信系统的架构示意图;
图1b为本申请实施例提供的另一种通信系统的架构示意图;
图1c为本申请实施例提供的另一种通信系统的架构示意图;
图2为本申请实施例提供的一种通信方法的流程方框示意图;
图3为本申请实施例提供的通信方法所使用的一种系统架构示意图;
图4为本申请实施例提供的通信方法的一种应用场景下的交互示意图;
图5为本申请实施例提供的通信方法的另一种应用场景下的交互示意图;
图6为本申请实施例提供的通信方法的另一种应用场景下的交互示意图;
图7为本申请实施例提供的通信方法的另一种应用场景下的交互示意图;
图8为本申请实施例提供的一种第一数据分析网元的结构示意图;
图9为本申请实施例提供的一种第二网元的结构示意图;
图10为本申请实施例提供的一种第一数据分析网元的结构示意图;
图11为本申请实施例提供的一种第二网元的结构示意图。
具体实施方式
下面结合附图,对本申请实施例的实施例进行描述。
本申请实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换,这仅仅是描述本申请实施例的实施例中对相同属性的对象在描述时所采用的区分方式。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,以便包含一系列单元的过程、方法、系统、产品或设备不必限于那些单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它单元。
在本申请的实施例中,“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系。例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,在本申请的描述中,“多个”是指两个或多于两个。另外本申请实施例中,“/”可以指的是和/或的关系。
图1a示例性的示出了基于服务化接口的5G系统的一种网络架构示意图。在该示意图中,5G系统可以包括:鉴权服务器功能(authentication server function,AUSF)网元、接入和移动性管理功能(access and mobility management function,AMF)网元、数据网络(data network,DN)、统一数据管理(unified data management,UDM)网元、策略控制功能(policy control function,PCF)网元、(无线)接入网((radio)access network,(R)AN)网元、用户面功能(user plane function,UPF)网元、终端设备(terminal)、应用功能(application function,AF)网元、SMF网元、绑定支持功能(binding support function,BSF)网元、NWDAF网元、网络开放功能(network exposure function,NEF)网元、NRF网元。
为方便描述,在下文中将(R)AN网元、AMF网元、SMF网元、UDM网元、UPF网元、PCF网元、BSF网元、NWDAF网元、NRF网元、NEF网元等分别通过RAN、AMF、SMF、UDM、UPF、PCF、BSF、NWDAF、NRF、NEF等指代。
5G系统分为接入网和核心网两部分。接入网用于实现无线接入有关的功能,主要包括RAN。核心网用于网络业务的控制、数据的传输等,核心网由多个网元组成,主要包括:AMF、SMF、UPF、PCF、UDM等。
图1a中部分网元的功能如下:
PCF,负责向AMF、SMF提供策略,如服务质量(quality of service,QoS)策略、切片选择策略等。
UDM,用于处理第三代合作伙伴计划(3rd generation partnership project,3GPP)认证和密钥协商(authentication and key agreement,AKA)认证凭据,用户识别处理,访问授权,注册/移动性管理,订购管理,短信管理等。在本申请中,UDM可提供存储当前为终端设备服务的网元(服务NF(serving NF),例如,服务AMF(serving AMF)、服务SMF(serving SMF)、服务NWDAF(serving NWDAF)等)信息的功能。
AF,可以是应用服务器,其可以属于运营商,也可以属于第三方。主要支持与3GPP核心网交互来提供服务,例如影响数据路由决策,策略控制功能或者向网络侧提供第三方的一些服务。
AMF,主要负责信令处理部分,例如,终端设备的注册管理、终端设备的连接管理、终端设备的可达性管理、终端设备的接入授权和接入鉴权、终端设备的安全功能,终端设备的移动性管理(如终端设备位置更新、终端设备注册网络、终端设备切换等),网络切片(network slice)选择,SMF选择,终端设备的注册或去注册等功能。
SMF,主要负责终端设备会话管理的所有控制面功能,包括UPF的选择、控制以及重定向,网络互连协议(internet protocol,IP)地址分配及管理,会话的QoS管理,从PCF获取策略与计费控制(policy and charging control,PCC)策略,承载或会话的建立、修改以及释放等。
UPF,作为协议数据单元(protocol data unit,PDU)会话连接的锚定点,负责对终端设备的数据报文过滤、数据传输/转发、速率控制、生成计费信息、用户面QoS处理、上行传输认证、传输等级验证、下行数据包缓存及下行数据通知触发等。UPF还可以作为多宿主(multi-homed)PDU会话的分支点。UPF中为终端设备提供服务的传输资源和调度功能由SMF进行管理控制。
NRF,一种网元属性、网元状态、网络拓扑关系等信息的存储网元,其具备网元发现功能、网元管理功能。
BSF,具备为PDU会话绑定或存储对应的终端设备地址、终端设备标识、数据网络名称(data network name,DNN)、单一网络切片选择辅助信息(single network sliceselection assistance information,S-NSSAI)、PCF实例、PCF集标识的功能。例如,可以从BSF中查询出终端设备对应的PCF。
NWDAF,具备以下至少一种功能:数据收集功能、数据分析功能。其中,数据收集功能是指用于收集来自网络网元、第三方业务服务器、终端设备或网管系统中的相关数据;数据分析功能是指基于相关输入数据做分析训练,并向网络网元、第三方业务服务器、提供终端设备或网管系统提供数据分析结果,该分析结果可协助网络选择业务的服务质量参数,或协助网络执行流量路由,或协助网络选择背景流量传输策略等。本申请中主要涉及的是NWDAF的数据收集功能,因NWDAF只有基于收集的数据才能做相关的训练、分析功能,所以其前提是能够收集和获取相关的数据。
在本申请的实施例中,NWDAF可以是一个单独的网元,也可以与其他网元合设。例如,NWDAF网元可以与AMF网元合设或者与SMF网元合设。
RAN,由一个或多个接入网设备(也可以称为RAN节点或网络设备)组成的网络,实现无线物理层功能、资源调度和无线资源管理、无线接入控制以及移动性管理功能,服务质量管理,数据压缩和加密等功能。接入网设备通过用户面接口N3和UPF相连,用于传送终端设备的数据。接入网设备通过控制面接口N2和AMF建立控制面信令连接,用于实现无线接入承载控制等功能。
接入网设备,可以为基站、无线保真(wireless fidelity,WiFi)接入点(accesspoint,AP)、全球微波接入互操作性(worldwide interoperability for microwaveaccess,WiMAX)站点等。基站可以包括各种形式的基站,例如:宏基站,微基站(也称为小站),中继站,接入点等。具体可以为:无线局域网(wireless local area network,WLAN)中的AP,全球移动通信系统(global system for mobile communications,GSM)或码分多址接入(code division multiple access,CDMA)中的基站(base transceiver station,BTS),也可以是宽带码分多址(wideband code division multiple access,WCDMA)中的基站(NodeB,NB),还可以是LTE中的演进型基站(evolved node B,eNB或eNodeB),或者中继站或接入点,或者车载设备、可穿戴设备以及未来5G系统中的下一代节点B(the nextgeneration node B,gNB)或者未来演进的公用陆地移动网(public land mobilenetwork,PLMN)网络中的基站等。
终端设备可以是无线终端设备,或者,也可以是有线终端设备。无线终端设备可以是指向用户提供语音和/或数据连通性的设备,具有无线连接功能的手持式设备或连接到无线调制解调器的其他处理设备。终端设备与接入网设备之间采用某种空口技术(如NR技术或LTE技术)相互通信。终端设备与终端设备之间也可以采用某种空口技术(如NR技术或LTE技术)相互通信。无线终端设备可以经接入网设备与一个或多个核心网设备通信,如与AMF、SMF等进行通信。无线终端设备可以是移动终端设备,如移动电话(或称为“蜂窝”电话)、智能电话、卫星无线设备、无线调制解调器卡以及具有移动终端设备的计算机,例如,可以是膝上型、便携式、袖珍式、手持式、计算机内置的或者车载的移动装置,它们与接入网设备交换语音和/或数据。示例性的,无线终端设备可以为个人通信业务(personalcommunication service,PCS)电话、无绳电话、会话发起协议(session initiationprotocol,SIP)话机、无线本地环路(wireless local loop,WLL)站、个人数字助理(personal digital assistant,PDA)、虚拟现实(virtual reality,VR)眼镜、增强现实(augmented reality,AR)眼镜、机器类型通信终端设备、物联网终端设备等设备。在车联网通信中,车辆上装载的通信设备是一种终端设备,路边单元(road side unit,RSU)也可以作为一种终端设备。无人机上装载的通信设备,也可以看做是一种终端设备。无线终端设备也可以称为用户设备(user equipment,UE)、终端、订户单元(subscriber unit)、订户站(subscriber station),移动站(mobile station)、移动台(mobile)、远程站(remotestation)、接入点(access point)、接入终端(access terminal)、用户终端(userterminal)、用户代理(user agent)等。
DN指的是为用户提供数据传输服务的运营商网络,如网络互连协议多媒体业务(IP multi-media service,IMS)、互联网(Internet)等。终端设备通过建立终端设备到接入网设备到UPF到DN之间的PDU会话(PDU session),访问DN。
以下分别进行详细说明。
本申请实施例提供的通信方法应用于通信系统,如图1b所示,通信系统100可以包括:第一网元101、第一数据分析网元102和第二网元103,其中,
第一网元,用于向第一数据分析网元发送应用的第一信息,第一信息包括应用对应的第一应用描述信息和/或应用状态,第一应用描述信息包括应用对应的应用标识和第一互联网协议IP信息,应用状态包括应用的前景状态或者背景状态;
第一数据分析网元,用于接收来自第一网元的应用的第一信息。根据第一信息确定第二信息,第二信息包括应用标识以及如下至少一种:应用分析模型、至少一种应用特征、第二应用描述信息。向第二网元发送第二信息,第二信息用于第二网元识别第一数据对应的应用信息,第一数据对应的应用信息包括:第一数据的应用标识和/或应用状态。
第二网元,用于接收来自第一数据分析网元的第二信息,第二信息包括应用的应用标识以及如下至少一种:应用分析模型、至少一种应用特征、第二应用描述信息。第二网元根据第二信息确定第一数据对应的应用信息,第一数据对应的应用信息包括:第一数据的应用标识和/或应用状态,应用状态包括应用的前景状态或者背景状态。
其中,本申请实施例中应用可以是一种业务,或者业务流量,或者一种数据,或者一种信息,或者一种服务等,后续实施例中以应用为业务进行举例说明。应用对应有应用描述信息,应用可以通过应用描述信息来描述,例如应用描述信息可以包括应用对应的应用标识和互联网协议(internet protocol,IP)信息,具体的,应用可以通过应用标识(application ID,App ID)进行标识,对于不同的应用具有不同的应用标识,例如该应用标识可以是一种业务标识。另外,应用还对应有IP信息,例如该IP信息可以包括IP三元组,和/或IP五元组。另外,应用还可以被称为业务,相应的,本申请实施例任何一处关于应用的说明都可以用业务进行替换,比如应用标识可以称为业务标识、应用描述信息可以称为业务描述信息等等,本申请实施例其他地方不再赘述。
