CN116170763A - 基于模型传输状态分析的信息处理方法及装置 - Google Patents

基于模型传输状态分析的信息处理方法及装置 Download PDF

Info

Publication number
CN116170763A
CN116170763A CN202111407052.7A CN202111407052A CN116170763A CN 116170763 A CN116170763 A CN 116170763A CN 202111407052 A CN202111407052 A CN 202111407052A CN 116170763 A CN116170763 A CN 116170763A
Authority
CN
China
Prior art keywords
model
information
model transmission
analysis
service
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
Application number
CN202111407052.7A
Other languages
English (en)
Inventor
王文慧
刘莹莹
段小嫣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Datang Mobile Communications Equipment Co Ltd
Original Assignee
Datang Mobile Communications Equipment Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Datang Mobile Communications Equipment Co Ltd filed Critical Datang Mobile Communications Equipment Co Ltd
Priority to CN202111407052.7A priority Critical patent/CN116170763A/zh
Priority to PCT/CN2022/127486 priority patent/WO2023093430A1/zh
Publication of CN116170763A publication Critical patent/CN116170763A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/24—Accounting or billing

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本申请提供一种基于模型传输状态分析的信息处理方法及装置，该方法包括：向网络数据分析功能NWDAF发送第一消息，所述第一消息用于请求订阅网络中人工智能/机器学习AI/ML模型传输状态的分析信息；接收NWDAF发送的分析信息；根据所述分析信息，对AI/ML模型传输进行信息处理。能够有效地实现基于AI/ML模型传输的信息处理，进而实现对AI/ML模型传输进行收费协商、收费统计、策略决策或会话管理等操作。

Description

基于模型传输状态分析的信息处理方法及装置
技术领域
本申请涉及通信技术领域，尤其涉及一种基于模型传输状态分析的信息处理方法及装置。
背景技术
近年来，由于人工智能的技术突破，人工智能的应用越来越广泛。在移动通信系统中，移动设备正越来越多地用人工智能(英文为：Artificial Intelligence，简称为：AI)/机器学习英文为：Machine Learning，简称为：ML)模型(以下称为AI/ML模型)取代传统算法，以提升智能化水平。
端设备通常具有严格的能耗、计算和内存限制而无法运行大量AI/ML模型，需要把AI/ML模型传输给云或者其他终端。
然而，在5G系统中传输AI/ML模型需要满足SA1 R18中对应的需求，以便做出关于AI/ML模型传输的收费协商、收费统计、策略决策或会话管理等信息处理。但是，现有技术中，无法有效地实现基于AI/ML模型传输的信息处理，进而无法实现对AI/ML模型传输进行收费协商、收费统计、策略决策或会话管理等操作。
发明内容
本申请提供一种基于模型传输状态分析的信息处理方法及装置，解决了现有技术中无法有效地实现基于AI/ML模型传输的信息处理，进而无法实现对AI/ML模型传输进行收费协商、收费统计、策略决策或会话管理等操作的技术问题，进而保证了AI/ML模型传输服务体验和性能。
第一方面，本申请提供一种基于模型传输状态分析的信息处理方法，所述方法应用于应用于策略控制功能PCF，所述方法包括：
向网络数据分析功能NWDAF发送第一消息，所述第一消息用于请求订阅网络中人工智能/机器学习AI/ML模型传输状态的分析信息；
接收NWDAF发送的分析信息；
根据所述分析信息，对AI/ML模型传输进行信息处理。
本申请实施例中，通过向NWDAF发送订阅网络中AI/ML模型传输状态的分析信息的请求，接收NWDAF发送的根据采集到的5GC NF(s)数据确定的分析信息，然后根据分析信息对AI/ML模型传输进行信息处理，进而实现对AI/ML模型传输中的收费协商、收费统计、策略决策等操作。
可选地，所述信息处理包括收费/赞助协商；所述根据所述分析信息，对AI/ML模型传输进行信息处理，包括：
直接或通过网络能力开放功能NEF接收应用服务提供商ASP或应用功能AF发送的第二消息，所述第二消息用于请求协商AI/ML模型传输的收费信息；其中，所述第二消息中请求的参数包括下述至少一项：联邦学习组标识、使用AI/ML模型的应用的标识、AI/ML传输的模型大小、使用AI/ML模型的区域信息、AI/ML模型传输的时间段、服务质量参数集、交易参考标识、赞助状态：
根据所述分析信息和所述第二消息，确定是否接受ASP/AF的收费/赞助请求，并直接或通过NEF向ASP/AF发送第一结果；所述第一结果包括接受ASP/AF为AI/ML模型传输的收费方/赞助方或不接受ASP/AF为AI/ML模型传输的收费方/赞助方。
可选地，所述信息处理还包括PDU会话收费统计；所述第二消息，还用于请求协商AI/ML模型传输的PDU会话收费统计信息；
其中，用于AI/ML模型传输的PDU会话是用户设备UE创建的；PDU会话中的参数包括下述至少一项：UE标识或用户设备组UE(s)标识、网络数据分析标识、使用AI/ML模型的应用的标识、使用AI/ML模型的区域信息、AI/ML模型传输的时间段、服务质量参数集；
相应的，所述第一消息中请求的参数包括所述PDU会话中的参数。
本申请实施例中，直接或通过NEF接收ASP/AF发送的协商AI/ML模型传输的收费信息的请求，然后根据该请求以及对应的分析信息中的参数，来确定接受ASP/AF为AI/ML模型传输的收费方/赞助方或不接受ASP/AF为AI/ML模型传输的收费方/赞助方，实现了基于模型传输状态分析的收费/赞助协商。
可选地，所述根据所述分析信息，对AI/ML模型传输进行信息处理，还包括：
根据所述分析信息和所述第二消息中请求的参数，确定PCC规则中AI/ML模型传输的计费规则；
向会话管理功能SMF发送第二结果，所述第二结果包括确定后的PCC规则；
接收所述SMF发送的用户面功能UPF报告的信息和会话/用户签约信息，并根据所述UPF报告的信息和会话/用户签约信息以及其它计费功能实体，对UE的AI/ML模型传输PDU会话执行收费；
其中，UPF报告的信息是UPF根据用于对传输AI/ML模型的数据包的使用上报规则对传输AI/ML模型的数据包进行统计确定的，所述使用上报规则是所述SMF根据接收到的确定后的PCC规则确定的。
可选地，所述计费规则包括下述至少一项：
不付费；
根据传输AI/ML的模型大小，应用不同的费率；其中，传输的AI/ML模型大，则AI/ML模型传输应用的费率高；
根据AI/ML模型传输的时间段的长短，应用不同的费率；其中，AI/ML模型传输的时间长，则AI/ML模型传输应用的费率高；
根据传输AI/ML的模型大小、使用AI/ML模型的区域信息和AI/ML模型传输的时间段的加权值，应用不同的费率；其中，传输AI/ML的模型大小、使用AI/ML模型的区域信息和AI/ML模型传输的时间段的加权值高，则AI/ML模型传输应用的费率高；
根据服务质量参数集，应用不同的费率；其中，AI/ML模型传输的服务质量流比特率高，则AI/ML模型传输应用的费率高；
根据是否含有联邦学习组标识，确定是否收费并确定相应费率。
本申请实施例中，根据ASP/AF发送的协商AI/ML模型传输的收费信息的请求的参数以及对应的分析信息中的参数，来确定PCC规则中AI/ML模型传输的计费规则，比如收费模式、费率等，然后向SMF发送确定后(或更新)的PCC规则，并根据接收到的SMF发送的UPF报告的信息和会话/用户签约信息以及其它计费功能实体，对UE的AI/ML模型传输PDU会话执行收费，实现了基于模型传输状态分析的PDU会话收费统计。
可选地，所述第一消息中请求的参数包括下述至少一项：使用AI/ML模型的应用的标识、用于传输AI/ML模型服务质量流的PDU会话的网络切片、用于传输AI/ML模型服务质量流的PDU会话的数据网络名称、服务质量参数集；所述分析信息包括所述第一消息中请求的参数对应的分析结果中的至少一项；其中，所述信息处理包括会话管理策略决策处理；
相应的，所述根据所述分析信息，对AI/ML模型传输进行信息处理，包括：
根据所述分析信息，确定PCC规则中AI/ML模型传输的授权服务质量参数；
将确定后的PCC规则中AI/ML模型传输的授权服务质量参数作为最新会话管理策略信息，并向会话管理功能SMF发送携带有所述最新会话管理策略信息的第三消息，所述第三消息用于请求所述SMF更新会话管理策略；
接收所述SMF发送的第二结果，所述第二结果是SMF根据所述最新会话管理策略信息确定的，所述第二结果包括更新会话管理策略或不更新会话管理策略。
可选地，所述根据所述分析信息，确定PCC规则中AI/ML模型传输的授权服务质量参数，包括：
若检测到所述分析信息中的AI/ML模型传输的数据速率过低，则调整AI/ML模型传输的授权服务质量参数中5G服务质量标识符的优先级或者授权服务质量参数中的反射式服务质量控制、传输AI/ML模型的上行链路方向最大比特率、传输AI/ML模型的下行链路方向最大比特率、传输AI/ML模型的上行链路方向最低比特率、传输AI/ML模型的下行链路方向最低比特率。
本申请实施例中，若检测到分析信息中的AI/ML模型传输的数据速率过低，则通过调整AI/ML模型传输的授权服务质量参数中5G服务质量标识符的优先级或者授权服务质量参数中的反射式服务质量控制、传输AI/ML模型的上行链路方向最大比特率、传输AI/ML模型的下行链路方向最大比特率、传输AI/ML模型的上行链路方向最低比特率、传输AI/ML模型的下行链路方向最低比特率，来实现基于模型传输状态分析的会话管理策略决策处理。
第二方面，本申请提供一种基于模型传输状态分析的信息处理方法，应用于会话管理功能SMF，所述方法包括：
向网络数据分析功能NWDAF发送第一消息，所述第一消息用于请求订阅网络中人工智能/机器学习AI/ML模型传输状态的分析信息；
接收NWDAF发送的分析信息；
根据所述分析信息，对AI/ML模型传输进行信息处理。
本申请实施例中，通过向NWDAF发送订阅网络中AI/ML模型传输状态的分析信息的请求，接收NWDAF发送的根据采集到的5GC NF(s)数据确定的分析信息，然后根据分析信息对AI/ML模型传输进行信息处理，进而实现对AI/ML模型传输中的会话管理等操作。
可选地，所述第一消息中请求的参数包括用于AI/ML模型传输的PDU会话中的参数，其中，用于AI/ML模型传输的PDU会话是用户设备UE创建的；PDU会话中的参数包括下述至少一项：UE标识或用户设备组UE(s)标识、网络数据分析标识、使用AI/ML模型的应用的标识、使用AI/ML模型的区域信息、AI/ML模型传输的时间段、服务质量参数集；所述信息处理包括会话管理；
所述根据所述分析信息，对AI/ML模型传输进行信息处理，包括：
根据各个UE的位置，从所述分析信息中匹配出最优AI/ML模型传输服务体验的信息；
从所述最优AI/ML模型传输服务体验的信息中获取服务会话锚点UPF的信息，并确定将所述服务会话锚点UPF作为新的PDU会话锚点UPF；
将使用选择的新的PDU会话锚点UPF为各个UE提供AI/ML模型传输的最优路径。
可选地，所述确定将所述服务会话锚点UPF作为新的PDU会话锚点UPF，包括：
在AI/ML模型传输中，根据各个UE的位置以及最优AI/ML模型传输服务体验的信息，确定AI/ML模型传输的最优路径；
确定所述最优路径对应的服务会话锚点UPF为新的PDU会话锚点UPF。
可选地，所述方法还包括：
在改变PDU会话锚点UPF之前，向应用功能AF发送第四消息，所述第四消息用于通知用户面锚点改变以及目标数据网络接入标识；
接收AF发送的确认结果。
本申请实施例中，通过向NWDAF发送订阅网络中AI/ML模型传输状态的分析信息的请求，接收NWDAF发送的根据采集到的5GC NF(s)数据确定的分析信息，然后根据分析信息来选择最佳UPF，进而实现对AI/ML模型传输进行会话管理。
可选地，所述根据所述分析信息，对AI/ML模型传输进行信息处理，还包括：
根据各个UE的位置，从所述分析信息中匹配出最优AI/ML模型传输服务体验的信息；
从所述最优AI/ML模型传输服务体验的信息中获取服务会话锚点UPF的信息和服务质量参数集的分析结果；
根据服务会话锚点UPF的信息和服务质量参数集的分析结果，确定建立一个新的PDU会话锚点UPF来传输AI/ML模型，所述新的PDU会话锚点UPF为第二PDU会话锚点UPF，其中，第一PDU会话锚点UPF为当前传输AI/ML模型的PDU会话锚；
确定选择一个用户面功能UPF作为PDU会话的分支点BP或上行分类器UL CL；
向所述BP或UL CL提供与第一PDU会话锚点UPF和第二PDU会话锚点UPF相对应的流量过滤器，并指示所述BP或UL CL将上行AI/ML模型传输的服务质量流/数据包转发到第二PDU会话锚点UPF；
将使用创建的第二PDU会话锚点UPF为各个UE提供AI/ML模型传输中服务质量流相关联信息的最优路径。
可选地，所述根据服务会话锚点UPF的信息和服务质量参数集的分析结果，确定建立一个新的PDU会话锚来传输AI/ML模型，包括：
根据服务会话锚点UPF的信息和服务质量参数集的分析结果，确定AI/ML模型传输的最优路径；
根据所述最优路径，确定建立一个新的PDU会话锚点UPF来传输AI/ML模型。
可选地，所述方法还包括：
在创建一个新的PDU会话锚点UPF来传输AI/ML模型之前，向应用功能AF发送第五消息，所述第五消息用于通知用户面锚点改变以及目标数据网络接入标识；
接收AF发送的确认结果。
本申请实施例中，通过向NWDAF发送订阅网络中AI/ML模型传输状态的分析信息的请求，接收NWDAF发送的根据采集到的5GC NF(s)数据确定的分析信息，然后根据分析信息来设置BP或UL CL，进而实现对AI/ML模型传输进行会话管理。
第三方面，本申请提供一种基于模型传输状态分析的信息处理装置，应用于策略控制功能PCF，所述装置包括：存储器，收发机，处理器：
存储器，用于存储计算机程序；收发机，用于在所述处理器的控制下收发数据；处理器，用于读取所述存储器中的计算机程序并执行以下操作：
向网络数据分析功能NWDAF发送第一消息，所述第一消息用于请求订阅网络中人工智能/机器学习AI/ML模型传输状态的分析信息；
接收NWDAF发送的分析信息；
根据所述分析信息，对AI/ML模型传输进行信息处理。
第四方面，本申请提供一种基于模型传输状态分析的信息处理装置，应用于会话管理功能SMF，所述装置包括：存储器，收发机，处理器：
存储器，用于存储计算机程序；收发机，用于在所述处理器的控制下收发数据；处理器，用于读取所述存储器中的计算机程序并执行以下操作：
向网络数据分析功能NWDAF发送第一消息，所述第一消息用于请求订阅网络中人工智能/机器学习AI/ML模型传输状态的分析信息；
接收NWDAF发送的分析信息；
根据所述分析信息，对AI/ML模型传输进行信息处理。
第五方面，本申请提供一种基于模型传输状态分析的信息处理装置，应用于策略控制功能PCF，所述装置包括：
发送单元，用于向网络数据分析功能NWDAF发送第一消息，所述第一消息用于请求订阅网络中人工智能/机器学习AI/ML模型传输状态的分析信息；
接收单元，用于接收NWDAF发送的分析信息；
处理单元，用于根据所述分析信息，对AI/ML模型传输进行信息处理。
第六方面，本申请提供一种基于模型传输状态分析的信息处理装置，应用于会话管理功能SMF，所述装置包括：
发送单元，用于向网络数据分析功能NWDAF发送第一消息，所述第一消息用于请求订阅网络中人工智能/机器学习AI/ML模型传输状态的分析信息；
接收单元，用于接收NWDAF发送的分析信息；
处理单元，用于根据所述分析信息，对AI/ML模型传输进行信息处理。
第七方面，本申请提供一种处理器可读存储介质，所述处理器可读存储介质存储有计算机程序，所述计算机程序用于使所述处理器执行第一方面或第二方面任一项所述的方法。
本申请提供一种基于模型传输状态分析的信息处理方法及装置，向网络数据分析功能NWDAF发送第一消息，所述第一消息用于请求订阅网络中人工智能/机器学习AI/ML模型传输状态的分析信息；接收NWDAF发送的分析信息；根据所述分析信息，对AI/ML模型传输进行信息处理。通过向NWDAF发送订阅网络中AI/ML模型传输状态的分析信息的请求，接收NWDAF发送的根据采集到的5GC NF(s)数据确定的分析信息，然后根据分析信息对AI/ML模型传输进行信息处理，进而实现对AI/ML模型传输中的收费协商、收费统计、策略决策或会话管理等操作，保证了AI/ML模型传输服务体验和性能。
应当理解，上述发明内容部分中所描述的内容并非旨在限定本发明的实施例的关键或重要特征，亦非用于限制本发明的范围。本发明的其它特征将通过以下的描述变得容易理解。
附图说明
为了更清楚地说明本申请或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的基于模型传输状态分析的信息处理方法的网络架构图；
图2为本申请另一实施例提供的基于模型传输状态分析的信息处理方法的网络架构图；
图3为本申请一实施例提供的基于模型传输状态分析的信息处理方法的流程示意图；
图4为本申请实施例提供的基于模型传输状态分析的信息处理方法的信令流程示意图；
图5为本申请又一实施例提供的基于模型传输状态分析的信息处理方法的信令流程示意图；
图6为本申请再一实施例提供的基于模型传输状态分析的信息处理方法的信令流程示意图；
图7为本申请还一实施例提供的基于模型传输状态分析的信息处理方法的流程示意图；
图8为本申请又一实施例提供的基于模型传输状态分析的信息处理方法的信令流程示意图；
图9为本申请另一实施例提供的基于模型传输状态分析的信息处理方法的信令流程示意图；
图10为本申请再一实施例提供的基于模型传输状态分析的信息处理装置的结构示意图；
图11为本申请另一实施例提供的基于模型传输状态分析的信息处理装置的结构示意图；
图12为本申请再一实施例提供的基于模型传输状态分析的信息处理装置的结构示意图；
图13为本申请又一实施例提供的基于模型传输状态分析的信息处理装置的结构示意图。
具体实施方式
本申请中术语“和/或”，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。字符“/”一般表示前后关联对象是一种“或”的关系。
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，并不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
为了清楚理解本申请的技术方案，首先对现有技术的方案进行详细介绍。现有技术中，在SA#93e通过的SA1 R18需求中，需要AI/ML模型传输的场景至少存在以下几种情况：
场景1、AI/ML模型的分发和共享。由于任务或者环境等的变化，移动终端的内存等有限，不能预先机载所有的模型，因此需要移动终端通过5G系统从网络实时下载新的AI/ML模型。
场景2、通过5GS的联邦学习算法。云服务器训练一个全局的模型时，需要聚合各个终端设备在本地训练的模型。每次训练迭代过程：一个终端设备从云服务器下载一个全局模型，用本地数据进行训练；终端将中间训练结果上报给云服务器；云服务器聚合来自所有终端的中间训练结果并更新全局模型，然后把全局模型再分发给终端；终端再执行下一次迭代。