另外,应用还可以对应有应用状态,应用状态包括应用的前景状态或者背景状态,其中前景状态是指终端设备中与用户直接进行交互时的应用所处的状态,背景状态是指终端设备中没有与用户直接进行交互时的应用所处的状态。例如对于终端设备而言,终端设备中有语音应用以及数据应用(如微信)两种应用,当终端设备出于语音通话状态时,语音应用程序就处于前景状态,此时的数据应用程序在后台运行,该数据应用程序处于背景状态。
本申请实施例中,第一网元是数据提供方,第一网元可以向第一数据分析网元提供第一信息,该第一信息包括应用对应的第一应用描述信息和/或应用状态。例如,第一网元可以是第一网络能力开放功能(network exposure function,NEF)网元。例如第一NEF网元可以从应用功能网元(application function,AF)获取应用对应的应用描述信息,第一NEF网元中可以包括包流描述功能(packet flow description function,PFDF)网元,PFDF网元可以用于存储应用描述信息,例如PFDF网元可以用于存储PFD信息。具体的,针对一个应用,PFD信息包括一个应用对应的信息,包括如下信息中的至少一个:PFD标识(ID)、IP三元组、统一资源定位符(uniform resource locator,URL)和域名匹配标准。例如,PFD ID用于标识一个应用的PFD信息,IP三元组包括:服务器IP、服务器端口以及协议号,URL可以用于匹配业务的显著部分,如主机名称,域名匹配标准用于提供域名匹配的方式。
本申请实施例中,第一数据分析网元可以从第一网元接收到第一信息,第一数据分析网元还可以根据该第一信息生成第二信息,第一数据分析网元进行数据分析的方式有多种,例如采用应用分析模型、或者至少一种应用特征、或者第二应用描述信息进行数据分析。例如第一数据分析网元包括:网络数据分析功能(network data analytics function,NWDAF)网元,NWDAF网元可以根据从第一网元收到的第一信息进行数据分析,以生成第二信息。
需要说明的是,本申请实施例中,可以将NEF网元简写为NEF,NWDAF网元简写为NWDAF等等,不再逐一示意说明。
本申请实施例中,第二网元可以接收来自第一数据分析网元的第二信息,第二网元还可以根据第二信息确定第一数据对应的应用信息,即第二网元可以使用第二信息进行应用识别,以得到第一数据对应的应用信息,例如第一数据对应的应用信息包括:第一数据的应用标识和/或应用状态,即第二网元可以识别出第一数据对应的应用标识,或者识别出第一数据对应的应用状态,或者识别出第一数据对应的应用标识以及应用状态。本申请实施例中第二网元可以从第一数据分析网元接收第二信息,并通过第二信息识别对第一数据的应用分析,因此提高应用分析的成功率。
第二网元包括如下至少一种:第一用户面功能(user plane function,UPF)网元、第二数据分析网元、第二NEF网元。例如第一UPF网元可以根据第一信息生成第二信息,从而第一UPF可以使用第二信息对第一数据进行应用识别。又如第一数据分析网元可以是具有训练功能的数据分析网元,第二数据分析网元可以是具有推理功能的数据分析网元。又如,第二网元可以是第二NEF网元,第二NEF网元可以根据第一信息生成第二信息,从而第二NEF网元可以使用第二信息对第一数据进行应用识别。
在本申请的一些实施例中,如图1c所示,通信系统100可以包括:第一网元101、第一数据分析网元102、第二网元103和第三网元104。其中,第一网元101、第一数据分析网元102、第二网元103可以如前述图1b中所示,第三网元,用于向第一数据分析网元发送应用对应的第二数据,第一数据分析网元用于接收该第二数据,例如第二数据可以是应用对应的历史应用描述信息,历史应用描述信息可以是应用在一个历史时间段中的应用描述信息,第一数据分析网元根据第一信息和第二数据确定第二信息,第一数据分析网元使用第一信息和第二数据可以进行应用分析,以得到第二信息。
在本申请的一些实施例中,第三网元包括:第二UPF网元、会话管理功能(sessionmanagement function,SMF)网元、接入和移动性管理功能(access and mobilitymanagement function,AMF)网元、AF网元。
其中,AMF网元主要负责移动网络中的移动性管理,如用户位置更新、用户注册网络、用户切换等。SMF网元主要负责移动网络中的会话管理,举例说明,SMF网元具体功能可包括:为用户分配IP地址、选择提供报文转发功能的UPF网元等。UPF网元主要负责对用户报文进行流量处理,如转发、计费等。
例如,第二UPF网元可以生成第二数据,并向第一数据分析网元发送该第二数据,使得第一数据分析网元可以使用第一信息和第二数据可以进行应用分析,以得到第二信息。本申请实施例中不限定第三网元的实现方式,只要是能够向第一数据分析网元提供第二数据的网元,都可以作为第三网元。
接下来以不同网元之间执行的通信方法为例进行详细说明,请参阅图2所示,本申请实施例提供的通信方法,可以包括:
201、第一网元向第一数据分析网元发送应用的第一信息,第一信息包括应用对应的第一应用描述信息和/或应用状态,第一应用描述信息包括应用对应的应用标识和第一IP信息,应用状态包括应用的前景状态或者背景状态。
本申请实施例中,第一网元是数据提供方,第一网元可以向第一数据分析网元提供第一信息,第一网元生成的第一信息包括应用对应的第一应用描述信息和/或应用状态。第一信息可以包括应用对应的第一应用描述信息,该第一应用描述信息包括应用对应的应用标识和第一IP信息,该第一应用描述信息可以用于第一数据分析网元生成第二信息,例如,应用可以是一种业务,例如应用标识可以是业务标识,该业务标识可以用于第一数据分析网元生成第二信息。又如,第一信息可以包括应用对应的应用状态,应用状态作为应用的应用特征可以用于第一数据分析网元生成第二信息。
202、第一数据分析网元接收来自第一网元的应用的第一信息。
其中,第一数据分析网元可以和第一网元进行通信,第一数据分析网元接收应用的第一信息,通过上述对第一信息的说明可知,第一信息可以应用对应的第一应用描述信息和/或应用状态。
203、第一数据分析网元根据第一信息确定第二信息,第二信息包括应用标识以及如下至少一种:应用分析模型、至少一种应用特征、第二应用描述信息。
其中,第一数据分析网元接收到第一信息之后,第一数据分析网元根据第一信息生成第二信息,该第二信息是第二网元进行应用分析所使用的信息,例如第一数据分析网元可以进行模型的训练以得到应用分析模型,第二信息可以包括应用标识以及应用分析模型。第一数据分析网元还可以进行特征提取以得到至少一种应用特征,第二信息可以包括应用标识以及至少一种应用特征。第一数据分析网元还可以生成第二应用描述信息,第二信息可以包括应用标识以及第二应用描述信息,例如第二应用描述信息可以包括应用对应的应用标识,或者第二应用描述信息可以包括第二IP信息。
在本申请的一些实施例中,应用分析模型用于确定数据对应的应用信息,例如不同的数据对应不同的应用信息,例如第一数据对应第一应用信息,第二数据对应第二应用信息;和/或,至少一种应用特征对应第一数据的应用信息,例如第一应用特征对应第一应用信息,第二应用特征对应第二应用信息;和/或,第二应用描述信息包括第二IP信息,该第二应用描述信息和第一应用描述信息都对应于同一个应用标识。例如第二IP信息可以是IP三元组信息,或者五元组信息。
在本申请的一些实施例中,通信系统还可以包括第三网元,第三网元向第一数据分析网元发送应用对应的第二数据。第一数据分析网元还可以执行如下步骤:第一数据分析网元接收来自第三网元的应用对应的第二数据。例如第二数据可以是应用对应的历史应用描述信息,或者第二数据可以是应用对应的历史应用状态。
具体的,步骤203第一数据分析网元根据第一信息确定第二信息,包括:
第一数据分析网元根据第一信息和第二数据确定第二信息。
其中,第一数据分析网元从第一网元接收到第一信息,从第三网元接收到第二数据,则第一数据分析网元可以根据第一信息和第二数据共同确定出第二信息,从而第一数据分析网元可以向第二网元发送该第二信息,使得第二网元使用该第二信息对第一数据进行应用分析。
在本申请的一些实施例中,第二信息包括应用分析模型,应用分析模型用于确定数据对应的应用信息;
具体的,第一数据分析网元根据第一信息和第二数据确定第二信息,包括:
第一数据分析网元根据第一信息和第二数据进行模型训练,以得到应用分析模型。
其中,第二数据可以是原始模型的训练数据,该应用分析模型是识别数据对应的应用信息的模型,应用分析模型的训练具有多种实现方式,例如,训练应用分析模型的过程是采用有监督的机器学习算法,比如逻辑回归(logistic regression,LR)、支持向量机(support vector machine,SVM)、深度神经网络(deep neural network,DNN)等训练分类器。第一数据分析网元在完成模型训练之后,可以输出应用分析模型。
在本申请的一些实施例中,第二信息包括至少一种应用特征,至少一种应用特征对应第一数据的应用信息;
第一数据分析网元根据第一信息和第二数据确定第二信息,包括:
第一数据分析网元根据第一信息对第二数据进行应用特征提取,以得到所述应用信息对应的至少一种应用特征,其中,不同的应用信息对应不同的应用特征。
其中,第二数据可以包括多个应用的训练数据集,第一数据分析网元根据第一信息对每个应用的第二数据进行应用特征提取,例如确定每个应用的应用特征,可以采用无监督学习的方法,第一数据分析网元可以使用K均值聚类算法(K-Means),针对App ID 1对应的训练数据集,第一数据分析网元采用K-Means算法将训练数据集聚成K个类别,第一数据分析网元取K个类别中包括样本数据最多的类别的质心,作为APP ID 1对应的应用特征1,通过类似的方式,第一数据分析网元可以提取到APP ID 2对应的应用特征2、APP ID 3对应的应用特征3。本申请实施例中,至少一种应用信息对应的至少一种应用特征,不同的应用信息对应不同的应用特征,因此第一数据分析网元向第二网元发送至少一种应用信息对应的至少一种应用特征,使得第二网元可以采用应用特征对第一数据进行应用分析。
在本申请的一些实施例中,第二信息包括第二应用描述信息,第二应用描述信息包括第二IP信息;
第一数据分析网元根据第一信息和第二数据确定第二信息,包括:
第一数据分析网元根据第一信息和第二数据确定应用分析模型或者至少一种应用特征;
第一数据分析网元根据应用分析模型或者至少一种应用特征确定第三数据对应的应用信息,第三数据对应的应用信息包括:第三数据的应用标识和/或第三IP信息;
第一数据分析网元根据第三数据的应用标识和/或第三IP信息确定第二应用描述信息。
其中,第一数据分析网元首先根据第一信息和第二数据确定应用分析模型或者至少一种应用特征,对于应用分析模型和至少一种应用特征的确定方式,详见前述实施例的说明。在确定应用分析模型或者至少一种应用特征之后,第一数据分析网元可以根据应用分析模型或者至少一种应用特征确定第三数据对应的应用信息,例如该第三数据对应的应用信息包括:第三数据的应用标识和/或第三IP信息,其中,第三IP信息可以根据第三数据的IP五元组信息(包括第三IP信息)确定,第一数据分析网元可以使用第三数据的应用标识和/或第三IP信息确定第二应用描述信息,第二应用描述信息中的第二IP信息可以是第三数据对应的第三IP信息,因此第一数据分析网元向第二网元发送第二应用描述信息,使得第二网元可以采用第二应用描述信息对第一数据进行应用分析。
具体的,第三数据可以包括多个,那么第一数据分析网元根据应用分析模型或者至少一种应用特征确定以及第三数据可以确定多个第三数据对应的应用信息(也就是多个第三数据中每个第三数据的应用标识和/或第三IP信息),进而可以根据多个第三数据对应的应用信息确定第三数据确定第二应用描述信息。详细的,第一数据分析网元可以根据多个第三数据对应的应用信息进行统计或者预测确定第三数据确定第二应用描述信息。
进一步的,在本申请实施例中,第二应用描述信息包括第二IP信息,第一数据分析网元执行的方法还可以包括如下步骤:
第一数据分析网元确定应用的第一IP信息更新为第二IP信息;
第一数据分析网元向第二网元发送第一指示信息,第一指示信息用于指示第二IP信息为第一IP信息更新后的IP信息。
其中,第一数据分析网元可以将应用对应的第一IP信息更新为第二IP信息,并发送第一指示信息,使得第二网元可以通过第一指示信息确定该应用对应于第二IP信息,使得第二网元可以采用第二IP信息对第一数据进行应用分析。
进一步的,在本申请实施例中,第二应用描述信息包括第二IP信息,第一数据分析网元执行的方法还可以包括如下步骤:
第一数据分析网元确定第二IP信息为应用的新增IP信息;
第一数据分析网元向第二网元发送第二指示信息,第二指示信息用于指示第二IP信息为应用的新增IP信息。
其中,第一数据分析网元可以保持应用对应的第一IP信息不变,增加该应用还对应于第二IP信息,并发送第二指示信息,使得第二网元可以通过第二指示信息确定该应用对应于第二IP信息,使得第二网元可以采用第二IP信息对第一数据进行应用分析。
204、第一数据分析网元向第二网元发送第二信息,第二信息用于第二网元识别第一数据对应的应用信息,第一数据对应的应用信息包括:第一数据的应用标识和/或应用状态。
在本申请实施例中,第一数据分析网元确定出第二信息之后,第一数据分析网元和第二网元进行通信,发送第二信息,第二信息是第二网元进行应用分析所使用的信息,例如第一数据是第二网元的待分析数据,则第二网元在接收到第二信息之后,可以使用第二信息识别出第一数据对应的应用信息。例如,第一数据也可以称为推理数据,用于产生数分析结果。
205、第二网元接收来自第一数据分析网元的第二信息,第二信息包括应用的应用标识以及如下至少一种:应用分析模型、至少一种应用特征、第二应用描述信息。
在本申请实施例中,第一数据分析网元确定出第二信息之后,第一数据分析网元和第二网元进行通信,发送第二信息,第二网元和第一数据分析网元进行通信,接收到第二信息。第二信息包括应用的应用标识以及如下至少一种:应用分析模型、至少一种应用特征、第二应用描述信息。对于第二信息的说明,详见前述步骤203,此处不再赘述。
206、第二网元根据第二信息确定第一数据对应的应用信息,第一数据对应的应用信息包括:第一数据的应用标识和/或应用状态,应用状态包括应用的前景状态或者背景状态。
在本申请实施例中,第二网元可以接收到如下至少一种:应用分析模型、至少一种应用特征、第二应用描述信息,因此第二网元可以使用上述第二信息对第一数据进行识别,本申请实施例中第二网元通过应用标识,以及如下至少一种:应用分析模型、至少一种应用特征、第二应用描述信息,可以对第一数据进行识别,实现对第一数据的应用信息的识别,提高应用分析的成功率。
在本申请的一些实施例中,第二信息包括应用分析模型,应用分析模型用于确定数据对应的应用信息;
具体的,步骤206第二网元根据第二信息确定第一数据对应的应用信息,包括:
第二网元从第一数据中获取到第一特征参数;
第二网元将第一特征参数输入到应用分析模型中,通过应用分析模型输出第一数据对应的应用信息。
其中,第二网元可以从第一数据分析网元获取到应用分析模型,则第二网元从第一数据中获取到第一特征参数,第二网元再将第一特征参数输入到应用分析模型中,由于应用分析模型用于确定数据对应的应用信息,因此可以通过应用分析模型输出第一数据对应的应用信息,第二网元通过应用分析模型可以实现对第一数据的应用分析。
在本申请的一些实施例中,第二信息包括至少一种应用特征,至少一种应用特征对应第一数据的应用信息;
具体的,步骤206第二网元根据第二信息确定第一数据对应的应用信息,包括:
第二网元从第一数据中获取到第二特征参数;
第二网元将第二特征参数与至少一种应用特征进行匹配,以得到第二特征参数匹配成功的应用特征,第二特征参数匹配成功的应用特征对应于的应用信息为第一数据对应的应用信息。
其中,第二网元可以从第一数据分析网元获取到至少一种应用特征,第二网元从第一数据中获取到第二特征参数,第二网元将第二特征参数与至少一种应用特征进行匹配,由于不同应用的应用特征是不相同的,因此至少一种应用特征对应第一数据的应用信息,通过特征匹配,可以得到第二特征参数匹配成功的应用特征,第二特征参数匹配成功的应用特征对应于的应用信息为第一数据对应的应用信息。第二网元通过至少一种应用特征可以实现对第一数据的应用分析。
在本申请的一些实施例中,第二信息包括第二应用描述信息,第二应用描述信息包括第二IP信息;
具体的,步骤206第二网元根据第二信息确定第一数据对应的应用信息,包括:
第二网元确定第一数据的IP信息;
第二网元根据第一数据的IP信息和应用对应的第二IP信息,确定第一数据对应的应用信息。
其中,第二网元可以从第一数据分析网元获取到第二应用描述信息包括的第二IP信息,第二网元确定第一数据的IP信息,使用该第一数据的IP信息和应用对应的第二IP信息进行分析,当第一数据的IP信息和应用对应的第二IP信息相同时,第二网元可以确定第二IP信息对应的应用信息为第一数据对应的应用信息。第二网元通过第二应用描述信息可以实现对第一数据的应用分析。
进一步的,在本申请的一些实施例中,第二网元接收来自第一数据分析网元的第二信息之前,方法还包括:
当第二网元包括第二数据分析网元时,第二网元根据预设的数据分析过滤条件生成过滤信息,并向第一数据分析网元发送过滤信息,过滤信息用于请求第二信息;或者,
当第二网元包括第一用户面功能UPF网元时,第二网元根据预设的事件过滤条件对第二数据进行过滤,并向第一数据分析网元发送过滤后的第二数据,过滤后的第二数据用于第一数据分析网元确定第二信息;或者,
当第二网元包括第二网络能力开放功能NEF网元时,第二网元向第一数据分析网元发送第一应用描述信息,第一应用描述信息包括应用对应的应用标识和第一IP信息,第一应用描述信息用于第一数据分析网元确定第二信息。
其中,第二网元包括第二数据分析网元时,第二网元获取预设的数据分析过滤条件,该数据分析过滤条件用于说明需要被过滤掉的数据,例如数据分析过滤条件可以包括如下至少一种:应用标识(App ID)、网络分片标识、数据网络名称(data network name,DNN)、网络区域(network area)等。例如,网络分片标识可以是网络切片选择辅助信息(single-network slice selection assistance information,S-NSSAI)。第二网元根据该数据分析过滤条件生成过滤信息,并向第一数据分析网元发送过滤信息,第一数据分析网元可以通过数据分析过滤条件进行数据过滤,以过滤掉满足数据分析过滤条件的数据,接下来第一数据分析网元可以根据该过滤信息向第二数据分析网元发送第二信息,本申请实施例中通过过滤信息既指示第一数据分析网元进行数据过滤,还可以向第一数据分析网元请求发送第二信息,使得第二数据分析网元可以接收到第二信息。
其中,第二网元包括第一用户面功能UPF网元时,第二网元获取预设的事件过滤条件,使用该事件过滤条件对第二数据进行过滤,并向第一数据分析网元发送过滤后的第二数据,使得第一数据分析网元可以使用过滤后的第二数据确定第二信息,提高第二信息的生成效率。
在本申请的一些实施例中,第二网元包括第二NEF网元,第二网元还可以执行如下步骤:
第二网元接收来自第一数据分析网元的第一指示信息;
第二网元根据第一指示信息确定第二应用描述信息包括的第二IP信息为第一IP信息更新后的IP信息。
其中,第一数据分析网元可以将应用对应的第一IP信息更新为第二IP信息,并发送第一指示信息,使得第二网元可以通过第一指示信息确定该应用对应于第二IP信息,使得第二网元可以采用第二IP信息对第一数据进行应用分析。
在本申请的一些实施例中,第二网元包括第二NEF网元,第二网元还可以执行如下步骤:
第二网元接收来自第一数据分析网元的第二指示信息;
第二网元根据第二指示信息确定第二应用描述信息包括的第二IP信息为应用的新增IP信息。
其中,第一数据分析网元可以保持应用对应的第一IP信息不变,增加该应用还对应于第二IP信息,并发送第二指示信息,使得第二网元可以通过第二指示信息确定该应用对应于第二IP信息,使得第二网元可以采用第二IP信息对第一数据进行应用分析。
在本申请的一些实施例中,第一数据对应的应用信息包括:第一数据的应用标识,方法还包括:
第二网元根据第一数据的应用标识获取第一数据的策略信息。
其中,第二网元确定出第一数据的应用标识的情况下,第二网元还可以获取到第一数据的应用标识对应的策略信息,例如该策略信息可以是应用的管理策略,从而实现对应用的管理,例如可以实现对业务的流量管理。
在本申请的一些实施例中,第一数据的应用状态为前景状态,方法还包括:
第二网元提高第一数据所在的媒体数据流的带宽;和/或,
第二网元提高第一数据所在的媒体数据流的调度优先级;和/或,
第二网元提高第一数据所在的媒体数据流的的编码速率。
其中,第二网元可以分析出第一数据的应用状态为前景状态,在这种情况下,第二网元可以提高第一数据所在的媒体数据流的如下至少一种:提高带宽、提高调度优先级、提高编码速率,可以实现对应用的状态管理,例如可以实现对业务的流量状态的管理。本申请实施例可以提高处于前景状态的应用的数据传输效果,提升用户对当前前景状态的应用的满意度。
在本申请的一些实施例中,第一数据的应用状态为背景状态,方法还包括:
第二网元降低第一数据所在的媒体数据流的带宽;和/或,
第二网元降低第一数据所在的媒体数据流的调度优先级;和/或,
第二网元降低第一数据所在的媒体数据流的的编码速率。
其中,第二网元可以分析出第一数据的应用状态为背景状态,在这种情况下,第二网元可以降低第一数据所在的媒体数据流的如下至少一种:降低带宽、降低调度优先级、降低编码速率,可以实现对应用的状态管理,例如可以实现对业务的流量状态的管理。本申请实施例可以降低处于背景状态的应用的数据传输,以避免对处于前景状态的应用的干扰,保证当前前景状态的应用的数据传输效果。
通过前述实施例的举例说明可知,第一数据分析网元首先接收来自第一网元的应用的第一信息,应用的第一信息包括该应用对应的第一应用描述信息和/或应用状态,其中,第一应用描述信息包括应用对应的应用标识和第一IP信息,应用状态包括应用的前景状态或者背景状态;第一数据分析网元收到该第一信息之后,可以根据第一信息确定第二信息,第二信息包括应用标识以及如下至少一种:应用分析模型、至少一种应用特征、第二应用描述信息;第一数据分析网元向第二网元发送第二信息,第二信息用于第二网元识别第一数据对应的应用信息,第一数据对应的应用信息包括:第一数据的应用标识和/或应用状态。本申请实施例中第一数据分析网元可以确定出如下至少一种:应用分析模型、至少一种应用特征、第二应用描述信息,通过向第二网元发送第二信息,使得第二网元可以接收到如下至少一种:应用分析模型、至少一种应用特征、第二应用描述信息,因此第二网元可以使用上述第二信息对第一数据进行识别,本申请实施例中第二网元通过应用标识,以及如下至少一种:应用分析模型、至少一种应用特征、第二应用描述信息,可以对第一数据进行识别,实现对第一数据的应用信息的识别,提高应用分析的成功率。
在本申请的一些实施例中,第二网元首先接收来自第一数据分析网元的第二信息,第二信息包括应用的应用标识以及如下至少一种:应用分析模型、至少一种应用特征、第二应用描述信息;第二网元根据第二信息确定第一数据对应的应用信息,第一数据对应的应用信息包括:第一数据的应用标识和/或应用状态,应用状态包括应用的前景状态或者背景状态。由于第二网元可以接收到如下至少一种:应用分析模型、至少一种应用特征、第二应用描述信息,因此第二网元可以使用上述第二信息对第一数据进行识别,本申请实施例中第二网元通过应用标识,以及如下至少一种:应用分析模型、至少一种应用特征、第二应用描述信息,可以对第一数据进行识别,实现对第一数据的应用信息的识别,提高应用分析的成功率。
为便于更好的理解和实施本申请实施例的上述方案,下面举例相应的应用场景来进行具体说明。
如图3所示,为本申请实施例提供的通信方法所使用的一种系统架构示意图,在该系统架构中可以包括:用户数据库(user data repository,UDR)、NEF、AF、SMF、NWDAF、UPF;
其中,UDR和NEF进行相互通信,AF和NEF进行相互通信,NEF和UDR、AF、SMF、NWDAF进行相互通信,SMF和NEF、UPF、NWDAF进行相互通信,NWDAF和NEF、SMF进行相互通信,UPF和SMF进行相互通信,可选的,NWDAF和UPF进行相互通信。
具体的,UDR用于存储PFD信息(Info)。
NEF可以包括PFDF,NEF具体可以是前述的第一网元,NEF用于向NWDAF提供第一信息,第一信息可以包括历史PFD信息,例如历史PFD信息可以包括IP三元组(tuple)、应用标识(App ID)、主域名(Domain Name)、URL。
NEF还用于从NWDAF获取第二信息,第二信息包括App ID、IP三元组、Domain Name、URL。NEF用于将第二信息发送给UPF,例如NEF通过SMF向UPF发送第二信息,或者通过NEF向UPF发送第二信息。
NWDAF可以是前述的第一数据分析网元。NWDAF用于从NEF(PFDF)获取历史PFD信息,包括IP三元组、App ID、Domain Name、URL。
NWDAF用于从UPF获取第一流量信息,例如UPF可以是前述的第三网元,第一流量信息可以是前述的第二数据,第一流量信息包括IP三元组、历史业务流量数据(TrafficData)。其中,Traffic Data包括:数据量大小、数据时长、数据包传输个数等。
NWDAF用于根据历史PFD信息以及第一流量信息确定第二信息,第二信息可以用于确定第二流量信息的App ID。其中,第一流量信息是历史流量信息,第二流量信息是当前的或者在线的或者实时的流量信息,第二流量信息可以是前述的第一数据。
NWDAF用于将第二信息发送给第二网元。
具体的,NWDAF根据历史PFD信息以及第一流量信息确定第二信息包括:
NWDAF根据IP三元组关联历史PFD信息以及第一流量信息,确定第一训练集,第一训练集包括App ID、Domain Name、URL、Traffic Data。
NWDAF根据第一训练集确定第二信息。
其中,第二信息包括应用分析模型或者至少一种应用特征或者第二PFD信息。例如应用分析模型具体可以是业务分类器,例如业务分类器可以是支持业务分类的多分类器,至少一种应用特征可以是业务对应的流量特征。