场景3、AI/ML端点之间的AI/ML模型切分。一个AI/ML模型可以基于当前的任务或者环境切分成多个部分。趋势是将计算复杂，能耗大的部分由网络进行推理，需要隐私保护或者时延敏感的部分在终端推理。例如，终端下载/机载一个模型，先推理特定几层/部分，然后把中间结果发送给网络；网络再执行剩余层/部分，然后把推理结果反馈给终端。该场景在第一步或者中间传输部分模型，因此可能包含模型的传输。
因此，在5G系统中传输AI/ML模型需要满足SA1 R18中对应的需求，以便做出关于AI/ML模型传输的收费协商、收费统计、策略决策或会话管理等信息处理。但是，现有技术中，无法有效地实现基于AI/ML模型传输的信息处理，进而无法实现对AI/ML模型传输进行收费协商、收费统计、策略决策或会话管理等操作。
发明人进一步研究发现，要对AI/ML模型传输状态进行有效地分析，需要应用功能(英文为：Application Function，简称为：AF)、网络能力开放功能(英文为：NetworkExposure Function，简称为：NEF)、网络数据分析功能(英文为：Network data analyticfunction，简称为：NWDAF)以及各个网络功能(英文为：Network Function，简称为：NF)之间进行交互。如图1所示，AF可以直接或通过NEF向NWDAF发送用于表示订阅网络中AI/ML模型传输状态分析的请求，NWDAF通过向5G核心网(英文为：5G Core Network，简称为：5GC)中各个网络功能(英文为：Network Function，简称为：NF)(即NF(s))采集数据来分析网络中AI/ML模型传输状态并反馈，能够实现对AI/ML模型传输状态有效地分析，进而使得策略控制功能(英文为：Policy Control Function，简称为：PCF)或会话管理功能(英文为：SessionManagement Function，简称为：SMF)基于AI/ML模型传输状态的分析信息对AI/ML模型传输进行收费协商、收费统计、策略决策或会话管理等信息处理。
所以基于上述发明人的创造性研究，提出了本申请提出的基于模型传输状态分析的信息处理方法，本申请中，向网络数据分析功能NWDAF发送第一消息，所述第一消息用于请求订阅网络中人工智能/机器学习AI/ML模型传输状态的分析信息；接收NWDAF发送的分析信息；根据所述分析信息，对AI/ML模型传输进行信息处理。通过向NWDAF发送订阅网络中AI/ML模型传输状态的分析信息的请求，接收NWDAF发送的根据采集到的5GC NF(s)数据确定的分析信息，然后根据分析信息对AI/ML模型传输进行信息处理，进而实现对AI/ML模型传输中的收费协商、收费统计、策略决策或会话管理等操作，保证了AI/ML模型传输服务体验和性能。
图2为本申请另一实施例提供的基于模型传输状态分析的信息处理方法的网络架构图，如图2所示，本申请实施例中，NWDAF是运营商管理的网络分析功能，NWDAF能够向5GC网络功能、应用功能(英文为：Application Function，简称为：AF)和操作管理维护(英文为：Operation Administration and Maintenance，简称为：OAM)提供数据分析服务。其中，分析结果可以是历史统计信息或者预测信息。NWDAF可以服务一个或多个网络切片。
其中，在5GC中还包括其他多种功能。分别为用户平面功能(英文为：User PlaneFunction，简称为：UPF)、会话管理功能(英文为：Session Management Function，简称为：SMF)、接入和移动性管理功能(英文为：Access and Mobility Management Function，简称为：AMF)、统一数据库(英文为：Unified Data Repository，简称为：UDR)、网络能力开放功能(英文为：Network Exposure Function，简称为：NEF)、AF、策略控制功能(英文为：PolicyControl Function，简称为：PCF)及在线计费系统(英文为：Online Charging System，简称为：OCS)。其中，这些其他功能均可统称为NF。NWDAF基于服务化接口与5G核心网中其他功能实体5GC NF(s)及OAM进行通信。
5GC中可以有不同NWDAF实例提供不同类型的专用分析。为了让消费者NF能够发现合适的NWDAF实例来提供特定类型的分析，NWDAF实例需在向网络数据库功能(英文为：Network Repository Function，简称为：NRF)注册时提供其支持Analytic ID，AnalyticID代表了分析类型(或分析标识)。这样消费者NF可以在向NRF查询NWDAF实例时，提供Analytic ID来指示需要何种类型的分析。5GC网络功能和OAM决定如何使用网络数据分析功能NWDAF提供的数据分析来提高网络性能。
本申请实施例中，在一种应用场景中，PCF、SMF向NWDAF发送Nnwdaf_AnalyticsSubscription_Subscribe(即分析订阅订阅)请求，用于订阅网络中AI/ML模型传输状况的分析信息，这里的分析信息包括下述至少一项：使用AI/ML模型的应用标识(即Application ID)、网络数据分析标识、使用AI/ML模型的区域信息、传输AI/ML模型的时间段、所传输模型的大小、传输AI/ML模型的服务质量(即QoS)相关信息、AI/ML模型传输使用的网络切片、数据网络名称(英文为：Data Network Name，简称为：DNN)信息；如果有联邦学习，还包括：组标识(即联邦学习group ID)、参与联邦学习的UE ID or UE group ID、提供模型或者参与联邦学习的应用服务器的地址信息。PCF、SMF根据NWDAF提供的AI/ML模型传输状况的分析信息做相应的决策与会话管理优化。
因此，PCF、SMF通过向NWDAF发送订阅网络中AI/ML模型传输状态的分析信息的请求，PCF、SMF接收NWDAF发送的根据采集到的5GC NF(s)数据确定的分析信息，然后PCF、SMF根据分析信息对AI/ML模型传输进行信息处理，进而实现PCF对AI/ML模型传输中的收费协商、收费统计、策略决策等操作，SMF对AI/ML模型传输中的会话管理等操作。
以下将参照附图来描述本申请的实施例。
图3为本申请一实施例提供的基于模型传输状态分析的信息处理方法的流程示意图，如图3所示，本实施例提供的基于模型传输状态分析的信息处理方法的执行主体为PCF，则本申请实施例提供的基于模型传输状态分析的信息处理方法包括以下步骤：
步骤101、向网络数据分析功能NWDAF发送第一消息。
其中，所述第一消息用于请求订阅网络中人工智能/机器学习AI/ML模型传输状态的分析信息。
本实施例中，第一消息中请求的参数包括下述至少一项：网络数据分析标识(即Analytics ID)、接收AI/ML模型的一个用户设备UE或一组UE的标识或满足分析条件的任意UE(即Target of Analytics Reporting)、使用AI/ML模型的应用的标识(即ApplicationID)、AI/ML模型传输的区域(即AoI(Area of Interest))、指示传输AI/ML模型服务质量流的协议数据单元PDU会话的网络切片(即S-NSSAI)、指示传输AI/ML模型服务质量流的PDU会话的数据网络(即DNN)、AI/ML模型传输的时间段(即Model transmission duration)、AI/ML模型传输的开始时间戳(即Model transmission start)、AI/ML模型传输的结束时间戳(即Model transmission stop)、AI/ML传输模型的大小(即Model size)、服务质量要求(即QoS requirements，包括用于指示传输AI/ML模型的服务质量流的服务质量要求(即5QI(5GQoS Identifier))和/或用于指示传输AI/ML模型的特定的服务质量要求(即QoSCharacteristics))。
其中，特定的服务质量要求，例如包传输时延、误包率等。
如果AI/ML模型执行联邦学习，该第一消息中请求的参数还可以包括下述至少一项：联邦学习群信息(即Federated Learning(FL)group information)；该联邦学习群信息可以包括：用于指示分析的联邦学习组的标识(即Federated Learning(FL)group ID)、参加联邦学习的UE标识或UE(s)标识(即Federated Learning(FL)UE ID or UE group ID)、参加联邦学习的应用标识(即Federated Learning(FL)Application ID)。
步骤102、接收NWDAF发送的分析信息。
其中，所述分析信息是所述NWDAF根据接收5G核心网的其他网络功能5GC NF(s)发送的AI/ML模型传输状态的数据确定的，所述AI/ML模型传输状态的数据是所述NWDAF根据接收到的所述第一消息中请求的参数向所述5GC NF(s)发送数据采集请求采集得到的。
本实施例中，数据采集请求中请求的参数包括下述至少一项：使用AI/ML模型的UE的当前位置(即UE location)、使用AI/ML模型的应用的标识(即Application ID，可以是服务器的标识，也可以是AF的标识)、传输AI/ML模型的服务质量流标识符(即QFI)、传输AI/ML模型的上行链路方向比特率(即bit rate for UL direction)及传输AI/ML模型的下行链路方向比特率(即bit rate for DL direction)、AI/ML模型的上行链路方向分组延迟(即Packet delay for UL direction)及AI/ML模型的下行链路方向分组延迟(即Packetdelay for the DL direction)、服务质量流在AI/ML模型传输的时间段内异常释放的数量(QoS Sustainability)、AI/ML模型的分组传输数量(packet transmission)、AI/ML模型的分组重传数量(即packet retransmission)、数据采集时间(即Timestamp)、AI/ML模型传输的时长(即AI/ML模型传输的时间段)、AI/ML模型传输的开始时间戳、AI/ML模型传输的结束时间戳、AI/ML传输模型的大小、用于传输AI/ML模型服务质量流的PDU会话的网络切片、用于传输AI/ML模型服务质量流的PDU会话的数据网络、用于所述AF的服务流程(即IP filterinformation)。
如果AI/ML模型执行联邦学习，所述数据采集请求中请求的参数还包括下述至少一项：用于指示分析的联邦学习组的标识(即Federated Learning(FL)group ID)、参加联邦学习的UE标识或UE(s)标识(即Federated Learning(FL)UE ID or UE group ID)、参加联邦学习的应用标识(即Federated Learning(FL)Application ID)。
步骤103、根据所述分析信息，对AI/ML模型传输进行信息处理。
其中，所述分析信息用于协商收费/赞助、PDU会话收费统计、做会话管理策略决策等，即分析信息用于支持收费决策以及SM策略。
所述分析信息包括下述至少一项：用于传输AI/ML模型服务质量流的PDU会话的网络切片、使用AI/ML模型的应用的标识、使用AI/ML模型的区域信息、分析结果的有效时间(即Validity period)、提供AI/ML模型传输的用户面功能UPF(即UPF Info)、用于传输AI/ML模型服务质量流的PDU会话的数据网络名称、AI/ML传输模型的大小、AI/ML模型传输的时长、AI/ML模型传输的开始时间戳、AI/ML模型传输的结束时间戳、服务质量要求；服务质量要求可以包括传输AI/ML模型的服务质量流标识符(即QFI)、传输AI/ML模型的上行链路方向比特率及传输AI/ML模型的下行链路方向比特率、AI/ML模型的上行链路方向分组延迟及AI/ML模型的下行链路方向分组延迟、服务质量流在AI/ML模型传输的时间段内异常释放的数量、达到服务质量流在AI/ML模型传输的时间段内异常释放的报告阈值的次数、AI/ML模型的分组传输数量、AI/ML模型的分组重传数量。
如果AI/ML模型执行联邦学习，所述分析信息还包括下述至少一项：用于指示分析的联邦学习组的标识、参加联邦学习的UE标识或UE(s)标识、指示提供AI/ML模型或者参与联邦学习的各个应用标识(即Application Server Instance Address)。
本实施例中，通过向NWDAF发送订阅网络中AI/ML模型传输状态的分析信息的请求，接收NWDAF发送的根据采集到的5GC NF(s)数据确定的分析信息，然后根据分析信息对AI/ML模型传输进行信息处理，进而实现对AI/ML模型传输中的收费协商、收费统计、策略决策等操作。
可选地，所述信息处理包括收费/赞助协商；所述根据所述分析信息，对AI/ML模型传输进行信息处理，可以通过以下步骤实现：
步骤a1、直接或通过网络能力开放功能NEF接收应用服务提供商ASP或应用功能AF发送的第二消息，所述第二消息用于请求协商AI/ML模型传输的收费信息；其中，所述第二消息中请求的参数包括下述至少一项：联邦学习组标识、参加联邦学习的应用标识、AI/ML传输的模型大小、使用AI/ML模型的区域信息、AI/ML模型传输的时间段、服务质量参数集、交易参考标识、赞助状态。
步骤a2、根据所述分析信息和所述第二消息，确定是否接受ASP/AF的收费/赞助请求，并直接或通过NEF向ASP/AF发送第一结果；所述第一结果包括接受ASP/AF为AI/ML模型传输的收费方/赞助方或不接受ASP/AF为AI/ML模型传输的收费方/赞助方。
本实施例中，如果PCF在受信区域，直接接收ASP/AF发送的协商AI/ML模型传输的收费信息的请求；如果PCF不在受信区域，通过NEF接收ASP/AF发送的协商AI/ML模型传输的收费信息的请求，基于请求的参数以及接收到的分析信息中的联邦学习组标识、参加联邦学习的应用标识、AI/ML传输的模型大小、使用AI/ML模型的区域信息、AI/ML模型传输的时间段、服务质量参数集(包括用于指示传输AI/ML模型的服务质量流的服务质量要求和/或用于指示传输AI/ML模型的特定的服务质量要求)、交易参考标识、赞助状态等参数来确定是否接受ASP/AF的收费/赞助请求，并向ASP/AF反馈接受ASP/AF为AI/ML模型传输的收费方/赞助方或不接受ASP/AF为AI/ML模型传输的收费方/赞助方的结果。
示例性的，实施例一(PCF向NWDAF订阅AI/ML模型传输的分析信息来与ASP/AF协商收费。)
参见图4所示，图4为本申请实施例提供的基于模型传输状态分析的信息处理方法的信令流程示意图，图4为基于模型传输状态分析的信息处理方法中ASP/AF与NWDAF、NEF和PCF间的信令交互图。本实施例提供的基于模型传输状态分析的信息处理方法包括以下步骤：(其中，以AF在不受信任区域为例。)
步骤4011、PCF向NWDAF发送AI/ML模型开放传输状态订阅Nnwdaf_AnalyticsSubscription_Subscribe(即分析订阅订阅)请求。
其中，AI/ML模型传输状态订阅Nnwdaf_AnalyticsSubscription_Subscribe请求可以作为第一消息。
本实施例中，该请求中可以携带网络数据分析标识(即Analytics ID)、接收AI/ML模型的一个用户设备UE或一组UE的标识或满足分析条件的任意UE(即Target ofAnalytics Reporting)、使用AI/ML模型的应用的标识(即Application ID)、AI/ML模型传输的区域(即AoI(Area of Interest))、指示传输AI/ML模型服务质量流的协议数据单元PDU会话的网络切片(即S-NSSAI)、指示传输AI/ML模型服务质量流的PDU会话的数据网络(即DNN)、AI/ML模型传输的时间段(即Model transmission duration)、AI/ML模型传输的开始时间戳(即Model transmission start)、AI/ML模型传输的结束时间戳(即Modeltransmission stop)、AI/ML传输模型的大小(即Model size)、服务质量要求(包括用于指示传输AI/ML模型的服务质量流的服务质量要求(即5QI(5G QoS Identifier))和/或用于指示传输AI/ML模型的特定的服务质量要求(即QoS Characteristics))、用于指示分析的联邦学习组的标识(即Federated Learning(FL)group ID)、参加联邦学习的UE标识或UE(s)标识(即Federated Learning(FL)UE ID or UE group ID)、参加联邦学习的应用标识(即Federated Learning(FL)Application ID)、交易参考标识、赞助状态等，请求订阅网络中AI/ML模型传输状态的分析信息。
步骤4012、NWDAF调用Nnwdaf_AnalyticsSubscription_Notify(即分析订阅通知)向PCF发送AI/ML模型传输状态的分析信息。