若第二信息包括业务分类器,那么第二信息中还包括该业务分类器能够区分的业务的一个或者多个业务标识。
若第二信息包括业务对应的流量特征,那么第二信息中还包括业务对应的业务标识。
若第二信息包括第二PFD信息,那么第二信息中还包括第二PFD信息对应的业务标识。
UPF可以是前述的第二网元,UPF用于从NWDAF获取第二信息,第二信息包括业务分类器或者业务对应的流量特征或者第二PFD信息。UPF用于根据第二信息识别第二流量信息对应的业务信息。
在图3所示的系统架构中,针对同一个或者多个App ID各自对应的业务,本申请实施例中,NWDAF可以包括支持训练功能的NWDAF(记为TrainingNWDDAF,或者NWDAF2)和支持推理功能的NWDAF(记为Inference NWDAF,或者NWDAF1),NWDAF2基于历史PFD信息(假设为App ID,第一IP三元组等)以及从UPF收集到的对应的历史流量信息(第一IP三元组对应的一个或者多个IP五元组的业务数据流中的流量),可以训练支持业务分类的多分类器或者学习每个业务对应的流量特征,辅助UPF侧支持推理功能的NWDAF1确定通过将新的流量数据输入到多分类器或者通过将新的流量数据与业务对应的流量特征一一匹配,最终确定新的流量数据对应的App ID。其中,第一IP三元组可以是AF通过PFDF提供的。
此外,NWDAF1经过长时间推理后,还可以进一步的学习确定某个特定的IP三元组就是对应到App ID(App ID对应于第二IP三元组),在后续推理过程中,无需通过上述多分类器或者业务特征匹配确定App ID,只需提取新的流量数据对应的IP五元组中的IP三元组,即可以确定新的流量数据对应的App ID。其中,第二IP三元组是NWDAF1学习出来的。
不限定的是,本申请实施例中支持训练功能的NWDAF可以和支持推理功能的NWDAF合并到同一个NWDAF中,也就是说NWDAF2和NWDAF1可以是同一个NWDAF。
接下来以四个实施例分别进行详细说明。
实施例一
NWDAF的训练功能模块(例如NWDAF2)根据App ID对应的历史PFD信息以及历史流量信息训练业务分类器或者学习每个业务的流量特征,然后将其安装在NWDAF的推理功能模块(NWDAF1),在推理过程中,将实时的业务流对应的流量数据输入到业务分类器或者与业务的流量特征进行匹配,即可以确定该业务流的App ID。本申请实施例中,在AF不提供或者不更新PFD信息的情况下,NWDAF仍然可以通过业务分类器或者业务流量特征确定新的业务流对应的App ID。
如图4所示,主要包括流程:
S01.NWDAF1触发到NWDAF2的NWDAF数据分析结果订阅服务Nnwdaf_AnalyticsSubscription_Subscribe,用于请求业务分类器或者业务流量特征,Nnwdaf为NWDAF的服务接口,NWDAF1和NWDAF2都可以用来确认业务数据流对应的App ID,其中,NWDAF1为支持推理功能的NWDAF,NWDAF2为支持训练功能的NWDAF。服务操作中包括的信息如下:
分析标识(Analytics ID,如业务分析模型Application Analytics Model、应用特征Application Characteristics or Signature or Feature),其中:
业务分析模型Application Analytics Model,用于向NWDAF2请求一个应用类型识别模型或者应用状态识别模型,该应用类型识别模型可以识别至少一个业务的App ID或者业务状态(包括背景状态或者前景状态)。比如应用类型识别模型是一个分类器,如果只能识别出来一种业务,该分类器可以是二分类器,如果能识别出来两种或者两种以上业务,该分类器可以是多分类器。在推理过程中,安装在NWDAF1上的应用类型识别模型可以根据实时业务数据流的流量数据输入确定该业务数据流的App ID,其中,实时业务数据流的流量数据是推理数据。
应用特征Application Characteristicsor Signature or Feature,用于向NWDAF2请求一个或者多个业务中每个业务的流量特征,在推理过程中,安装在NWDAF1上的这些流量特征可以一一与实时业务数据流的流量数据(也就是推理数据)输入进行匹配,匹配成功时,对应的App ID就是该业务数据流的App ID。
分析过滤器Analytics Filter,可以包括多种过滤信息,例如Analytics Filter可以是应用标识App ID,切片标识S-NSSAI,数据网络名称DNN,网络区域Network Area,这些过滤信息可以搭配使用,如局限于某个切片内的业务:
其中,App ID可以有一个或者多个,NWDAF1可以指定针对这些App ID对应的业务训练应用类型识别模型,或者针对这些App ID中每一个App ID对应的业务提取业务的流量特征。
例如,假设有三个业务(业务一、业务二、业务三)需要做业务识别,NWDAF1可以收集这三个业务对应的流量信息(参考如下表1)以及其他业务对应的流量信息,这样NWDAF1就可以获取到训练数据。
表1
NWDAF1获取到上述表1所示的训练数据之后,NWDAF1基于训练数据可以训练一个应用类型识别模型,该应用类型识别模型可以针对一个新的业务流对应的流量信息进行业务分类,可以分为业务一、业务二、业务三、其他业务。
S-NSSAI是网络切片的切片标识,NWDAF1可以指定对该切片内所有的业务训练应用类型识别模型,或者针对该切片内每个业务提取业务的流量特征。
DNN是数据网络名称,NWDAF1可以指定DNN对应的数据网络中所有业务训练应用类型识别模型,或者针对DNN对应的数据网络中每个业务提取业务的流量特征。
Area of Interest是区域信息,NWDAF1可以指定该区域内所有的业务训练应用类型识别模型,或者针对该区域内每个业务提取业务的流量特征。
S02a.NWDAF2触发到NEF的NEF能力开放订阅服务Nnef_EventExposure_Subscribe,向NEF订阅App ID对应的历史PFD信息。该服务操作中需要包括:事件标识(Event ID,如包流描述信息PFD Info)、时间过滤信息(Event Filter,如应用标识App ID、S-NSSAI、DNN、Area of Interest)。
其中,这里的App ID可以是一个或者多个,可以通过步骤S01来自于NWDAF1,也可以是NWDAF2通过S-NSSAI、DNN以及Area of Interest中的一个或者多个从UDR或者PCF查询获得。
另外,NWDAF2向NEF收集的历史PFD信息可以是存储在与NEF合设的PFDF中。
S02b.NEF触发到NWDAF2的NEF能力开放通知服务Nnef_EventExposure_Notify,向NWDAF2提供App ID对应的历史PFD信息,服务操作中包括如下信息:
App ID:如果步骤S02a中携带了多个App ID,那么NEF反馈PFD信息时,需要携带该App ID,否则NWDAF2无法判定PFD信息归属于哪个业务。
PFD ID:标识一个业务的PFD信息;
历史PFD信息还可以包括一个或者多个如下信息:
IP三元组:包括服务器IP地址、服务器端口号以及协议号;
URL中可以用于匹配业务的显著部分,如主机名称;
域名匹配标准。
S03a.NWDAF2触发到SMF或者UPF的SMF或者UPF能力开放订阅服务Nsmf/upf_EventExposure_Subscribe,向NWDAF2订阅流量信息,其中,Nsmf是SMF的服务接口,服务操作中包括事件标识(Event ID,如流量信息Traffic Info)、时间过滤信息(Event Filter,如应用标识App ID、S-NSSAI、DNN、Area of Interest)。该流量信息归根结底来自于UPF,因此,NWDAF2有二种方式获取流量信息:
方式一:NWDAF2通过Nsmf接口向SMF订阅,紧接着SMF通过N4接口向UPF订阅。
方式二:NWDAF2通过Nupf接口向UPF订阅。
其中,Event Filter是NWDAF在决定向UPF收集数据时生成的,然后NWDAF在向UPF订阅数据过程中,将Event Filter发送给UPF,UPF安装在本地,按照Event Filter面的过滤条件收集数据。例如Event Filter中可以指定UPF需要上报的流量信息对应的过滤条件,如App ID、S-NSSAI、DNN以及网络区域等。
S03b.SMF或者UPF触发到NWDAF2的SMF或者UPF能力开放订阅服务Nsmf/upf_EventExposure_Subscribe,向SMF或者UPF发送流量信息,其中流量信息参见表1。针对S03a的两种不同的数据订阅方式,UPF可以通过如下两种方式向NWDAF2提供流量信息。
方式一:UPF通过N4接口向SMF提供流量信息,紧接着SMF通过Nsmf接口向NWDAF2提供流量信息。其中,这种方式只针对S03a步骤的订阅方式一。
方式二:UPF直接通过Nupf接口向NWDAF2提供流量信息。其中,这种方式即可以针对S03a步骤的订阅方式一,也可以针对S03a步骤的订阅方式二。
UPF可以提供的流量信息如前述的表1所示,此处不再赘述。需要注意的是,UPF提供的流量信息是IP五元组粒度的,即业务数据流粒度,其中IP五元组包括的信息是:终端IP地址、终端端口号、服务器IP地址、服务器端口号、协议号。其中,服务器IP地址、服务器端口号、协议号也称为IP三元组。
S04.NWDAF2生成训练数据集,其中训练数据集的格式如下表2,表2用于训练应用类型识别模型或者确定业务流量特征的训练数据集,假设只有3个App ID,共N个样本数据。在具体过程中,针对一个来自UPF的流量信息,NWDAF2首先从其IP五元组中抽取出来服务器IP地址、服务器端口号以及协议号,然后从历史PFD信息中查询该服务器IP地址、服务器端口号以及协议号对应的App ID,进而通过这种数据关联方式就可以确定好一个样本数据。
表2
流量信息 | App ID |
Traffic Data 1 | App ID 1 |
Traffic Data 2 | App ID 2 |
Traffic Data 3 | App ID 1 |
Traffic Data 4 | App ID 3 |
Traffic Data 5 | App ID 1 |
… | … |
Traffic Data N | App ID 2 |
在此过程中,为了避免AF提供的PFD信息欺骗网络情况,也就是说存在PFD中的某些IP三元组原本应该对应到App ID X,但是实际用来传输App ID Y的情况。那么在生成AppID X的训练数据集过程中,那么NWDAF2可以对App ID X的原始训练集进行聚类,假设有K个类别,NWDAF取K个类别中包括样本数据最多的样本数据集,作为该App ID X处理后的训练数据集。
S05.NWDAF2确定业务对应的应用类型识别模型或者流量特征。
基于上述训练数据集,一方面,NWDAF2可以针对多个业务(如上述三个业务)训练可以识别业务的应用类型识别模型,另一方面,NWDAF2可以针对多个业务中的每个业务训练或者学习该业务对应的流量特征。
其中,应用类型识别模型和流量特征的区别说明如下,应用类型识别模型是机器学习模型,流量特征是App ID对应的匹配规则,都可以针对一个业务流的流量信息确定该业务流的App ID。应用类型识别模型是将流量信息转换成特征向量输入到模型即可以得到App ID,流量特征是将流量信息转换成特征向量,与匹配规则进行匹配,只有匹配成功,才可以确定App ID。
详细地,NWDAF2训练应用类型识别模型的过程是采用有监督的机器学习算法,比如逻辑回归、支持向量机等训练分类器。以逻辑回归为例,该分类器(以二分类为例,AppID1以及非App ID 1)可以表示为:
其中,zi=w0×xi0+w1×xi1+w2×xi2+w3×xi3+…+wD×xiD。
上述公式中:
yi为第i个业务数据流的流量数据的业务分类结果,如果yi=1,则App ID=1,如果yi=0,则非App ID=1;
zi为xi经过线性回归所得中间数据值;
xi={xi0,xi1,xi2,xi3,…,xiD}是由第i个业务数据流的流量数据转换成的向量,其中xi0,xi1,xi2,xi3,…,xiD为业务数据流的流量数据,比如通信或交互的起始时间、上行或下行包时延、上行或下行包个数等,详见前述的表1;
w={w0,w1,w2,w3,…,wD}为权重。
上述算法实例是二分类的,如果是多分类,例如参见表2的训练数据集,就需要能够四分类(APP ID 1、App ID 2、App ID 3、其他业务类型等等)的分类器,针对多分类的机器学习算法,这里不再赘述。
详细地,NWDAF2确定每个业务的业务特征的过程,还可以采用无监督学习的方法(如K-Means)。如针对App ID 1对应的训练数据集,NWDAF2采用K-Means算法将训练数据集聚成K个类别,NWDAF2取K个类别中包括样本数据最多的类别的质心,作为APP ID 1对应的流量特征。详细K-Means算法这里不再赘述。