具体地，首先NWDAF调用Nnf_EventExposure_Subscribe(即事件开放订阅)向5GCNF(s)发送数据采集请求，来分析网络中AI/ML模型传输状态。NWDAF向所述5GC NF(s)发送数据采集请求的方式可以是NWDAF调用Nnf_EventExposure_Subscribe。然后5GC NF(s)调用Nnf_EventExposure_Notify(即事件开放通知)向NWDAF反馈所需数据。
步骤4013、ASP/AF向NEF发送Nnef_ChargeableParty_Create request(即可收费方创建请求)消息。该消息中携带有Federated Learning(FL)group ID(即联邦学习组标识)，Application ID(即使用AI/ML模型的应用的标识)，model size(即AI/ML传输的模型大小)，Validity area(即使用AI/ML模型的区域信息)，Model transmission duration(即AI/ML模型传输的时间段)，QoS Parameter Sets(即服务质量参数集)，TransactionReference ID(即交易参考标识)，Sponsoring Status(即赞助状态)等请求信息，请求协商AI/ML模型传输收费信息。
步骤4014、NEF通过触发Npcf_Policy_Create request(即策略创建请求)消息与PCF进行交互，并携带与步骤4013请求相同的信息，即携带与步骤4013相同的请求信息。
其中，Npcf_Policy_Create request消息可以作为第二消息。
步骤4015、PCF通过触发Npcf_Policy_Create response(即策略创建响应)向NEF发送是否接受请求的消息。
本实施例中，PCF根据AI/ML模型传输状况的分析信息和步骤4014中的请求信息，确定是否接受ASP/AF的收费/赞助请求，来设置ASP/AF是否可成为AI/ML模型传输的收费方/赞助方。
步骤4016、NEF向AF发送Nnef_ChargeableParty_Create response(即可收费方创建响应)消息。
其中，Nnef_ChargeableParty_Create response消息可以作为第一结果。
具体地，ASP/AF向PCF请求成为AI/ML模型传输的收费方/赞助方，PCF确定是否接受此请求，如接受，则ASP/AF可成为收费方/赞助方；反之则不可成为AI/ML模型传输的收费方/赞助方。
可选地，所述信息处理还包括PDU会话收费统计；所述第二消息，还用于请求协商AI/ML模型传输的PDU会话收费统计信息；
其中，用于AI/ML模型传输的PDU会话是用户设备UE创建的；PDU会话中的参数包括下述至少一项：UE标识或用户设备组UE(s)标识、网络数据分析标识、使用AI/ML模型的应用的标识、使用AI/ML模型的区域信息(即使用AI/ML模型的有效区域信息)、AI/ML模型传输的时间段、服务质量参数集；
相应的，所述第一消息中请求的参数包括所述PDU会话中的参数。
本实施例中，如果PCF在受信区域，直接接收ASP/AF发送的协商AI/ML模型传输的PDU会话收费统计信息的请求；如果PCF不在受信区域，通过NEF接收ASP/AF发送的协商AI/ML模型传输的PDU会话收费统计信息的请求。
其中，由用户设备UE创建用于AI/ML模型传输的PDU会话，该第一消息中请求的参数包括PDU会话中的参数，比如：UE标识或UE(s)(即用户设备组)标识、网络数据分析标识、使用AI/ML模型的应用的标识、使用AI/ML模型的区域信息、AI/ML模型传输的时间段、服务质量参数集等。
可选地，所述信息处理包括PDU会话收费统计时，所述根据所述分析信息，对AI/ML模型传输进行信息处理，可以通过以下步骤实现：
步骤b1、根据所述分析信息和所述第二消息中请求的参数，确定PCC规则中AI/ML模型传输的计费规则。
步骤b2、向会话管理功能SMF发送第二结果，所述第二结果包括确定后的PCC规则。
步骤b3、接收所述SMF发送的用户面功能UPF报告的信息和会话/用户签约信息，并根据所述UPF报告的信息和会话/用户签约信息以及其它计费功能实体，对UE的AI/ML模型传输PDU会话执行收费。
其中，UPF报告的信息是UPF根据用于对传输AI/ML模型的数据包的使用上报规则对传输AI/ML模型的数据包进行统计确定的，所述使用上报规则是所述SMF根据接收到的确定后的PCC规则确定的。
本实施例中，计费规则，例如收费模式、费率等。PCF根据第二消息中请求的参数，从接收到的分析信息中获取相应的参数，然后基于该参数确定(或更新)PCC规则中AI/ML模型传输的计费规则，并向SMF发送确定后的(或更新后的)PCC规则，然后SMF根据确定后的(或更新后的)PCC规则，确定UPF报告的信息和会话/用户签约信息，并发送给PCF，实现了PDU会话收费统计。
可选地，计费规则包括下述至少一项：
不付费；
根据传输AI/ML的模型大小，应用不同的费率；其中，传输的AI/ML模型大，则AI/ML模型传输应用的费率高；
根据AI/ML模型传输的时间段的长短，应用不同的费率；其中，AI/ML模型传输的时间长，则AI/ML模型传输应用的费率高；
根据传输AI/ML的模型大小、使用AI/ML模型的区域信息和AI/ML模型传输的时间段的加权值，应用不同的费率；其中，传输AI/ML的模型大小、使用AI/ML模型的区域信息和AI/ML模型传输的时间段的加权值高，则AI/ML模型传输应用的费率高；
根据服务质量参数集，应用不同的费率；其中，AI/ML模型传输的服务质量流比特率高，则AI/ML模型传输应用的费率高；
根据是否含有联邦学习组标识，确定是否收费并确定相应费率。
具体地，计费规则包含以下信息中的一项或多项：
a.Volume based charging，rates(根据model size的大小应用不同的费率，传输的AI/ML模型大则应用的费率高)；
b.Time based charging，rates(根据Model transmission duration的长短应用不同的费率，AI/ML模型传输的时间长则应用的费率高)；
c.Volume and time based charging，rates(根据model size、Validity area和Model transmission duration的加权值应用不同的费率，此三项参数的加权值高则AI/ML模型传输应用的费率高)；
d.QoS based charging，rates(根据QoS Parameter Sets(即服务质量参数集)来应用不同的费率，例如，AI/ML模型传输的QoS flow Bit Rate(即服务质量流比特率)高则其应用的费率高)；
e.Event based charging，rates(根据Federated Learning(FL)group ID(即联邦学习组标识)的有无来设置是否收费，并确定相应费率)；
f.No charging(即不付费)。
示例性的，实施例二(PCF向NWDAF订阅AI/ML模型传输的分析信息来对PDU会话收费统计。)
参见图5所示，图5为本申请又一实施例提供的基于模型传输状态分析的信息处理方法的信令流程示意图，图5为基于模型传输状态分析的信息处理方法中ASP/AF与NWDAF、NEF、UPF、SMF和PCF间的信令交互图。本实施例提供的基于模型传输状态分析的信息处理方法包括以下步骤：(其中，以ASP/AF在不受信任区域为例。)
步骤5010、AI/ML模型传输PDU会话建立(ML Model Transfer PDU sessionestablishmen t)。
具体地，UE创建AI/ML模型传输PDU会话，携带的UE ID or UE group ID(即UE标识或UE(s)标识)、Analytics ID(即网络数据分析标识)，Application ID、AoI(Area ofInterest)、Model transmission duration、QoS Parameter Sets等信息表示该PDU会话将进行AI/ML模型传输。
步骤5011、若PCF尚未从NWDAF订阅网络中AI/ML模型传输状况的分析信息，则向NWDAF发送Nnwdaf_AnalyticsSubscription_Subscribe请求。
其中，该请求携带UE ID or UE group ID，Analytics ID，Application ID，AoI(Area of Interest)，Model transmission duration，QoS Parameter Sets等信息)，订阅网络中AI/ML模型传输状况的分析信息。
步骤5012、NWDAF向PCF发送Nnwdaf_AnalyticsSubscription_Notify，即NWDAF向PCF提供网络中AI/ML模型传输状况的分析信息。
具体地，NWDAF收到携带这些信息的请求，向一些网元AMF、UPF、AF收集信息，分析并输出模型传输状况的分析信息。
步骤5013、ASP/AF向NEF发送Nnef_ChargeableParty_Create request消息。该消息中携带Federated Learning(FL)group ID，Application ID，model size，Validityarea，Model transmission duration，QoS Parameter Sets，Transaction Reference ID,Sponsoring Status，请求AI/ML模型传输的PDU会话收费统计信息。
步骤5014、NEF向PCF发送Npcf_Policy_Create request消息。其中携带与步骤5013请求相同的信息。
步骤5015、PCF向NEF发送Npcf_Policy_Create response。
具体地，PCF根据AI/ML模型传输状况的分析信息和步骤5014中的请求信息，确定(或更新)PCC规则中AI/ML模型传输的计费规则(例如收费模式、费率)。
步骤5016、PCF向SMF发送Npcf_SMPolicyControl_UpdateNotify(即会话策略控制更新通知)。其中携带步骤5015确定(或更新)的PCC规则。
步骤5017、SMF根据接收到的PCC规则，对UE的AI/ML模型传输PDU会话执行收费(即AI/ML Model Transfer PDU session charging performed)。
具体地，SMF根据接收到的PCC规则，得到对传输AI/ML模型的数据包的使用上报规则(英文为：Usage Reporting Rule，简称为：URR),发送给用于AI/ML模型传输PDU会话用户面管理的UPF。UPF根据该使用上报规则对传输AI/ML模型的数据包进行统计(例如，统计AI/ML模型传输的model size、QoS flow等)，并上报给SMF。SMF将UPF报告的信息和会话/用户签约信息上报给PCF和其它计费功能实体，从而针对UE的AI/ML模型传输PDU会话执行收费。
5018、NEF向AF发送Nnef_ChargeableParty_Create response消息。
可选地，所述第一消息中请求的参数包括下述至少一项：使用AI/ML模型的应用的标识、用于传输AI/ML模型服务质量流的PDU会话的网络切片、用于传输AI/ML模型服务质量流的PDU会话的数据网络名称、服务质量参数集；所述分析信息包括所述第一消息中请求的参数对应的分析结果；其中，所述信息处理包括会话管理策略决策处理。
相应的，所述根据所述分析信息，对AI/ML模型传输进行信息处理，可以通过以下步骤实现：
步骤c1、根据所述分析信息，确定PCC规则中AI/ML模型传输的授权服务质量参数。
步骤c2、将确定后的PCC规则中AI/ML模型传输的授权服务质量参数作为最新会话管理策略信息，并向会话管理功能SMF发送携带有所述最新会话管理策略信息的第三消息，所述第三消息用于请求所述SMF更新会话管理策略。
步骤c3、接收所述SMF发送的第二结果，所述第二结果是SMF根据所述最新会话管理策略信息确定的，所述第二结果包括更新会话管理策略或不更新会话管理策略。
本实施例中，PCF根据分析信息中的使用AI/ML模型的应用的标识、用于传输AI/ML模型服务质量流的PDU会话的网络切片、用于传输AI/ML模型服务质量流的PDU会话的数据网络名称、服务质量参数集，确定PCC规则中AI/ML模型传输的授权服务质量参数。然后基于该授权服务质量参数为最新会话管理策略信息向SMF发送更新会话管理策略的请求，该请求中携带有该最新会话管理策略信息，SMF根据接收到的最新会话管理策略信息确定是否更新会话管理策略，并将更新会话管理策略或不更新会话管理策略的结果发送给PCF，实现了PCF对AI/ML模型传输进行会话管理策略决策处理。
可选地，所述根据所述分析信息，确定PCC规则中AI/ML模型传输的授权服务质量参数，包括：
若检测到所述分析信息中的AI/ML模型传输的数据速率过低，则调整AI/ML模型传输的授权服务质量参数中5G服务质量标识符的优先级(即5G QoS Identifier)或者授权服务质量参数中的反射式服务质量控制(即Reflective QoS Control)、传输AI/ML模型的上行链路方向最大比特率(即UL-maximum bitrate)、传输AI/ML模型的下行链路方向最大比特率(即DL-maximum bitrate)、传输AI/ML模型的上行链路方向最低比特率(即UL-guaranteed bitrate)、传输AI/ML模型的下行链路方向最低比特率(即DL-guaranteedbitrate)。
示例性的，实施例三(PCF向NWDAF订阅AI/ML模型传输的分析信息来做SM策略决策。)
参见图6所示，图6为本申请再一实施例提供的基于模型传输状态分析的信息处理方法的信令流程示意图，图6为基于模型传输状态分析的信息处理方法中NWDAF、SMF和PCF间的信令交互图。本实施例提供的基于模型传输状态分析的信息处理方法包括以下步骤：
步骤6011、PCF向NWDAF发送Nnwdaf_AnalyticsSubscription_Subscribe请求。该请求携带Application ID(使用AI/ML模型的应用的标识)，S-NSSAI(用于传输AI/ML模型服务质量流的PDU会话的网络切片)，DNN(数据网络名称)，QoS Parameter Sets等信息，订阅网络中AI/ML模型传输状况的分析信息。
6012、NWDAF调用Nnwdaf_AnalyticsSubscription_Notify向PCF发送AI/ML模型传输状态的分析信息。即NWDAF向PCF提供网络中AI/ML模型传输状况的分析信息。
6013、PCF根据步骤6012中得到的分析信息，做策略决策(即policy decision)。
具体地，PCF根据步骤6012中得到的分析信息，例如S-NSSAI、DNN中AI/ML模型传输的数据速率、QoS Parameter的分析结果，来确定和/或修改PCC规则中AI/ML模型传输的授权QoS(服务质量)参数(例如，检测到AI/ML模型传输的数据速率过低，来调整此模型传输的授权QoS参数中5QI的优先级或者其授权QoS参数中的Reflective QoS Control、UL-maximum bitrate、DL-maximum bitrate、UL-guaranteed bitrate、DL-guaranteedbitrate等)。
6014、PCF向SMF发出Npcf_SMPolicyControl_UpdateNotify request。该请求中包含步骤6013中有关AI/ML模型传输的最新SM策略信息。
6015、SMF向PCF发送Npcf_SMPolicyControl_UpdateNotify response。即SMF以Npcf_SMPolicyControl_UpdateNotify response来确认PCF请求。
本实施例中，在5GC系统中，PCF可以从NWDAF获得AI/ML模型传输的分析结果。PCF可基于AI/ML模型传输状况的分析信息做出相应的决策(包括收费决策及SM策略)。
图7为本申请还一实施例提供的基于模型传输状态分析的信息处理方法的流程示意图，如图7所示，本实施例提供的基于模型传输状态分析的信息处理方法的执行主体为SMF，则本申请实施例提供的基于模型传输状态分析的信息处理方法包括以下步骤：
步骤701、向网络数据分析功能NWDAF发送第一消息，所述第一消息用于请求订阅网络中人工智能/机器学习AI/ML模型传输状态的分析信息。
步骤702、接收NWDAF发送的分析信息。
步骤703、根据所述分析信息，对AI/ML模型传输进行信息处理。
其中，分析信息用于支持会话管理。
本实施例中，所述第一消息用于请求订阅网络中人工智能/机器学习AI/ML模型传输状态的分析信息。其中，所述分析信息是所述NWDAF根据接收5G核心网的其他网络功能5GC NF(s)发送的AI/ML模型传输状态的数据确定的，所述AI/ML模型传输状态的数据是所述NWDAF根据接收到的所述第一消息中请求的参数向所述5GC NF(s)发送数据采集请求采集得到的。
其中，第一消息中请求的参数、数据采集请求中请求的参数、分析信息可以参照上述以PCF为执行主体执行的基于模型传输状态分析的信息处理方法的实施例中的第一消息中请求的参数、数据采集请求中请求的参数以及分析信息。
本实施例中，通过向NWDAF发送订阅网络中AI/ML模型传输状态的分析信息的请求，接收NWDAF发送的根据采集到的5GC NF(s)数据确定的分析信息，然后根据分析信息对AI/ML模型传输进行信息处理，进而实现对AI/ML模型传输中的会话管理等操作。
可选地，所述第一消息中请求的参数包括用于AI/ML模型传输的PDU会话中的参数，其中，用于AI/ML模型传输的PDU会话是用户设备UE创建的；PDU会话中的参数包括下述至少一项：UE标识或用户设备组UE(s)标识、网络数据分析标识、使用AI/ML模型的应用的标识、使用AI/ML模型的区域信息、AI/ML模型传输的时间段、服务质量参数集；所述信息处理包括会话管理。
相应的，所述根据所述分析信息，对AI/ML模型传输进行信息处理，可以通过以下步骤实现：
步骤d1、根据各个UE的位置，从所述分析信息中匹配出最优AI/ML模型传输服务体验的信息；
步骤d2、从所述最优AI/ML模型传输服务体验的信息中获取服务会话锚点UPF的信息，并确定将所述服务会话锚点UPF作为新的PDU会话锚点UPF；
步骤d3、将使用选择的新的PDU会话锚点UPF为各个UE提供AI/ML模型传输的最优路径。
本实施例中，SMF根据各个UE的位置以及分析信息，选出最优AI/ML模型传输服务体验的信息，并从中获取服务会话锚点UPF的信息，将其作为新的PDU会话锚点UPF，并使用选择的新的PDU会话锚点UPF为各个UE提供AI/ML模型传输的最优路径。
可选地，所述确定将所述服务会话锚点UPF作为新的PDU会话锚点UPF，可以通过以下步骤实现：
步骤e1、在AI/ML模型传输中，根据各个UE的位置以及最优AI/ML模型传输服务体验的信息，确定AI/ML模型传输的最优路径。
步骤e2、确定所述最优路径对应的服务会话锚点UPF为新的PDU会话锚点UPF。
本实施例中，SMF根据各个UE的位置以及最优AI/ML模型传输服务体验的信息，确定AI/ML模型传输的最优路径，并选择最优路径对应的服务会话锚点UPF为新的PDU会话锚点UPF。
可选地，所述方法还可以包括：
步骤f1、在改变PDU会话锚点UPF之前，向应用功能AF发送第四消息，所述第四消息用于通知用户面锚点改变以及目标数据网络接入标识；
步骤f2、接收AF发送的确认结果。
本实施例中，在改变PDU会话锚点UPF之前，向AF发送用户面锚点改变以及目标数据网络接入标识的通知，AF基于该通知进行确认并将确认结果发送给SMF。SMF收到确认后，将使用选择的新的PDU会话锚点UPF为UE提供AI/ML模型传输的最优路径。
示例性的，实施例四(SMF向NWDAF订阅AI/ML模型传输的分析信息来选择最佳UPF。)
参见图8所示，图8为本申请又一实施例提供的基于模型传输状态分析的信息处理方法的信令流程示意图，图8为基于模型传输状态分析的信息处理方法中SMF与UE、AF、Newanchor UPF(即新的PDU会话锚点UPF)、NWDAF、UPF和PCF间的信令交互图。本实施例提供的基于模型传输状态分析的信息处理方法包括以下步骤：
步骤8010、AI/ML模型传输PDU会话建立(ML Model Transfer PDU sessionestablishmen t)。
具体地，UE创建AI/ML模型传输PDU会话，携带的UE ID or UE group ID，Application ID，AoI(Area of Interest)，Model transmission duration，QoSParameter Sets等参数表示该PDU会话将进行AI/ML模型传输。
步骤8011、若SMF尚未从NWDAF订阅网络中AI/ML模型传输状况的分析信息，则向NWDAF发送Nnwdaf_AnalyticsSubscription_Subscribe请求。
其中，该请求携带UE ID or UE group ID，Analytics ID，Application ID，AoI(Area of Interest)，Model transmission duration，QoS Parameter Sets等信息，订阅网络中AI/ML模型传输状况的分析信息。
步骤8012、NWDAF向SMF发送Nnwdaf_AnalyticsSubscription_Notify，即NWDAF向SMF提供网络中AI/ML模型传输状况的分析信息。
步骤8013、SMF根据各个UE的位置以及分析信息，确定UPF re-allocation(即UPF重新分配)。
具体地，SMF将根据UE的位置，进一步从AI/ML模型传输状况的分析结果中匹配出最优AI/ML模型传输服务体验的信息，从中获取serving anchor UPF信息，SMF在AI/ML模型传输中综合考虑UE的位置与模型传输服务体验来选择最优路径，确定该serving anchorUPF(即服务会话锚点UPF)作为new anchor UPF(即新的PDU会话锚点UPF)。
步骤8014、SMF向AF发送Nsmf_EventExpose_Notification(即事件开放通知)。
具体地，SMF在改变anchor UPF(即PDU会话锚点UPF)之前，向AF发送通知用户面锚点改变以及目标DNAI。
步骤8015、AF向SMF发送Nsmf_AppRelocationInfo(即应用程序重新定位信息)。即AF向SMF发送确认。
8016、SMF收到确认后，将使用选择的new anchor UPF(即新的PDU会话锚点UPF)为UE提供AI/ML模型传输的最优路径(即The newly selected anchor UPF is used toprovide model transmission service for ue)。
需要说明的是，步骤8014、8015也可以在步骤8016之后执行。在此不做具体限定。
可选地，所述根据所述分析信息，对AI/ML模型传输进行信息处理，还可以通过以下步骤实现：
步骤g1、根据各个UE的位置，从所述分析信息中匹配出最优AI/ML模型传输服务体验的信息；
步骤g2、从所述最优AI/ML模型传输服务体验的信息中获取服务会话锚点UPF的信息和服务质量参数集的分析结果；
步骤g3、根据服务会话锚点UPF的信息和服务质量参数集的分析结果，确定建立一个新的PDU会话锚点UPF来传输AI/ML模型，所述新的PDU会话锚点UPF为第二PDU会话锚点UPF，其中，第一PDU会话锚点UPF为当前传输AI/ML模型的PDU会话锚；
步骤g4、确定选择一个用户面功能UPF作为PDU会话的分支点BP或上行分类器ULCL；
步骤g5、向所述BP或UL CL提供与第一PDU会话锚点UPF和第二PDU会话锚点UPF相对应的流量过滤器，并指示所述BP或UL CL将上行AI/ML模型传输的服务质量流/数据包转发到第二PDU会话锚点UPF；
步骤g6、将使用创建的第二PDU会话锚点UPF为各个UE提供AI/ML模型传输中服务质量流相关联信息的最优路径。
本实施例中，SMF根据各个UE的位置以及分析信息，选出最优AI/ML模型传输服务体验的信息，并从中获取服务会话锚点UPF的信息和服务质量参数集的分析结果，来建立一个新的PDU会话锚点UPF来传输AI/ML模型。然后SMF确定选择一个用户面功能UPF作为PDU会话的分支点BP或UL CL，并向其提供与第一PDU会话锚点UPF(即当前使用的PDU会话锚点UPF)和第二PDU会话锚点UPF(即新的PDU会话锚点UPF)相对应的流量过滤器，并指示BP或ULCL将上行AI/ML模型传输的服务质量流/数据包转发到新的PDU会话锚点UPF，并将使用创建的新的PDU会话锚点UPF为各个UE提供AI/ML模型传输中服务质量流相关联信息的最优路径。
可选地，所述根据服务会话锚点UPF的信息和服务质量参数集的分析结果，确定建立一个新的PDU会话锚来传输AI/ML模型，可以通过以下步骤实现：
步骤h1、根据服务会话锚点UPF的信息和服务质量参数集的分析结果，确定AI/ML模型传输的最优路径；
步骤h2、根据所述最优路径，确定建立一个新的PDU会话锚点UPF来传输AI/ML模型。
本实施例中，SMF根据服务会话锚点UPF的信息和服务质量参数集的分析结果，选出AI/ML模型传输的最优路径，并基于最优路径，建立一个新的PDU会话锚点UPF来传输AI/ML模型。
可选地，所述方法还可以包括：
步骤i1、在创建一个新的PDU会话锚点UPF来传输AI/ML模型之前，向应用功能AF发送第五消息，所述第五消息用于通知用户面锚点改变以及目标数据网络接入标识；
步骤i2、接收AF发送的确认结果。
本实施例中，在创建一个新的PDU会话锚点UPF来传输AI/ML模型之前，向AF发送用户面锚点改变以及目标数据网络接入标识的通知，AF基于该通知进行确认并将确认结果发送给SMF。SMF收到确认后，将使用新的PDU会话锚点UPF为UE提供AI/ML模型传输中QoS flow相关信息的最优路径。
示例性的，实施例五(SMF向NWDAF订阅AI/ML模型传输的分析信息来设置BP或ULCL。)
参见图9所示，图9为本申请另一实施例提供的基于模型传输状态分析的信息处理方法的信令流程示意图，图9为基于模型传输状态分析的信息处理方法中SMF与UE、AF、UPF(这里的UPF包括Branching Point or UL CL(即BP or UL CL)、PSA1(即当前或初始的PDU会话锚点UPF)以及PSA1(即新的PDU会话锚点UPF))、NWDAF、UPF和PCF间的信令交互图。本实施例提供的基于模型传输状态分析的信息处理方法包括以下步骤：
步骤9010、AI/ML模型传输PDU会话建立(ML Model Transfer PDU sessionestablishmen t)。
具体地，UE创建AI/ML模型传输PDU会话，携带的UE ID or UE group ID，Application ID，AoI(Area of Interest)，Model transmission duration，QoSParameter Sets等参数表示该PDU会话将进行AI/ML模型传输。
步骤9011、若SMF尚未从NWDAF订阅网络中AI/ML模型传输状况的分析信息，则向NWDAF发送Nnwdaf_AnalyticsSubscription_Subscribe请求。
其中，该请求携带UE ID or UE group ID，Analytics ID，Application ID，AoI(Area of Interest)，Model transmission duration，QoS Parameter Sets等信息，订阅网络中AI/ML模型传输状况的分析信息。
步骤9012、NWDAF向SMF发送Nnwdaf_AnalyticsSubscription_Notify，即NWDAF向SMF提供网络中AI/ML模型传输状况的分析信息。
步骤9013、SMF根据各个UE的位置以及分析信息，确定选择一个UPF作为PDU会话的分支点BP或UL CL(即SMF establishes Branching Point or UL CL)。
具体地，SMF将根据UE的位置，进一步从AI/ML模型传输状况的分析结果中匹配出最优AI/ML模型传输服务体验的信息，从中获取serving anchor UPF信息、QoS ParameterSets的分析，SMF在AI/ML模型传输中综合考虑UE的位置与模型传输服务体验来选择最优路径。以此决定建立一个新的PDU会话锚PSA2来传输AI/ML模型。
其中，SMF选择一个UPF作为PDU会话的分支点BP(在IPv6multi-homing的情况下)或UL CL(Uplink Classifier，上行分流点)。SMF向该UPF(BP/UL CL)提供与PSA1和PSA2相对应的流量过滤器，指示该UPF将上行AI/ML模型传输的QoS flow(服务质量流)/数据包转发到PSA2。
步骤9014、SMF向AF发送Nsmf_EventExpose_Notification。
具体地，SMF在决定建立PSA2之前，按照现有技术向AF发送通知用户面锚点改变以及目标DNAI。
步骤9015、AF向SMF发送Nsmf_AppRelocationInfo。即AF向SMF发送确认。
步骤9016、SMF收到确认后，将使用新增的PSA2为UE提供AI/ML模型传输中QoSflow相关信息的最优路径(即The PDU Session Anchor 2is used to provide modeltransmission service for ue)。
需要说明的是，步骤9014、9015也可以在步骤9016之后执行。在此不做具体限定。
本实施例中，在5GC系统中，SMF可以从NWDAF获得AI/ML模型传输的分析结果。SMF可基于UE的位置和分析结果创建AI/ML模型传输最优服务体验的最佳路径，实现会话管理，进而保证AI/ML模型传输的业务体验和业务性能。
图10为本申请再一实施例提供的基于模型传输状态分析的信息处理装置的结构示意图，如图10所示，本实施例提供的基于模型传输状态分析的信息处理装置应用于PCF。则本实施例提供的基于模型传输状态分析的信息处理装置包括：收发机1000，用于在处理器1010的控制下接收和发送数据。
其中，在图10中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器1010代表的一个或多个处理器和存储器1020代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。收发机1000可以是多个元件，即包括发送机和接收机，提供用于在传输介质上与各种其他装置通信的单元，这些传输介质包括无线信道、有线信道、光缆等传输介质。处理器1010负责管理总线架构和通常的处理，存储器1020可以存储处理器1010在执行操作时所使用的数据。
处理器1010可以是中央处埋器(CPU)、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或复杂可编程逻辑器件(Comple6 Programmable Logic Device，CPLD)，处理器也可以采用多核架构。
本实施例中，存储器1020，用于存储计算机程序；收发机1000，用于在处理器1010的控制下收发数据；处理器1010，用于读取存储器中的计算机程序并执行以下操作：
向网络数据分析功能NWDAF发送第一消息，所述第一消息用于请求订阅网络中人工智能/机器学习AI/ML模型传输状态的分析信息；
接收NWDAF发送的分析信息；
根据所述分析信息，对AI/ML模型传输进行信息处理。
可选地，所述信息处理包括收费/赞助协商；
所述根据所述分析信息，对AI/ML模型传输进行信息处理，包括：
直接或通过网络能力开放功能NEF接收应用服务提供商ASP或应用功能AF发送的第二消息，所述第二消息用于请求协商AI/ML模型传输的收费信息；其中，所述第二消息中请求的参数包括下述至少一项：联邦学习组标识、使用AI/ML模型的应用的标识、AI/ML传输的模型大小、使用AI/ML模型的区域信息、AI/ML模型传输的时间段、服务质量参数集、交易参考标识、赞助状态：
根据所述分析信息和所述第二消息，确定是否接受ASP/AF的收费/赞助请求，并直接或通过NEF向ASP/AF发送第一结果；所述第一结果包括接受ASP/AF为AI/ML模型传输的收费方/赞助方或不接受ASP/AF为AI/ML模型传输的收费方/赞助方。
可选地，所述信息处理还包括PDU会话收费统计；所述第二消息，还用于请求协商AI/ML模型传输的PDU会话收费统计信息；
其中，用于AI/ML模型传输的PDU会话是用户设备UE创建的；PDU会话中的参数包括下述至少一项：UE标识或用户设备组UE(s)标识、网络数据分析标识、使用AI/ML模型的应用的标识、使用AI/ML模型的区域信息、AI/ML模型传输的时间段、服务质量参数集；
相应的，所述第一消息中请求的参数包括所述PDU会话中的参数。
可选地，处理器1010，用于根据所述分析信息，对AI/ML模型传输进行信息处理时，还具体包括：
根据所述分析信息和所述第二消息中请求的参数，确定PCC规则中AI/ML模型传输的计费规则；
向会话管理功能SMF发送第二结果，所述第二结果包括确定后的PCC规则；
接收所述SMF发送的用户面功能UPF报告的信息和会话/用户签约信息，并根据所述UPF报告的信息和会话/用户签约信息以及其它计费功能实体，对UE的AI/ML模型传输PDU会话执行收费；
其中，UPF报告的信息是UPF根据用于对传输AI/ML模型的数据包的使用上报规则对传输AI/ML模型的数据包进行统计确定的，所述使用上报规则是所述SMF根据接收到的确定后的PCC规则确定的。
可选地，所述计费规则包括下述至少一项：
不付费；
根据传输AI/ML的模型大小，应用不同的费率；其中，传输的AI/ML模型大，则AI/ML模型传输应用的费率高；
根据AI/ML模型传输的时间段的长短，应用不同的费率；其中，AI/ML模型传输的时间长，则AI/ML模型传输应用的费率高；
根据传输AI/ML的模型大小、使用AI/ML模型的区域信息和AI/ML模型传输的时间段的加权值，应用不同的费率；其中，传输AI/ML的模型大小、使用AI/ML模型的有效区域信息和AI/ML模型传输的时间段的加权值高，则AI/ML模型传输应用的费率高；