S06.NWDAF2触发到NWDAF1的NWDAF分析结果通知服务Nnwdaf_AnalyticsSubscription_Notify,NWDAF2将应用类型识别模型或业务的流量特征发送给NWDAF1。
S07a.NWDAF1触发到SMF或者UPF的SMF或者UPF能力开放订阅服务Nsmf/upf_EventExposure_Subscribe。
S07b.SMF或者UPF触发到NWDAF1的SMF或者UPF能力开放通知服务Nsmf/upf_EventExposure_Notify。
NWDAF1可以从SMF或者UPF获取推理数据过程,跟步骤S03a和S03b的方法一致,也就是从UPF获取新的IP五元组对应的流量数据过程。
需要说明的是,NWDAF1可能与UPF合设,因此步骤S07a和S07b中NWDAF1获取推理数据过程几乎等同于UPF获取推理数据的过程,时延很短。
另外,如果NWDAF1没有单独部署,那么UPF上可以集成NWDAF1的功能,也就是说UPF从NWDAF2获取了应用类型识别模型或业务特征,这样UPF获取到推理数据后,可以直接确定对应的App ID。
S08.NWDAF1根据推理数据确定业务数据流的App ID,参见步骤S01介绍,此处不再赘述。
通过前述举例说明可知,NWDAF根据历史PFD信息以及对应的UPF上的流量信息,确定App ID对应的流量数据集,可以进一步确定App ID的流量特征或者训练应用类型识别模型,在未来IP三元组发生变化的情况下,依然可以根据流量特征或者应用类型识别模型锁定新的业务流对应的App ID。
比如,AF通过PFD仅提供了第一IP三元组是属于App ID的业务流,而事实上,在实际业务传输过程中,AF也通过第二IP三元组传输该App ID的业务流,只是AF没有将第二IP三元组作为PFD信息发送给网络侧NEF。但是,由于第一IP三元组和第二IP三元组都对应到App ID对应的业务,它们的业务流对应的流量特征是不会变化的,或者业务流对应的业务模型是不变的,因此NWDAF通过第一IP三元组学习出来的业务流量特征也可以用到第二IP三元组对应的业务流的业务识别。也就是说,即使AF没有在PFD信息中包括第二IP三元组,NWDAF依然可以通过流量特征识别它对应的业务。
本申请实施例中NWDAF从NEF获取历史PFD信息,有监督学习App ID对应的流量特征,并将其安装在UPF上或者与UPF部署位置相同的推理模块上,辅助用户面业务流快速业务检测。
实施例二
在实施例二中,NWDAF2经过长时间推理之后,发现某个IP三元组总是对应到特定的App ID,但是该IP三元组在之前AF提供的历史PFD信息中并未出现,因此可以将其作为新的一条PFD信息,存储在NEF中,辅助其他UPF使用。
本申请实施例中,NWDAF学习新的PFD信息,辅助UPF可以直接通过IP三元组得到App ID,省去了实施例一中步骤S07的推理数据收集时延以及推理时延(比如分类器判定App ID的时延或者推理数据与业务特征的匹配时延)。
如图5所示,实施例二主要包括如下流程:
S01-S08.同实施例一。
S09.NEF触发到NWDAF1的NWDAF数据分析结果订阅服务Nnwdaf_AnalyticsSubscription_Subscribe,可以向NWDAF1订阅新的PFD信息,关于AnalyticsFilter中的这些信息解释可以参考实施例一的步骤S01,不再赘述。
S010.NWDAF1生成新的PFD信息。NWDAF1在步骤S08可以获取历史大量的推理结果,示例性的,如表3所示,表3为NWDAF基于应用类型识别模型或者业务特征产生推理结果,假设第一IP三元组(Server IP 1,Server Port 1,Protocol 1)已经存在于历史PFD信息中,但是第二IP三元组(Server IP 2,Server Port 2,Protocol 2)、第三IP三元组(Server IP3,Server Port 3,Protocol 3)没有存在于历史PFD信息。
表3
先前App ID的历史PFD信息为:
PFD ID:标识一个业务的PFD信息;
第一IP三元组。
然后,NWDAF1做统计分析,确定属于同一个业务(通过App ID 1标记)的某个IP三元组(如Server IP 2,Server Port 2,Protocol 2)大量出现,并且不存在于该业务对应的历史PFD信息中,此时,NWDAF1可以生成一条新的PFD信息,也就是IP三元组(如Server IP2,Server Port 2,Protocol 2)、URL、Domain Name。那么针对该App ID,更新后的PFD信息为:
PFD ID:标识一个业务的PFD信息;
第一IP三元组;
第二IP三元组,其中,第二IP三元组为新增的三元组。
本申请实施例中将来UPF如果检测到业务流对应的IP三元组为第二IP三元组,则可以直接判定该业务的App ID。IP三元组使用业务模型或者业务特征确定。
如表4所示,表4为NWDAF基于应用类型识别模型或者业务特征产生推理结果,假设第一IP三元组(Server IP 1,Server Port 1,Protocol 1)已经存在于历史PFD信息中,但是第二IP三元组(Server IP 2,Server Port 2,Protocol 2)、第三IP三元组(Server IP3,Server Port 3,Protocol 3)没有存在于历史PFD信息。
表4
由表4举例可知,第二IP三元组(Server IP 2,Server Port 2,Protocol 2)大量存在于推理结果中,但是推理结果中很少出现历史PFD信息(也就是第一IP三元组(ServerIP 1,Server Port 1,Protocol 1)),可以确定第一IP三元组已经失效。那么NWDAF1可以将第二IP三元组覆盖到第一IP三元组,作为该App ID对应的新的PFD信息,即将第一IP三元组替换为第二IP三元组。也就是说,针对该App ID,更新后的PFD信息为:
PFD ID:标识一个业务的PFD信息;
第二IP三元组,其中,第二IP三元组为更新后的三元组。
S011.NWDAF1触发到NEF的NWDAF数据分析结果通知服务Nnwdaf_AnalyticsSubscription_Notify,NWDAF1将新产生的PFD信息发送给NEF。其中,服务操作中包括App ID以及第二IP三元组。可选的,服务操作中还包括第一指示信息或者第二指示信息中的一个,第一指示信息用于指示第二IP三元组为App ID新增的PFD信息,第二指示信息用于指示将App ID的PFD信息中的第一IP三元组更新为第二IP三元组。
可选的,若NWDAF1在服务操作中包括了第二指示信息,那么服务操作中还需要包括第一IP三元组。
S012.NEF将新产生的PFD信息分发给SMF/UPF,并安装到SMF/UPF中。至此以后,UPF接收到新业务数据流,可以首先从IP五元组取出Server IP、Server Port以及Protocol,如果符合新的IP三元组(如Server IP 2,Server Port 2,Protocol 2),即可以直接推断出App ID(如App ID 1),无需通过步骤S08中模型推断和特征匹配过程,从而节省了App ID的确定时延。
相对实施例一,NWDAF1多做了一步统计分析,确定新的PFD信息,辅助UPF快速确定业务流的App ID。UPF可以根据NWDAF1生成的新PFD信息快速确定业务流的App ID,节省推理时延。
实施例三
实施例一和二中AF可以提供某个业务的PFD信息,那么NWDAF就可以通过有监督的学习方法,确定该业务的业务特征或者参与到应用类型识别模型训练中。
但是如果AF不提供PFD信息,如果NWDAF可以通过无监督学习方法学习出来某个IP三元组对应到一个业务,则可以借助第三方AF确定该业务的App ID。
如图6所示,实施例三主要包括如下流程:
S11.NEF触发到NWDAF的NWDAF分析结果订阅服务Nnwdaf_AnalyticsSubscription_Subscrib,向NWDAF1订阅PFD信息,关于Analytics Filter中的这些信息解释可以参考实施例一步骤S01,不再赘述。
其中,NEF在该过程中,不会提供任何App ID,因此NWDAF在后续分析过程中只需要针对无法确定App ID的数据进行分析即可。
S12a.NWDAF触发到SMF或者UPF的SMF或者UPF能力开放订阅服务Nsmf/upf_EventExposure_Subscribe。
S12b.SMF或者UPF触发到NWDAF的SMF或者UPF能力开放通知服务Nsmf/upf_EventExposure_Notify。
NWDAF从SMF或者UP收集流量信息的过程,相比较于实施例一,这里NWDAF并不会限制App ID,因此UPF在收集数据的过程中,仅收集无法确定App ID的流量数据即可。也就是说能够确定App ID的数据,不需要NWDAF做无监督学习。
S13.NWDAF确定IP三元组对应的应用特征。
例如,NWDAF基于无监督机器学习算法(如K-Means)对训练集Training dataset进行聚类,假设聚成了N个类,针对每一个类,取IP三元组的数量最大的IP三元组作为候选的PFD信息中的一部分。
S14.NWDAF触发到NEF的NWDAF分析结果通知服务Nnwdaf_AnalyticsSubscription_Notify,将分析出来的N个IP三元组、Domain Name、URL发送给NEF(PFDF)。
其中,在本步骤中NWDAF仅能确定某个IP三元组对应到某个特定业务,但无法确定该IP三元组对应的App ID。
此外,NWDAF在本步骤S14从步骤S13的训练数据集中抽取一些IP三元组对应的UEIP发送给NEF,辅助NEF根据UE IP从绑定支撑功能网元(binding support function,BSF)中获取提供该业务服务的AF地址。
其中,BSF支持用户绑定信息的注册、更新和注销,PCF可以向BSF中插入、更新或者删除用户绑定信息(PCF地址、用户标识SUPI、用户IP地址),NEF/AF可以通过服务化接口以及用户IP地址向BSF查询服务于该用户的PCF地址。
S15.NEF通过BSF发现AF的过程。NEF可以通过来自步骤S14的某个IP三元组对应的一个或者多个UE IP地址,从BSF中获取与该UE IP绑定的AF地址,进而可以找到服务于该IP三元组对应的业务的AF。
S16.NEF根据IP三元组以及其他信息(域名、URL)向AF查询得到业务的App ID。至此,NEF确定了完整的PFD信息。
S17.NEF将新产生的PFD信息分发给SMF/UPF,并安装。本实施例AF提供一下IP三元组对应的App ID,具体IP三元组如何得出的是由NWDAF学习出来的。
相对实施例一和二,本申请实施例中NWDAF针对没有历史PFD信息的流量进行无监督学习,得到IP三元组可能对应到某个业务,然后与第三方AF协商确定具体App ID,NWDAF通过无监督的学习方法,确定IP三元组对应到某个业务,发送给NEF后,NEF可以与第三方AF查询,确定该IP三元组对应的App ID,然后得到完整的PFD信息,辅助用户面业务检测。
通过前述的举例说明可知,本申请实施例提出基于数据分析的业务识别方案,使得NWDAF可以根据PFDF提供的历史App ID以及对应的流量数据,构建业务分类器或者AppID对应的流量特征,辅助SMF/UPF识别新的流量数据对应的AppID。如果没有历史PFD信息,NWDAF同样可以通过无监督方法确定某个IP三元组一定对应到某种特殊业务,再通过第三方AF查询仍然可以确定App ID,进而组成新的PFD信息推送到用户面做业务检测。
实施例四
NWDAF的训练功能模块(例如NWDAF2)根据应用对应的历史应用状态(前景状态或者背景状态)以及历史流量信息训练应用状态识别模型,然后将其安装在NWDAF的推理功能模块(NWDAF1),在推理过程中,将实时的业务流对应的流量数据输入到应用状态识别模型,即可以确定该业务流的应用状态。
如图7所示,主要包括流程:
S21.NWDAF1触发到NWDAF2的NWDAF数据分析结果订阅服务Nnwdaf_AnalyticsSubscription_Subscribe,用于请求应用状态识别模型,NWDAF1和NWDAF2都可以用来确认业务数据流对应的应用状态,其中,NWDAF1为支持推理功能的NWDAF,NWDAF2为支持训练功能的NWDAF。服务操作中包括的信息如下:
分析标识(Analytics ID,如应用状态识别模型Application StatusIdentification Model)。
分析过滤器Analytics Filter,可以包括多种过滤信息,例如Analytics Filter可以是应用标识App ID,切片标识S-NSSAI,数据网络名称DNN,网络区域Network Area,这些过滤信息可以搭配使用,如局限于某个切片内的业务:
NWDAF1可以指定针对某个App ID对应的业务训练应用状态识别模型,或者针对这些App ID中每一个App ID对应的业务提取业务的流量特征。
例如,NWDAF1可以收集该业务对应的流量信息(参考如下表5),这样NWDAF1就可以获取到训练数据。
表5
NWDAF1获取到上述表5所示的训练数据之后,NWDAF1基于训练数据可以训练一个应用状态识别模型,该应用状态识别模型可以针对一个新的业务流对应的流量信息进行业务状态分类,可以分为前景状态、背景状态。
S-NSSAI是网络切片的切片标识,NWDAF1可以指定对该切片内所有的业务训练业务状识别模型。
DNN是数据网络名称,NWDAF1可以指定DNN对应的数据网络中所有业务训练业务状识别模型。
Area of Interest是区域信息,NWDAF1可以指定该区域内所有的业务训练业务状识别模型。
S22a.NWDAF2向UE请求终端上应用状态信息,请求中可以包括以下信息中的一个或者多个:应用的标识信息、时间信息以及区域信息。
S22b.UE向NWDAF2上报应用状态信息,包括IP五元组信息以及应用状态(前景状态或者背景状态)。可选地,UE还上报IP五元组信息对应的应用标识。
S23a.NWDAF2触发到SMF或者UPF的SMF或者UPF能力开放订阅服务Nsmf/upf_EventExposure_Subscribe。
S23b.SMF或者UPF触发到NWDAF2的SMF或者UPF能力开放通知服务Nsmf/upf_EventExposure_Notify。
NWDAF2向SMF或者UPF订阅流量信息的过程,同实施例一,不再赘述。
S24.NWDAF2生成训练数据集的过程,其中训练数据集的格式如下表6,表6用于训练应用状态识别模型,共N个样本数据。在具体过程中,针对一个来自UPF的流量信息,NWDAF2首先从其IP五元组中抽取出来服务器IP地址、服务器端口号以及协议号,然后从历史PFD信息中查询该服务器IP地址、服务器端口号以及协议号对应的App ID,进而通过这种数据关联方式就可以确定好一个样本数据。
表6
流量信息 | App Status |
Traffic Data 1 | Background |
Traffic Data 2 | Foreground |
Traffic Data 3 | Background |
Traffic Data 4 | Foreground |
Traffic Data 5 | Foreground |
… | … |
Traffic Data N | Background |
S25.NWDAF确定业务对应的应用状态识别模型。
基于上述训练数据集,NWDAF2可以训练用于识别业务状态的应用状态识别模型。
详细地,NWDAF2训练应用状态识别模型的过程是采用有监督的机器学习算法,比如逻辑回归、支持向量机等训练分类器。以逻辑回归为例,该分类器(以二分类为例,AppID1以及非App ID 1)可以表示为:
其中,zi=w0×xi0+w1×xi1+w2×xi2+w3×xi3+…+wD×xiD。
上述公式中:
yi为第i个业务数据流的流量数据的业务状态结果,如果yi=1,则前景状态,如果yi=0,则背景状态;
zi为xi经过线性回归所得中间数据值;
xi={xi0,xi1,xi2,xi3,…,xiD}是由第i个业务数据流的流量数据转换成的向量,其中xi0,xi1,xi2,xi3,…,xiD为业务数据流的流量数据,比如通信或交互的起始时间、上行或下行包时延、上行或下行包个数等,详见前述的表1;
w={w0,w1,w2,w3,…,wD}为权重。
S26.NWDAF2触发到NWDAF1的NWDAF分析结果通知服务Nnwdaf_AnalyticsSubscription_Notify,NWDAF2将应用状态识别模型发送给NWDAF1。
S27a.NWDAF1触发到SMF或者UPF的SMF或者UPF能力开放订阅服务Nsmf/upf_EventExposure_Subscribe。
S27b.SMF或者UPF触发到NWDAF1的SMF或者UPF能力开放通知服务Nsmf/upf_EventExposure_Notify。
NWDAF1从SMF或者UPF获取推理数据过程,跟步骤S23a和和S23b的方法一致,也就是从UPF获取新的IP五元组对应的流量数据过程。
需要说明的是,NWDAF1可能与UPF合设,因此步骤S27a和S27b中NWDAF1获取推理数据过程几乎等同于UPF获取推理数据的过程,时延很短。
另外,如果NWDAF1没有单独部署,那么UPF上可以集成NWDAF1的功能,也就是说UPF从NWDAF2获取了应用状态识别模型,这样UPF获取到推理数据后,可以直接确定对应的应用状态。
S28.NWDAF1根据推理数据确定业务数据流的应用状态过程,参见步骤S21介绍,此处不再赘述。
本申请实施例中NWDAF从UE获取历史应用状态信息,有监督学习应用状态对应的流量特征,并将其安装在UPF上或者与UPF部署位置相同的推理模块上,辅助用户面业务流快速应用状态检测。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
为便于更好的实施本申请实施例的上述方案,下面还提供用于实施上述方案的相关装置。
请参阅图8所示,本申请实施例提供的一种第一数据分析网元800,可以包括:处理模块801、收发模块802,其中,
处理模块,用于通过收发模块接收来自第一网元的应用的第一信息,所述第一信息包括所述应用对应的第一应用描述信息和/或应用状态,所述第一应用描述信息包括所述应用对应的应用标识和第一互联网协议IP信息,所述应用状态包括所述应用的前景状态或者背景状态;
所述处理模块,用于根据所述第一信息确定第二信息,所述第二信息包括所述应用标识以及如下至少一种:应用分析模型、至少一种应用特征、第二应用描述信息;
所述处理模块,用于通过所述收发模块向第二网元发送所述第二信息,所述第二信息用于所述第二网元识别第一数据对应的应用信息,所述第一数据对应的应用信息包括:所述第一数据的应用标识和/或应用状态。
处理模块801用于执行上述方法实施例中第一数据分析网元的数据处理操作。收发模块802用于执行上述方法实施例中第一数据分析网元的数据收发操作。具体的,收发模块802具体可以包括接收模块和发送模块。
请参阅图9所示,本申请实施例提供的一种第二网元900,可以包括:处理模块901、收发模块902,其中,
处理模块,用于通过收发模块接收来自第一数据分析网元的第二信息,所述第二信息包括应用的应用标识以及如下至少一种:应用分析模型、至少一种应用特征、第二应用描述信息;
所述处理模块,用于根据所述第二信息确定第一数据对应的应用信息,所述第一数据对应的应用信息包括:所述第一数据的应用标识和/或应用状态,所述应用状态包括所述应用的前景状态或者背景状态。
处理模块901用于执行上述方法实施例中第二网元的数据处理操作。收发模块902用于执行上述方法实施例中第二网元的数据收发操作。具体的,收发模块902具体可以包括接收模块和发送模块。
需要说明的是,上述装置各模块/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其带来的技术效果与本申请方法实施例相同,具体内容可参见本申请前述所示的方法实施例中的叙述,此处不再赘述。
本申请实施例还提供一种计算机存储介质,其中,该计算机存储介质存储有程序,该程序执行包括上述方法实施例中记载的部分或全部步骤。
接下来介绍本申请实施例提供的另一种第一数据分析网元,请参阅图10所示,第一数据分析网元1000包括:
接收器1001、发射器1002、处理器1003和存储器1004(其中第一数据分析网元1000中的处理器1003的数量可以一个或多个,图10中以一个处理器为例)。在本申请的一些实施例中,接收器1001、发射器1002、处理器1003和存储器1004可通过总线或其它方式连接,其中,图10中以通过总线连接为例。在一种可能的实现方式中,接收器1001、发射器1002可以具体的是通信接口或者接口电路收发模块802,用于第一数据分析网元与外部网元进行信息交互。
存储器1004可以包括只读存储器和随机存取存储器,并向处理器1003提供指令和数据。存储器1004的一部分还可以包括非易失性随机存取存储器(non-volatile randomaccess memory,NVRAM)。存储器1004存储有操作系统和操作指令、可执行模块或者数据结构,或者它们的子集,或者它们的扩展集,其中,操作指令可包括各种操作指令,用于实现各种操作。操作系统可包括各种系统程序,用于实现各种基础业务以及处理基于硬件的任务。
处理器1003控制第一数据分析网元的操作,处理器1003还可以称为中央处理单元(central processing unit,CPU)。具体的应用中,第一数据分析网元的各个组件通过总线系统耦合在一起,其中总线系统除包括数据总线之外,还可以包括电源总线、控制总线和状态信号总线等。但是为了清楚说明起见,在图中将各种总线都称为总线系统。
上述本申请实施例揭示的方法可以应用于处理器1003中,或者由处理器1003实现。处理器1003可以是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器1003中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器1003可以是通用处理器、数字信号处理器(digital signal processing,DSP)、专用集成电路(application specific integrated circuit,ASIC)、现场可编程门阵列(field-programmable gate array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器1004,处理器1003读取存储器1004中的信息,结合其硬件完成上述方法的步骤。
接收器1001可用于接收输入的数字或字符信息,以及产生与第一数据分析网元的相关设置以及功能控制有关的信号输入,发射器1002可包括显示屏等显示设备,发射器1002可用于通过外接接口输出数字或字符信息。
本申请实施例中,处理器1003,用于执行前述第一数据分析网元执行的通信方法。
处理器1003可以是上述处理模块801。
接下来介绍本申请实施例提供的另一种第二网元,请参阅图11所示,第二网元1100包括:
接收器1101、发射器1102、处理器1103和存储器1104(其中第二网元1100中的处理器1103的数量可以一个或多个,图11中以一个处理器为例)。在本申请的一些实施例中,接收器1101、发射器1102、处理器1103和存储器1104可通过总线或其它方式连接,其中,图11中以通过总线连接为例。
存储器1104可以包括只读存储器和随机存取存储器,并向处理器1103提供指令和数据。存储器1104的一部分还可以包括NVRAM。存储器1104存储有操作系统和操作指令、可执行模块或者数据结构,或者它们的子集,或者它们的扩展集,其中,操作指令可包括各种操作指令,用于实现各种操作。操作系统可包括各种系统程序,用于实现各种基础业务以及处理基于硬件的任务。
处理器1103控制第二网元的操作,处理器1103还可以称为CPU。具体的应用中,第二网元的各个组件通过总线系统耦合在一起,其中总线系统除包括数据总线之外,还可以包括电源总线、控制总线和状态信号总线等。但是为了清楚说明起见,在图中将各种总线都称为总线系统。
上述本申请实施例揭示的方法可以应用于处理器1103中,或者由处理器1103实现。处理器1103可以是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器1103中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器1103可以是通用处理器、DSP、ASIC、FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器1104,处理器1103读取存储器1104中的信息,结合其硬件完成上述方法的步骤。
本申请实施例中,处理器1103,用于执行第二网元执行的通信方法。
处理器1103可以是上述处理模块901。
在一种可能的实现方式中,接收器1101、发射器1102、可以具体的是通信接口或者接口电路或者收发模块902,用于第二网元与外部网元进行信息交互。
在另一种可能的设计中,当第一数据分析网元、第二网元为芯片时,芯片包括:处理单元和通信单元,所述处理单元例如可以是处理器,所述通信单元例如可以是输入/输出接口、管脚或电路等。该处理单元可执行存储单元存储的计算机执行指令,以使第一数据分析网元内的芯片执行上述第一方面任意一项的通信方法,第二网元内的芯片执行上述第二方面任意一项的通信方法。可选地,所述存储单元为所述芯片内的存储单元,如寄存器、缓存等,所述存储单元还可以是所述终端内的位于所述芯片外部的存储单元,如只读存储器(read-only memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(random access memory,RAM)等。
其中,上述任一处提到的处理器,可以是一个通用中央处理器,微处理器,ASIC,或一个或多个用于控制上述方法的程序执行的集成电路。