根据服务质量参数集，应用不同的费率；其中，AI/ML模型传输的服务质量流比特率高，则AI/ML模型传输应用的费率高；
根据是否含有联邦学习组标识，确定是否收费并确定相应费率。
可选地，所述第一消息中请求的参数包括下述至少一项：使用AI/ML模型的应用的标识、用于传输AI/ML模型服务质量流的PDU会话的网络切片、用于传输AI/ML模型服务质量流的PDU会话的数据网络名称、服务质量参数集；所述分析信息包括所述第一消息中请求的参数对应的分析结果；其中，所述信息处理包括会话管理策略决策处理；
相应的，处理器1010，用于根据所述分析信息，对AI/ML模型传输进行信息处理，具体包括：
根据所述分析信息，确定PCC规则中AI/ML模型传输的授权服务质量参数；
将确定后的PCC规则中AI/ML模型传输的授权服务质量参数作为最新会话管理策略信息，并向会话管理功能SMF发送携带有所述最新会话管理策略信息的第三消息，所述第三消息用于请求所述SMF更新会话管理策略；
接收所述SMF发送的第二结果，所述第二结果是SMF根据所述最新会话管理策略信息确定的，所述第二结果包括更新会话管理策略或不更新会话管理策略。
可选地，处理器1010，用于根据所述分析信息，确定PCC规则中AI/ML模型传输的授权服务质量参数时，具体包括：
若检测到所述分析信息中的AI/ML模型传输的数据速率过低，则调整AI/ML模型传输的授权服务质量参数中5G服务质量标识符的优先级或者授权服务质量参数中的反射式服务质量控制、传输AI/ML模型的上行链路方向最大比特率、传输AI/ML模型的下行链路方向最大比特率、传输AI/ML模型的上行链路方向最低比特率、传输AI/ML模型的下行链路方向最低比特率。
在此需要说明的是，本申请提供的基于模型传输状态分析的信息处理装置，能够实现图3-图6所示方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
图11为本申请另一实施例提供的基于模型传输状态分析的信息处理装置的结构示意图，如图11所示，本实施例提供的基于模型传输状态分析的信息处理装置应用于PCF，则本实施例提供的基于模型传输状态分析的信息处理装置1100包括：
发送单元1101，用于向网络数据分析功能NWDAF发送第一消息，所述第一消息用于请求订阅网络中人工智能/机器学习AI/ML模型传输状态的分析信息；
接收单元1102，用于接收NWDAF发送的分析信息；
处理单元1103，用于根据所述分析信息，对AI/ML模型传输进行信息处理。
可选地，所述信息处理包括收费/赞助协商；
所述处理单元1103，具体用于：
直接或通过网络能力开放功能NEF接收应用服务提供商ASP或应用功能AF发送的第二消息，所述第二消息用于请求协商AI/ML模型传输的收费信息；其中，所述第二消息中请求的参数包括下述至少一项：联邦学习组标识、使用AI/ML模型的应用的标识、AI/ML传输的模型大小、使用AI/ML模型的区域信息、AI/ML模型传输的时间段、服务质量参数集、交易参考标识、赞助状态：
根据所述分析信息和所述第二消息，确定是否接受ASP/AF的收费/赞助请求，并直接或通过NEF向ASP/AF发送第一结果；所述第一结果包括接受ASP/AF为AI/ML模型传输的收费方/赞助方或不接受ASP/AF为AI/ML模型传输的收费方/赞助方。
可选地，所述信息处理还包括PDU会话收费统计；所述第二消息，还用于请求协商AI/ML模型传输的PDU会话收费统计信息；
其中，用于AI/ML模型传输的PDU会话是用户设备UE创建的；PDU会话中的参数包括下述至少一项：UE标识或用户设备组UE(s)标识、网络数据分析标识、使用AI/ML模型的应用的标识、使用AI/ML模型的区域信息、AI/ML模型传输的时间段、服务质量参数集；
相应的，所述第一消息中请求的参数包括所述PDU会话中的参数。
可选地，所述处理单元1103，还具体用于：
根据所述分析信息和所述第二消息中请求的参数，确定PCC规则中AI/ML模型传输的计费规则；
向会话管理功能SMF发送第二结果，所述第二结果包括确定后的PCC规则；
接收所述SMF发送的用户面功能UPF报告的信息和会话/用户签约信息，并根据所述UPF报告的信息和会话/用户签约信息以及其它计费功能实体，对UE的AI/ML模型传输PDU会话执行收费；
其中，UPF报告的信息是UPF根据用于对传输AI/ML模型的数据包的使用上报规则对传输AI/ML模型的数据包进行统计确定的，所述使用上报规则是所述SMF根据接收到的确定后的PCC规则确定的。
可选地，所述计费规则包括下述至少一项：
不付费；
根据传输AI/ML的模型大小，应用不同的费率；其中，传输的AI/ML模型大，则AI/ML模型传输应用的费率高；
根据AI/ML模型传输的时间段的长短，应用不同的费率；其中，AI/ML模型传输的时间长，则AI/ML模型传输应用的费率高；
根据传输AI/ML的模型大小、使用AI/ML模型的区域信息和AI/ML模型传输的时间段的加权值，应用不同的费率；其中，传输AI/ML的模型大小、使用AI/ML模型的有效区域信息和AI/ML模型传输的时间段的加权值高，则AI/ML模型传输应用的费率高；
根据服务质量参数集，应用不同的费率；其中，AI/ML模型传输的服务质量流比特率高，则AI/ML模型传输应用的费率高；
根据是否含有联邦学习组标识，确定是否收费并确定相应费率。
可选地，所述第一消息中请求的参数包括下述至少一项：使用AI/ML模型的应用的标识、用于传输AI/ML模型服务质量流的PDU会话的网络切片、用于传输AI/ML模型服务质量流的PDU会话的数据网络名称、服务质量参数集；所述分析信息包括所述第一消息中请求的参数对应的分析结果；其中，所述信息处理包括会话管理策略决策处理；
相应的，所述处理单元1103，具体用于：
根据所述分析信息，确定PCC规则中AI/ML模型传输的授权服务质量参数；
将确定后的PCC规则中AI/ML模型传输的授权服务质量参数作为最新会话管理策略信息，并向会话管理功能SMF发送携带有所述最新会话管理策略信息的第三消息，所述第三消息用于请求所述SMF更新会话管理策略；
接收所述SMF发送的第二结果，所述第二结果是SMF根据所述最新会话管理策略信息确定的，所述第二结果包括更新会话管理策略或不更新会话管理策略。
可选地，所述处理单元，具体用于：
在检测到所述分析信息中的AI/ML模型传输的数据速率过低时，调整AI/ML模型传输的授权服务质量参数中5G服务质量标识符的优先级或者授权服务质量参数中的反射式服务质量控制、传输AI/ML模型的上行链路方向最大比特率、传输AI/ML模型的下行链路方向最大比特率、传输AI/ML模型的上行链路方向最低比特率、传输AI/ML模型的下行链路方向最低比特率。
在此需要说明的是，本申请提供的基于模型传输状态分析的信息处理装置，能够实现图3-图6方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
图12为本申请再一实施例提供的基于模型传输状态分析的信息处理装置的结构示意图，如图12所示，本实施例提供的基于模型传输状态分析的信息处理装置应用于SMF。则本实施例提供的基于模型传输状态分析的信息处理装置包括：收发机1200，用于在处理器1210的控制下接收和发送数据。
其中，在图12中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器1210代表的一个或多个处理器和存储器1220代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。收发机1200可以是多个元件，即包括发送机和接收机，提供用于在传输介质上与各种其他装置通信的单元，这些传输介质包括无线信道、有线信道、光缆等传输介质。处理器1210负责管理总线架构和通常的处理，存储器1220可以存储处理器1210在执行操作时所使用的数据。
处理器1210可以是中央处埋器(CPU)、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或复杂可编程逻辑器件(Comple8 Programmable Logic Device，CPLD)，处理器也可以采用多核架构。
本实施例中，存储器1220，用于存储计算机程序；收发机1200，用于在处理器的控制下收发数据；处理器1210，用于读取存储器中的计算机程序并执行以下操作：
向网络数据分析功能NWDAF发送第一消息，所述第一消息用于请求订阅网络中人工智能/机器学习AI/ML模型传输状态的分析信息；
接收NWDAF发送的分析信息；
根据所述分析信息，对AI/ML模型传输进行信息处理。
可选地，所述第一消息中请求的参数包括用于AI/ML模型传输的PDU会话中的参数，其中，用于AI/ML模型传输的PDU会话是用户设备UE创建的；PDU会话中的参数包括下述至少一项：UE标识或用户设备组UE(s)标识、网络数据分析标识、使用AI/ML模型的应用的标识、使用AI/ML模型的有效区域信息、AI/ML模型传输的时间段、服务质量参数集；所述信息处理包括会话管理；
处理器1210，用于根据所述分析信息，对AI/ML模型传输进行信息处理时，具体包括：
根据各个UE的位置，从所述分析信息中匹配出最优AI/ML模型传输服务体验的信息；
从所述最优AI/ML模型传输服务体验的信息中获取服务会话锚点UPF的信息，并确定将所述服务会话锚点UPF作为新的PDU会话锚点UPF；
将使用选择的新的PDU会话锚点UPF为各个UE提供AI/ML模型传输的最优路径。
可选地，处理器1210，用于确定将所述服务会话锚点UPF作为新的PDU会话锚点UPF时，具体包括：
在AI/ML模型传输中，根据各个UE的位置以及最优AI/ML模型传输服务体验的信息，确定AI/ML模型传输的最优路径；
确定所述最优路径对应的服务会话锚点UPF为新的PDU会话锚点UPF。
可选地，处理器1210，还包括：
在改变PDU会话锚点UPF之前，向应用功能AF发送第四消息，所述第四消息用于通知用户面锚点改变以及目标数据网络接入标识；
接收AF发送的确认结果。
可选地，处理器1210，用于根据所述分析信息，对AI/ML模型传输进行信息处理时，还具体包括：
根据各个UE的位置，从所述分析信息中匹配出最优AI/ML模型传输服务体验的信息；
从所述最优AI/ML模型传输服务体验的信息中获取服务会话锚点UPF的信息和服务质量参数集的分析结果；
根据服务会话锚点UPF的信息和服务质量参数集的分析结果，确定建立一个新的PDU会话锚点UPF来传输AI/ML模型，所述新的PDU会话锚点UPF为第二PDU会话锚点UPF，其中，第一PDU会话锚点UPF为当前传输AI/ML模型的PDU会话锚；
确定选择一个用户面功能UPF作为PDU会话的分支点BP或上行分类器UL CL；
向所述BP或UL CL提供与第一PDU会话锚点UPF和第二PDU会话锚点UPF相对应的流量过滤器，并指示所述BP或UL CL将上行AI/ML模型传输的服务质量流/数据包转发到第二PDU会话锚点UPF；
将使用创建的第二PDU会话锚点UPF为各个UE提供AI/ML模型传输中服务质量流相关联信息的最优路径。
可选地，处理器1210，用于根据服务会话锚点UPF的信息和服务质量参数集的分析结果，确定建立一个新的PDU会话锚来传输AI/ML模型时，具体包括：
根据服务会话锚点UPF的信息和服务质量参数集的分析结果，确定AI/ML模型传输的最优路径；
根据所述最优路径，确定建立一个新的PDU会话锚点UPF来传输AI/ML模型。
可选地，处理器1210，还包括：
在创建一个新的PDU会话锚点UPF来传输AI/ML模型之前，向应用功能AF发送所述第四消息；
接收AF发送的确认结果。
在此需要说明的是，本申请提供的基于模型传输状态分析的信息处理装置，能够实现图7-图9所示方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
图13为本申请又一实施例提供的基于模型传输状态分析的信息处理装置的结构示意图，如图13所示，本申请实施例提供的基于模型传输状态分析的信息处理装置应用于SMF，则本实施例提供的基于模型传输状态分析的信息处理装置1300包括：
发送单元1301，用于向网络数据分析功能NWDAF发送第一消息，所述第一消息用于请求订阅网络中人工智能/机器学习AI/ML模型传输状态的分析信息；
接收单元1302，用于接收NWDAF发送的分析信息；
处理单元1303，用于根据所述分析信息，对AI/ML模型传输进行信息处理。
可选地，所述第一消息中请求的参数包括用于AI/ML模型传输的PDU会话中的参数，其中，用于AI/ML模型传输的PDU会话是用户设备UE创建的；PDU会话中的参数包括下述至少一项：UE标识或用户设备组UE(s)标识、网络数据分析标识、使用AI/ML模型的应用的标识、使用AI/ML模型的区域信息、AI/ML模型传输的时间段、服务质量参数集；所述信息处理包括会话管理；
处理单元，具体用于：
根据各个UE的位置，从所述分析信息中匹配出最优AI/ML模型传输服务体验的信息；
从所述最优AI/ML模型传输服务体验的信息中获取服务会话锚点UPF的信息，并确定将所述服务会话锚点UPF作为新的PDU会话锚点UPF；
将使用选择的新的PDU会话锚点UPF为各个UE提供AI/ML模型传输的最优路径。
可选地，处理单元，具体用于：
在AI/ML模型传输中，根据各个UE的位置以及最优AI/ML模型传输服务体验的信息，确定AI/ML模型传输的最优路径；
确定所述最优路径对应的服务会话锚点UPF为新的PDU会话锚点UPF。
可选地，该装置还包括：通知单元；通知单元，用于：
在改变PDU会话锚点UPF之前，向应用功能AF发送第四消息，所述第四消息用于通知用户面锚点改变以及目标数据网络接入标识；
接收AF发送的确认结果。
可选地，处理单元，还用于：
根据各个UE的位置，从所述分析信息中匹配出最优AI/ML模型传输服务体验的信息；
从所述最优AI/ML模型传输服务体验的信息中获取服务会话锚点UPF的信息和服务质量参数集的分析结果；
根据服务会话锚点UPF的信息和服务质量参数集的分析结果，确定建立一个新的PDU会话锚点UPF来传输AI/ML模型，所述新的PDU会话锚点UPF为第二PDU会话锚点UPF，其中，第一PDU会话锚点UPF为当前传输AI/ML模型的PDU会话锚；
确定选择一个用户面功能UPF作为PDU会话的分支点BP或上行分类器UL CL；
向所述BP或UL CL提供与第一PDU会话锚点UPF和第二PDU会话锚点UPF相对应的流量过滤器，并指示所述BP或UL CL将上行AI/ML模型传输的服务质量流/数据包转发到第二PDU会话锚点UPF；
将使用创建的第二PDU会话锚点UPF为各个UE提供AI/ML模型传输中服务质量流相关联信息的最优路径。
可选地，处理单元，还具体用于：
根据服务会话锚点UPF的信息和服务质量参数集的分析结果，确定AI/ML模型传输的最优路径；
根据所述最优路径，确定建立一个新的PDU会话锚点UPF来传输AI/ML模型。
可选地，该装置还包括：通知单元；通知单元，用于：
在创建一个新的PDU会话锚点UPF来传输AI/ML模型之前，向应用功能AF发送所述第四消息；
接收AF发送的确认结果。
在此需要说明的是，本申请提供的基于模型传输状态分析的信息处理装置，能够实现图7-图9方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
需要说明的是，本申请实施例对单元的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可读取存储介质中。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或者该技术方案的全部或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一个存储介质中，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)或处理器(processor)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请实施例还提供一种处理器可读存储介质。处理器可读存储介质存储有计算机程序，计算机程序用于使处理器执行上述任一种方法实施例。
其中，处理器可读存储介质可以是处理器能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD))等。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机可执行指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机可执行指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些处理器可执行指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的处理器可读存储器中，使得存储在该处理器可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些处理器可执行指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (19)

1.一种基于模型传输状态分析的信息处理方法，应用于策略控制功能PCF，其特征在于，所述方法包括：
向网络数据分析功能NWDAF发送第一消息，所述第一消息用于请求订阅网络中人工智能/机器学习AI/ML模型传输状态的分析信息；
接收NWDAF发送的分析信息；
根据所述分析信息，对AI/ML模型传输进行信息处理。
2.根据权利要求1所述的方法，其特征在于，所述信息处理包括收费/赞助协商；所述根据所述分析信息，对AI/ML模型传输进行信息处理，包括：
直接或通过网络能力开放功能NEF接收应用服务提供商ASP或应用功能AF发送的第二消息，所述第二消息用于请求协商AI/ML模型传输的收费信息；其中，所述第二消息中请求的参数包括下述至少一项：联邦学习组标识、使用AI/ML模型的应用的标识、AI/ML传输的模型大小、使用AI/ML模型的区域信息、AI/ML模型传输的时间段、服务质量参数集、交易参考标识、赞助状态：
根据所述分析信息和所述第二消息，确定是否接受ASP/AF的收费/赞助请求，并直接或通过NEF向ASP/AF发送第一结果；所述第一结果包括接受ASP/AF为AI/ML模型传输的收费方/赞助方或不接受ASP/AF为AI/ML模型传输的收费方/赞助方。
3.根据权利要求2所述的方法，其特征在于，所述信息处理还包括PDU会话收费统计；所述第二消息，还用于请求协商AI/ML模型传输的PDU会话收费统计信息；
其中，用于AI/ML模型传输的PDU会话是用户设备UE创建的；PDU会话中的参数包括下述至少一项：UE标识或用户设备组UE(s)标识、网络数据分析标识、使用AI/ML模型的应用的标识、使用AI/ML模型的区域信息、AI/ML模型传输的时间段、服务质量参数集；
相应的，所述第一消息中请求的参数包括所述PDU会话中的参数。
4.根据权利要求3所述的方法，其特征在于，所述根据所述分析信息，对AI/ML模型传输进行信息处理，还包括：
根据所述分析信息和所述第二消息中请求的参数，确定PCC规则中AI/ML模型传输的计费规则；
向会话管理功能SMF发送第二结果，所述第二结果包括确定后的PCC规则；
接收所述SMF发送的用户面功能UPF报告的信息和会话/用户签约信息，并根据所述UPF报告的信息和会话/用户签约信息以及其它计费功能实体，对UE的AI/ML模型传输PDU会话执行收费；
其中，UPF报告的信息是UPF根据用于对传输AI/ML模型的数据包的使用上报规则对传输AI/ML模型的数据包进行统计确定的，所述使用上报规则是所述SMF根据接收到的确定后的PCC规则确定的。
5.根据权利要求4所述的方法，其特征在于，所述计费规则包括下述至少一项：
不付费；
根据传输AI/ML的模型大小，应用不同的费率；其中，传输的AI/ML模型大，则AI/ML模型传输应用的费率高；
根据AI/ML模型传输的时间段的长短，应用不同的费率；其中，AI/ML模型传输的时间长，则AI/ML模型传输应用的费率高；
根据传输AI/ML的模型大小、使用AI/ML模型的区域信息和AI/ML模型传输的时间段的加权值，应用不同的费率；其中，传输AI/ML的模型大小、使用AI/ML模型的区域信息和AI/ML模型传输的时间段的加权值高，则AI/ML模型传输应用的费率高；
根据服务质量参数集，应用不同的费率；其中，AI/ML模型传输的服务质量流比特率高，则AI/ML模型传输应用的费率高；
根据是否含有联邦学习组标识，确定是否收费并确定相应费率。
6.根据权利要求1所述的方法，其特征在于，所述第一消息中请求的参数包括下述至少一项：使用AI/ML模型的应用的标识、用于传输AI/ML模型服务质量流的PDU会话的网络切片、用于传输AI/ML模型服务质量流的PDU会话的数据网络名称、服务质量参数集；所述分析信息包括所述第一消息中请求的参数对应的分析结果中的至少一项；其中，所述信息处理包括会话管理策略决策处理；
相应的，所述根据所述分析信息，对AI/ML模型传输进行信息处理，包括：
根据所述分析信息，确定PCC规则中AI/ML模型传输的授权服务质量参数；
将确定后的PCC规则中AI/ML模型传输的授权服务质量参数作为最新会话管理策略信息，并向会话管理功能SMF发送携带有所述最新会话管理策略信息的第三消息，所述第三消息用于请求所述SMF更新会话管理策略；
接收所述SMF发送的第二结果，所述第二结果是SMF根据所述最新会话管理策略信息确定的，所述第二结果包括更新会话管理策略或不更新会话管理策略。
7.根据权利要求6所述的方法，其特征在于，所述根据所述分析信息，确定PCC规则中AI/ML模型传输的授权服务质量参数，包括：
若检测到所述分析信息中的AI/ML模型传输的数据速率过低，则调整AI/ML模型传输的授权服务质量参数中5G服务质量标识符的优先级或者授权服务质量参数中的反射式服务质量控制、传输AI/ML模型的上行链路方向最大比特率、传输AI/ML模型的下行链路方向最大比特率、传输AI/ML模型的上行链路方向最低比特率、传输AI/ML模型的下行链路方向最低比特率。
8.一种基于模型传输状态分析的信息处理方法，应用于会话管理功能SMF，其特征在于，所述方法包括：
向网络数据分析功能NWDAF发送第一消息，所述第一消息用于请求订阅网络中人工智能/机器学习AI/ML模型传输状态的分析信息；
接收NWDAF发送的分析信息；
根据所述分析信息，对AI/ML模型传输进行信息处理。
9.根据权利要求8所述的方法，其特征在于，所述第一消息中请求的参数包括用于AI/ML模型传输的PDU会话中的参数，其中，用于AI/ML模型传输的PDU会话是用户设备UE创建的；PDU会话中的参数包括下述至少一项：UE标识或用户设备组UE(s)标识、网络数据分析标识、使用AI/ML模型的应用的标识、使用AI/ML模型的区域信息、AI/ML模型传输的时间段、服务质量参数集；所述信息处理包括会话管理；
所述根据所述分析信息，对AI/ML模型传输进行信息处理，包括：
根据各个UE的位置，从所述分析信息中匹配出最优AI/ML模型传输服务体验的信息；
从所述最优AI/ML模型传输服务体验的信息中获取服务会话锚点UPF的信息，并确定将所述服务会话锚点UPF作为新的PDU会话锚点UPF；
将使用选择的新的PDU会话锚点UPF为各个UE提供AI/ML模型传输的最优路径。
10.根据权利要求9所述的方法，其特征在于，所述确定将所述服务会话锚点UPF作为新的PDU会话锚点UPF，包括：
在AI/ML模型传输中，根据各个UE的位置以及最优AI/ML模型传输服务体验的信息，确定AI/ML模型传输的最优路径；
确定所述最优路径对应的服务会话锚点UPF为新的PDU会话锚点UPF。
11.根据权利要求9所述的方法，其特征在于，所述方法还包括：
在改变PDU会话锚点UPF之前，向应用功能AF发送第四消息，所述第四消息用于通知用户面锚点改变以及目标数据网络接入标识；
接收AF发送的确认结果。
12.根据权利要求9所述的方法，其特征在于，所述根据所述分析信息，对AI/ML模型传输进行信息处理，还包括：
根据各个UE的位置，从所述分析信息中匹配出最优AI/ML模型传输服务体验的信息；
从所述最优AI/ML模型传输服务体验的信息中获取服务会话锚点UPF的信息和服务质量参数集的分析结果；
根据服务会话锚点UPF的信息和服务质量参数集的分析结果，确定建立一个新的PDU会话锚点UPF来传输AI/ML模型，所述新的PDU会话锚点UPF为第二PDU会话锚点UPF，其中，第一PDU会话锚点UPF为当前传输AI/ML模型的PDU会话锚；
确定选择一个用户面功能UPF作为PDU会话的分支点BP或上行分类器UL CL；
向所述BP或UL CL提供与第一PDU会话锚点UPF和第二PDU会话锚点UPF相对应的流量过滤器，并指示所述BP或UL CL将上行AI/ML模型传输的服务质量流/数据包转发到第二PDU会话锚点UPF；
将使用创建的第二PDU会话锚点UPF为各个UE提供AI/ML模型传输中服务质量流相关联信息的最优路径。
13.根据权利要求12所述的方法，其特征在于，所述根据服务会话锚点UPF的信息和服务质量参数集的分析结果，确定建立一个新的PDU会话锚来传输AI/ML模型，包括：
根据服务会话锚点UPF的信息和服务质量参数集的分析结果，确定AI/ML模型传输的最优路径；
根据所述最优路径，确定建立一个新的PDU会话锚点UPF来传输AI/ML模型。
14.根据权利要求12所述的方法，其特征在于，所述方法还包括：
在创建一个新的PDU会话锚点UPF来传输AI/ML模型之前，向应用功能AF发送第五消息，所述第五消息用于通知用户面锚点改变以及目标数据网络接入标识；
接收AF发送的确认结果。
15.一种基于模型传输状态分析的决策与会话管理装置，应用于策略控制功能PCF，其特征在于，所述装置包括存储器，收发机，处理器：
存储器，用于存储计算机程序；收发机，用于在所述处理器的控制下收发数据；处理器，用于读取所述存储器中的计算机程序并执行以下操作：
向网络数据分析功能NWDAF发送第一消息，所述第一消息用于请求订阅网络中人工智能/机器学习AI/ML模型传输状态的分析信息；
接收NWDAF发送的分析信息；
根据所述分析信息，对AI/ML模型传输进行信息处理。
16.一种基于模型传输状态分析的决策与会话管理装置，应用于会话管理功能SMF，其特征在于，所述装置包括存储器，收发机，处理器：
存储器，用于存储计算机程序；收发机，用于在所述处理器的控制下收发数据；处理器，用于读取所述存储器中的计算机程序并执行以下操作：
向网络数据分析功能NWDAF发送第一消息，所述第一消息用于请求订阅网络中人工智能/机器学习AI/ML模型传输状态的分析信息；
接收NWDAF发送的分析信息；
根据所述分析信息，对AI/ML模型传输进行信息处理。
17.一种基于模型传输状态分析的信息处理装置，应用于策略控制功能PCF，其特征在于，所述装置包括：
发送单元，用于向网络数据分析功能NWDAF发送第一消息，所述第一消息用于请求订阅网络中人工智能/机器学习AI/ML模型传输状态的分析信息；
接收单元，用于接收NWDAF发送的分析信息；
处理单元，用于根据所述分析信息，对AI/ML模型传输进行信息处理。
18.一种基于模型传输状态分析的决策与会话管理装置，应用于会话管理功能SMF，其特征在于，所述装置包括：
发送单元，用于向网络数据分析功能NWDAF发送第一消息，所述第一消息用于请求订阅网络中人工智能/机器学习AI/ML模型传输状态的分析信息；
接收单元，用于接收NWDAF发送的分析信息；
处理单元，用于根据所述分析信息，对AI/ML模型传输进行信息处理。
19.一种处理器可读存储介质，其特征在于，所述处理器可读存储介质存储有计算机程序，所述计算机程序用于使所述处理器执行权利要求1至14任一项所述的方法。
CN202111407052.7A 2021-11-24 2021-11-24 基于模型传输状态分析的信息处理方法及装置 Pending CN116170763A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202111407052.7A CN116170763A (zh) 2021-11-24 2021-11-24 基于模型传输状态分析的信息处理方法及装置
PCT/CN2022/127486 WO2023093430A1 (zh) 2021-11-24 2022-10-25 基于模型传输状态分析的信息处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111407052.7A CN116170763A (zh) 2021-11-24 2021-11-24 基于模型传输状态分析的信息处理方法及装置

Publications (1)

Publication Number Publication Date
CN116170763A true CN116170763A (zh) 2023-05-26

Family

ID=86420521

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111407052.7A Pending CN116170763A (zh) 2021-11-24 2021-11-24 基于模型传输状态分析的信息处理方法及装置

Country Status (2)

Country Link
CN (1) CN116170763A (zh)
WO (1) WO2023093430A1 (zh)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210037416A (ko) * 2019-09-27 2021-04-06 삼성전자주식회사 이동 통신 시스템에서 nwdaf를 활용한 서비스의 탐지 및 서비스의 특성 분석을 위한 방법 및 장치
CN113596863B (zh) * 2020-04-30 2023-12-08 大唐移动通信设备有限公司 确定用户面功能及信息提供的方法、设备及介质
GB2598100A (en) * 2020-08-13 2022-02-23 Samsung Electronics Co Ltd Setting timer value in network

Also Published As

Publication number Publication date
WO2023093430A1 (zh) 2023-06-01

Similar Documents

Publication Publication Date Title
CA3112926C (en) Slice information processing method and apparatus
WO2022011862A1 (zh) 一种o-ran与mec的通信方法及系统
CN110972208B (zh) 一种切片信息处理方法及装置
US20240064105A1 (en) Management of traffic over a communication channel
US9197577B2 (en) Policy control method and system, and relevant apparatus
US20170265063A1 (en) System and method for implementing capability exposure, and Capability Exposure Platform
CN109314710A (zh) 用于通信网络中的服务质量监测、策略执行和计费的系统和方法
EP3264723B1 (en) Method, related apparatus and system for processing service request
CN107613528B (zh) 一种业务流量的控制方法及系统
CN112104469B (zh) 数据处理方法及装置
US9706438B1 (en) System, method, and computer program for congestion relief in a communication network
EP4175333A1 (en) Information collection method and apparatus, storage medium, and electronic apparatus
CN109996216A (zh) 订阅请求处理方法、网络实体及能力开放平台
CN113873455A (zh) 流量统计方法及其系统、计算机可读存储介质
US12052607B2 (en) Communication apparatus, communication method, and program
CN114666423A (zh) Tcp流的调整方法和系统
CN113709885B (zh) 一种多业务网络资源分配方法
WO2020136512A1 (en) Prioritizing users based on revenue during congestion
EP3101926A1 (en) Charging processing method, centralized network control node, function node and system
CN117204043A (zh) 用于网络切片准入控制的设备和方法
CN106793093B (zh) 一种业务处理方法及装置
WO2016110063A1 (zh) 一种网络控制的方法及装置
CN116170763A (zh) 基于模型传输状态分析的信息处理方法及装置
EP2769575A1 (en) Method and apparatus for controlling data transmission in a communication system
CN114980148B (zh) 网络能力确定方法和装置

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