另外需说明的是,以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外,本申请提供的装置实施例附图中,模块之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或多条通信总线或信号线。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件的方式来实现,当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下,凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现,而且,用来实现同一功能的具体硬件结构也可以是多种多样的,例如模拟电路、数字电路或专用电路等。但是,对本申请而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在可读取的存储介质中,如计算机的软盘、U盘、移动硬盘、ROM、RAM、磁碟或者光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述的方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。
所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(Solid State Disk,SSD))等。
Claims (27)
1.一种通信方法,其特征在于,包括:
第一数据分析网元接收来自第一网元的应用的第一信息,所述第一信息包括所述应用对应的第一应用描述信息和/或应用状态,所述第一应用描述信息包括所述应用对应的应用标识和第一互联网协议IP信息,所述应用状态包括所述应用的前景状态或者背景状态;
所述第一数据分析网元根据所述第一信息确定第二信息,所述第二信息包括所述应用标识以及所述应用对应的如下至少一种:应用分析模型、至少一种应用特征、第二应用描述信息;
所述第一数据分析网元向第二网元发送所述第二信息,所述第二信息用于所述第二网元识别第一数据对应的应用信息,所述第一数据对应的应用信息包括:所述第一数据的应用标识和/或应用状态。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:所述第一数据分析网元接收来自第三网元的所述应用对应的第二数据;
所述第一数据分析网元根据所述第一信息确定第二信息,包括:所述第一数据分析网元根据所述第一信息和所述第二数据确定所述第二信息。
3.根据权利要求2所述的方法,其特征在于,所述第二信息包括应用分析模型;
所述第一数据分析网元根据所述第一信息和所述第二数据确定第二信息,包括:
所述第一数据分析网元根据所述第一信息和所述第二数据进行模型训练,以得到所述应用分析模型。
4.根据权利要求2所述的方法,其特征在于,所述第二信息包括至少一种应用特征;
所述第一数据分析网元根据所述第一信息和所述第二数据确定第二信息,包括:
所述第一数据分析网元根据所述第一信息对所述第二数据进行应用特征提取,以得到所述应用信息对应的至少一种应用特征。
5.根据权利要求2至4中任一项所述的方法,其特征在于,所述第二信息包括所述第二应用描述信息,所述第二应用描述信息包括第二IP信息;
所述第一数据分析网元根据所述第一信息和所述第二数据确定第二信息,包括:
所述第一数据分析网元根据所述第一信息和所述第二数据确定所述应用分析模型或者所述至少一种应用特征;
所述第一数据分析网元根据所述应用分析模型或者至少一种应用特征确定所述第二应用描述信息。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
所述第一数据分析网元确定所述应用的第一IP信息更新为所述第二IP信息;
所述第一数据分析网元向所述第二网元发送第一指示信息,所述第一指示信息用于指示所述第二IP信息为所述第一IP信息更新后的IP信息。
7.根据权利要求5所述的方法,其特征在于,所述方法还包括:
所述第一数据分析网元确定所述第二IP信息为所述应用的新增IP信息;
所述第一数据分析网元向所述第二网元发送第二指示信息,所述第二指示信息用于指示所述第二IP信息为所述应用的新增IP信息。
8.根据权利要求1至7中任一项所述的方法,其特征在于,所述第一数据分析网元包括:网络数据分析功能NWDAF网元;
所述第一网元包括:第一网络能力开放功能NEF网元;
所述第二网元包括如下至少一种:第一用户面功能UPF网元、第二数据分析网元、第二NEF网元。
9.根据权利要求2至8中任一项所述的方法,其特征在于,所述第三网元包括:第二UPF网元、会话管理功能SMF网元、接入与移动性管理功能AMF网元、应用功能AF网元。
10.根据权利要求1至9中任一项所述的方法,其特征在于,所述应用描述信息包括:包流描述PFD信息。
11.一种通信方法,其特征在于,包括:
第二网元接收来自第一数据分析网元的第二信息,所述第二信息包括应用的应用标识以及所述应用对应的如下至少一种:应用分析模型、至少一种应用特征、第二应用描述信息;
所述第二网元根据所述第二信息确定第一数据对应的应用信息,所述第一数据对应的应用信息包括:所述第一数据的应用标识和/或应用状态,所述应用状态包括所述应用的前景状态或者背景状态。
12.根据权利要求11所述的方法,其特征在于,所述第二信息包括应用分析模型,所述应用分析模型用于确定数据对应的应用信息;
所述第二网元根据所述第二信息确定第一数据对应的应用信息,包括:
所述第二网元从所述第一数据中获取到第一特征参数;
所述第二网元将所述第一特征参数输入到所述应用分析模型中,通过所述应用分析模型输出所述第一数据对应的应用信息。
13.根据权利要求11所述的方法,其特征在于,所述第二信息包括至少一种应用特征,所述至少一种应用特征对应所述应用信息;
所述第二网元根据所述第二信息确定第一数据对应的应用信息,包括:
所述第二网元从所述第一数据中获取到第二特征参数;
所述第二网元将所述第二特征参数与所述至少一种应用特征进行匹配,若所述第二特征参数匹配成功,所述至少一种应用特征对应的应用信息为所述第一数据对应的应用信息。
14.根据权利要求11所述的方法,其特征在于,所述第二信息包括第二应用描述信息,所述第二应用描述信息包括第二IP信息;
所述第二网元根据所述第二信息确定第一数据对应的应用信息,包括:
所述第二网元确定所述第一数据的IP信息;
所述第二网元根据所述第一数据的IP信息和所述应用对应的第二IP信息,确定所述第一数据对应的应用信息。
15.根据权利要求11至14中任一项所述的方法,其特征在于,所述第二网元接收来自第一数据分析网元的第二信息之前,所述方法还包括:
当所述第二网元包括第二数据分析网元时,所述第二网元根据预设的数据分析过滤条件生成过滤信息,并向所述第一数据分析网元发送所述过滤信息,所述过滤信息用于请求所述第二信息;或者,
当所述第二网元包括第一用户面功能UPF网元时,所述第二网元根据预设的事件过滤条件对第二数据进行过滤,并向所述第一数据分析网元发送过滤后的第二数据,所述过滤后的第二数据用于所述第一数据分析网元确定所述第二信息;或者,
当所述第二网元包括第二网络能力开放功能NEF网元时,所述第二网元向所述第一数据分析网元发送第一应用描述信息,所述第一应用描述信息包括所述应用对应的应用标识和第一IP信息,所述第一应用描述信息用于所述第一数据分析网元确定所述第二信息。
16.根据权利要求11至15中任一项所述的方法,其特征在于,所述第二网元包括第二NEF网元,所述方法还包括:
所述第二网元接收来自所述第一数据分析网元的第一指示信息;
所述第二网元根据所述第一指示信息确定所述第二应用描述信息包括的第二IP信息为所述第一IP信息更新后的IP信息。
17.根据权利要求11至15中任一项所述的方法,其特征在于,所述第二网元包括第二NEF网元,所述方法还包括:
所述第二网元接收来自所述第一数据分析网元的第二指示信息;
所述第二网元根据所述第二指示信息确定所述第二应用描述信息包括的第二IP信息为所述应用的新增IP信息。
18.根据权利要求11至17中任一项所述的方法,其特征在于,所述第一数据对应的应用信息包括:所述第一数据的应用标识,所述方法还包括:
所述第二网元根据所述第一数据的应用标识获取所述第一数据的策略信息。
19.根据权利要求11至18中任一项所述的方法,其特征在于,所述第一数据的应用状态为前景状态,所述方法还包括:
所述第二网元提高所述第一数据所在的媒体数据流的带宽;和/或,
所述第二网元提高所述第一数据所在的媒体数据流的调度优先级;和/或,
所述第二网元提高所述第一数据所在的媒体数据流的的编码速率。
20.根据权利要求11至18中任一项所述的方法,其特征在于,所述第一数据的应用状态为背景状态,所述方法还包括:
所述第二网元降低所述第一数据所在的媒体数据流的带宽;和/或,
所述第二网元降低所述第一数据所在的媒体数据流的调度优先级;和/或,
所述第二网元降低所述第一数据所在的媒体数据流的的编码速率。
21.一种通信装置,其特征在于,包括:
处理模块,用于通过收发模块接收来自第一网元的应用的第一信息,所述第一信息包括所述应用对应的第一应用描述信息和/或应用状态,所述第一应用描述信息包括所述应用对应的应用标识和第一互联网协议IP信息,所述应用状态包括所述应用的前景状态或者背景状态;
所述处理模块,用于根据所述第一信息确定第二信息,所述第二信息包括所述应用标识以及所述应用对应的如下至少一种:应用分析模型、至少一种应用特征、第二应用描述信息;
所述处理模块,用于通过所述收发模块向第二网元发送所述第二信息,所述第二信息用于所述第二网元识别第一数据对应的应用信息,所述第一数据对应的应用信息包括:所述第一数据的应用标识和/或应用状态。
22.一种通信装置,其特征在于,包括:
处理模块,用于通过收发模块接收来自第一数据分析网元的第二信息,所述第二信息包括应用的应用标识以及所述应用对应的如下至少一种:应用分析模型、至少一种应用特征、第二应用描述信息;
所述处理模块,用于根据所述第二信息确定第一数据对应的应用信息,所述第一数据对应的应用信息包括:所述第一数据的应用标识和/或应用状态,所述应用状态包括所述应用的前景状态或者背景状态。
23.一种通信装置,其特征在于,包括:处理器,存储器;所述处理器、所述存储器之间进行相互的通信;
所述存储器用于存储指令;
所述处理器用于执行所述存储器中的所述指令,执行如权利要求1至10中任一项所述的方法。
24.一种通信装置,其特征在于,包括:处理器,存储器;所述处理器、所述存储器之间进行相互的通信;
所述存储器用于存储指令;
所述处理器用于执行所述存储器中的所述指令,执行如权利要求11至20中任一项所述的方法。
25.一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行如权利要求1至10、或者11至20中任意一项所述的方法。
26.一种通信系统,其特征在于,所述通信系统包括:
第一数据分析网元,用于执行如权利要求1至10中任一项所述的方法;
第一网元,用于向所述第一数据分析网元发送应用的第一信息。
27.一种通信系统,其特征在于,所述通信系统包括:
第一数据分析网元,用于执行如权利要求1至10中任一项所述的方法;
第二网元,用于执行如权利要求11至20中任一项所述的方法。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010817054.2A CN114079618A (zh) | 2020-08-12 | 2020-08-12 | 一种通信方法和通信装置 |
PCT/CN2021/096242 WO2022033115A1 (zh) | 2020-08-12 | 2021-05-27 | 一种通信方法和通信装置 |
EP21855171.1A EP4191949A4 (en) | 2020-08-12 | 2021-05-27 | COMMUNICATION METHOD AND COMMUNICATION APPARATUS |
US18/167,347 US11855846B2 (en) | 2020-08-12 | 2023-02-10 | Communication method and communication apparatus |
US18/521,395 US20240171465A1 (en) | 2020-08-12 | 2023-11-28 | Communication method and communication apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010817054.2A CN114079618A (zh) | 2020-08-12 | 2020-08-12 | 一种通信方法和通信装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114079618A true CN114079618A (zh) | 2022-02-22 |
Family
ID=80246891
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010817054.2A Pending CN114079618A (zh) | 2020-08-12 | 2020-08-12 | 一种通信方法和通信装置 |
Country Status (4)
Country | Link |
---|---|
US (2) | US11855846B2 (zh) |
EP (1) | EP4191949A4 (zh) |
CN (1) | CN114079618A (zh) |
WO (1) | WO2022033115A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023185452A1 (zh) * | 2022-03-29 | 2023-10-05 | 华为技术有限公司 | 一种通信方法和通信装置 |
WO2024032369A1 (zh) * | 2022-08-08 | 2024-02-15 | 中国移动通信有限公司研究院 | 一种通信方法、装置、通信设备和计算机存储介质 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116325902A (zh) * | 2020-08-12 | 2023-06-23 | 诺基亚技术有限公司 | 网络数据分析功能之间的计算转移 |
US20230006971A1 (en) * | 2021-06-30 | 2023-01-05 | Sony Group Corporation | Anti-piracy control based on blacklisting function |
CN117082564A (zh) * | 2022-05-06 | 2023-11-17 | 华为技术有限公司 | 一种通信方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105591973A (zh) * | 2015-12-31 | 2016-05-18 | 杭州数梦工场科技有限公司 | 应用识别方法及装置 |
CN110149657A (zh) * | 2018-02-14 | 2019-08-20 | 华为技术有限公司 | 一种确定QoS描述信息的方法和装置 |
WO2019194954A1 (en) * | 2018-04-06 | 2019-10-10 | Convida Wireless, Llc | Methods of managing connections to a local area data network (ladn) in a 5g network |
CN110580256A (zh) * | 2018-05-22 | 2019-12-17 | 华为技术有限公司 | 一种识别应用标识的方法、设备及系统 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7804787B2 (en) * | 2005-07-08 | 2010-09-28 | Fluke Corporation | Methods and apparatus for analyzing and management of application traffic on networks |
US20130194930A1 (en) * | 2010-10-14 | 2013-08-01 | Telefonaktiebolaget L M Ericsson (Publ) | Application Identification Through Data Traffic Analysis |
CN103051725B (zh) * | 2012-12-31 | 2015-07-29 | 华为技术有限公司 | 应用识别方法、数据挖掘方法、装置及系统 |
US9185015B2 (en) * | 2013-02-19 | 2015-11-10 | Broadcom Corporation | Application aware elephant flow identification |
CN105426425A (zh) * | 2015-11-04 | 2016-03-23 | 华中科技大学 | 一种基于移动信令的大数据营销方法 |
KR102642689B1 (ko) * | 2016-11-16 | 2024-03-05 | 삼성전자주식회사 | 전자 장치 및 그 트래픽 제어 방법 |
US20190174319A1 (en) * | 2017-12-01 | 2019-06-06 | Seven Networks, Llc | Detection and identification of potentially harmful applications based on detection and analysis of malware/spyware indicators |
CN109698798B (zh) * | 2018-12-14 | 2022-04-01 | 北京锐安科技有限公司 | 一种应用的识别方法、装置、服务器和存储介质 |
US11567784B2 (en) * | 2020-01-08 | 2023-01-31 | Netflix, Inc. | Systems and methods for reducing forced application termination |
-
2020
- 2020-08-12 CN CN202010817054.2A patent/CN114079618A/zh active Pending
-
2021
- 2021-05-27 WO PCT/CN2021/096242 patent/WO2022033115A1/zh unknown
- 2021-05-27 EP EP21855171.1A patent/EP4191949A4/en active Pending
-
2023
- 2023-02-10 US US18/167,347 patent/US11855846B2/en active Active
- 2023-11-28 US US18/521,395 patent/US20240171465A1/en active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105591973A (zh) * | 2015-12-31 | 2016-05-18 | 杭州数梦工场科技有限公司 | 应用识别方法及装置 |
CN110149657A (zh) * | 2018-02-14 | 2019-08-20 | 华为技术有限公司 | 一种确定QoS描述信息的方法和装置 |
WO2019194954A1 (en) * | 2018-04-06 | 2019-10-10 | Convida Wireless, Llc | Methods of managing connections to a local area data network (ladn) in a 5g network |
CN110580256A (zh) * | 2018-05-22 | 2019-12-17 | 华为技术有限公司 | 一种识别应用标识的方法、设备及系统 |
Non-Patent Citations (2)
Title |
---|
SA WG2: "SP-190456 "Presentation of TS 23.288: amp;apos;Architecture enhancements for 5G System (5GS) to support network data analytics services (Release 16) amp;apos;."", 3GPP TSG_SA\\TSG_SA, no. 84, 31 May 2019 (2019-05-31) * |
张秀英;王铮;: "一种基于流量识别技术的网络信息审计模型", 微处理机, no. 01, 15 February 2010 (2010-02-15) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023185452A1 (zh) * | 2022-03-29 | 2023-10-05 | 华为技术有限公司 | 一种通信方法和通信装置 |
WO2024032369A1 (zh) * | 2022-08-08 | 2024-02-15 | 中国移动通信有限公司研究院 | 一种通信方法、装置、通信设备和计算机存储介质 |
Also Published As
Publication number | Publication date |
---|---|
EP4191949A4 (en) | 2024-01-31 |
WO2022033115A1 (zh) | 2022-02-17 |
US20230188424A1 (en) | 2023-06-15 |
US20240171465A1 (en) | 2024-05-23 |
EP4191949A1 (en) | 2023-06-07 |
US11855846B2 (en) | 2023-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022033115A1 (zh) | 一种通信方法和通信装置 | |
US20210105665A1 (en) | Apparatus and method for network configuration | |
WO2019091228A1 (zh) | 通信方法和网络设备 | |
US11172405B2 (en) | Method for checking change in wireless connection type of terminal in third-party application server | |
US20210168151A1 (en) | Method for implementing user plane security policy, apparatus, and system | |
CN111918271B (zh) | 一种信息配置方法及装置 | |
WO2021189869A1 (zh) | 一种获取信息的方法及装置 | |
WO2020108002A1 (zh) | 一种传输策略确定方法、策略控制方法及装置 | |
US20220408293A1 (en) | Method and device for providing network analysis information for rfsp index selection in mobile communication network | |
WO2017173941A1 (zh) | 服务质量QoS策略的处理方法、装置及系统 | |
US11855864B2 (en) | Method and apparatus for collecting network traffic in wireless communication system | |
CN114828165A (zh) | 一种通信方法及通信装置 | |
US20230142002A1 (en) | Communication Method and Apparatus | |
CN116210253A (zh) | 一种通信方法、设备及系统 | |
WO2021069056A1 (en) | A first network entity and a second network entity for enforcing network slice policy | |
JP7305798B2 (ja) | 端末情報処理方法および装置、ならびにシステム | |
US20230336432A1 (en) | Traffic classification rules based on analytics | |
US11991781B2 (en) | Subscriber data management method and apparatus | |
CN114079937B (zh) | 一种通信方法和通信装置以及系统 | |
CN115767542A (zh) | 一种接入控制方法和装置 | |
US12034621B2 (en) | Communication method, and communication apparatus and system | |
WO2023164849A9 (zh) | 无线通信方法、装置、设备、存储介质及程序产品 | |
JP7512521B2 (ja) | アナリティクスに基づくトラフィック分類ルール | |
WO2022174780A1 (zh) | DDoS攻击检测的方法和装置 | |
WO2024032270A1 (zh) | 一种策略确定方法、装置及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |