EP4537504A1 - Procédé d'établissement d'une communication entre au moins deux équipements d'un réseau de communication - Google Patents

Procédé d'établissement d'une communication entre au moins deux équipements d'un réseau de communication

Info

Publication number
EP4537504A1
EP4537504A1 EP23731980.1A EP23731980A EP4537504A1 EP 4537504 A1 EP4537504 A1 EP 4537504A1 EP 23731980 A EP23731980 A EP 23731980A EP 4537504 A1 EP4537504 A1 EP 4537504A1
Authority
EP
European Patent Office
Prior art keywords
equipment
language
message
formatted
indicator
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
EP23731980.1A
Other languages
German (de)
English (en)
Inventor
Xavier Marjou
Benoit Radier
Gaël FROMENTOUX
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.)
Orange SA
Original Assignee
Orange SA
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 Orange SA filed Critical Orange SA
Publication of EP4537504A1 publication Critical patent/EP4537504A1/fr
Pending legal-status Critical Current

Links

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
    • H04L41/02—Standardisation; Integration
    • H04L41/0226—Mapping or translating multiple network management protocols
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W76/00—Connection management
    • H04W76/10—Connection setup
    • 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
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/12—Messaging; Mailboxes; Announcements

Definitions

  • the invention is located in the field of communication networks. More particularly, the invention relates to the administration and supervision of equipment used for the implementation of such networks.
  • said first message is a message associated with a telemetry task, said first message comprising at least one name and a value associated with at least one indicator reported by said first equipment, said at least indicator being associated with an operating state of said first equipment and/or said communication network.
  • said second message comprises at least one translation of said name into said second language and/or a conversion of said value into a corresponding indicator value format of said second language.
  • the present technique allows automatic conversion of the metrics reported by the first equipment (typically equipment from an equipment manufacturer) into a format directly usable by the second equipment (typically equipment from an operator).
  • said first message is a message associated with a configuration task, said first message comprising at least one configuration modification instruction sent by said first equipment to said second equipment.
  • said second message comprises at least one translation of said instruction into said second language and/or a conversion of at least one parameter associated with said instructions into a corresponding configuration parameter format of said second language.
  • the present technique allows automatic conversion of the configuration instructions issued by the first equipment (typically equipment from an operator) into a format directly understandable and executable by the second equipment (typically equipment from an equipment manufacturer).
  • said at least one artificial neural network is trained by learning, by means of at least one learning base comprising a plurality of samples associating in this order input data formatted in said first language to target data formatted in said second language, said target data corresponding to a translation of said input data into said second language.
  • the business logic is managed at the level of one or more learning bases rather than at the level of a complex and difficult to maintain conversion software code, which offers many advantages in terms of simplicity and flexibility, particularly for taking into account developments in the communications network.
  • said at least one learning base comprises a sample called a mirror sample associating in this order said target data formatted in said second language with said input data formatted in said first language.
  • said at least one learning base further comprises a plurality of samples associating data formatted in said first language and/or said second language with translated data formatted in at least one other language different from said first language and said second language.
  • the present technique makes it possible to manage a “multilingual” context, with translations from at least one language to several other languages being able to be implemented by the same intermediate device.
  • said samples comprise at least one association between:
  • a specific indicator and/or parameter value in said input data is respectively representative of an absence of a corresponding indicator and/or parameter in said target data.
  • the user has a way to indicate that a flag or parameter does not have an equivalent in a target language, or that it should not be translated.
  • said samples further comprise, in at least one of said input data and said target data, information belonging to the group comprising:
  • the proposed technique also relates to a computer-readable recording medium on which is recorded a computer program comprising program code instructions for the execution of the steps of the method as described above, in any of its embodiments.
  • the present application makes it possible to remedy some of the aforementioned drawbacks.
  • the proposed technique aims in particular to offer a simpler, less expensive and more flexible solution than the development and maintenance of mediation software interfaces according to the prior art – which generally rely on “raw” (ie “ hard ”) coding. ) translation rules – for establishing communication between potentially heterogeneous equipment (for example because they come from different equipment manufacturers) within a communication network.
  • the proposed technique is mainly presented in the context of exchanges of telemetry and configuration messages between network equipment forming at least part of the infrastructure of a telecommunications network (e.g. a 3G, 4G network or 5G). It is understood that this example is purely illustrative and not limiting, and representative of a particular embodiment of the proposed technique. In particular, the present technique can be implemented in other contexts, including exchanges of messages relating to types of tasks other than telemetry or configuration tasks.
  • language associated with equipment (or, by extension, by “ language specific to an equipment manufacturer ”) a set of rules of syntax, nomenclature (data such as indicators, functions, etc.). ) and format expected and/or used by network equipment in its communications with third-party equipment.
  • this is the “ language ” spoken and understood by the network equipment, ie the communication language in which it delivers information or commands to other equipment and in which it is able to understand information or commands received from other equipment.
  • the present technique thus relates to translation solutions making it possible to establish communication between network equipment that does not necessarily share the same language.
  • the present technique relates to a method of establishing communication between two pieces of equipment in a communication network: a first piece of equipment associated with a first communication language and a second piece of equipment associated with a second communication language.
  • communication usually different from the first communication language.
  • the first language and the second language may differ in that the messages and/or attributes and/or values of the respective languages are different.
  • This method is implemented at the level of an intermediate device, ie at the level of a device capable of relaying any communication or any message relating to the communication from one of the two pieces of equipment to the other of the two pieces of equipment (and vice versa ), if necessary by adapting them.
  • Such an intermediate device can be included in third-party equipment distinct from the two equipment between which it is intended to establish communication.
  • the intermediate device can be embedded within one or the other of these two pieces of equipment, for example within a communication interface of the equipment concerned.
  • the message M1 received in step 11, called the first message is provided as input to at least one artificial neural network previously trained to translate data from at least one language, and more particularly from the first language associated with the first equipment, towards at least one other language, and more particularly towards the second language associated with the second equipment.
  • This neural network processes the first message M1, and generates as output a second message M2 corresponding to a translation of the first message M1 into the second language associated with the second equipment.
  • the neural network used is a neural network based on transformers (better known by the English term “ Transformers ”).
  • the model of the neural network is more particularly of the "pure decoder" type (eg GPT model, from English " Generative Pre-Training ”): only the decoder part of the neural network based on transformers is preserved.
  • GPT model from English " Generative Pre-Training ”
  • autoregressive is interesting in that it has already proven itself for the implementation of automatic translations from one language to another (for example from French to German), with regard to languages spoken by human speakers.
  • the proposed technique is however not limited to the “decoder” type model, and other models of neural networks based on transformers, for example of the “encoder - decoder” type (eg T5 or mT5 models), or “pure encoder” type (eg BERT model, from English “ Bidirectional Encoder Representations from Transformers ”) can also be used in the context of this technique.
  • the “encoder - decoder” type eg T5 or mT5 models
  • pure encoder eg BERT model, from English “ Bidirectional Encoder Representations from Transformers ”
  • it is not simply a question of using a technique or a tool (such as the GPT model) for another context (network supervision) than the initial context (language translation). Indeed the new context of use of this technique requires in particular more complex conversions, formatting and even aggregations, implying a significant adaptation of the technique as described in the .
  • the neural network is trained by learning, for example by supervised learning, by means of a learning base constructed in a particular manner, as detailed later in relation to the in various particular embodiments of the proposed technique.
  • a learning base comprises a large number of examples (typically thousands or hundreds of thousands), called samples, of translation from at least one source communication language to at least one target communication language.
  • the second message M2 is transmitted to the second equipment.
  • This second message M2 being formatted in the second language associated with this second equipment, it is perfectly understandable by this second equipment, and communication is thus established between the first equipment and the second equipment.
  • steps 11 to 13 can be implemented successively, in particular for the implementation of bidirectional communication (the first equipment of one iteration becoming the second equipment of another iteration, and vice versa ).
  • a batch translation (“batch” processing in English) of a plurality of messages can be implemented during steps 11 to 13 (for example via processing parallelism techniques implemented by means of 'an intermediate device based on a multi-core or multi-processor architecture).
  • the proposed technique makes it possible to avoid having to develop and maintain a complex conversion code between different communication languages, thanks to the use of at least one neural network previously trained to deduce and generalize correspondences between these communication languages based on matching examples provided in one or more training databases (also sometimes referred to as “training datasets”).
  • training databases also sometimes referred to as “training datasets”.
  • business logic is no longer managed algorithmically at the level of software code, but it is moved to the level of one or more learning bases, which offers a lot greater simplicity, flexibility and adaptability to modifications of one or other of the user communication languages (the code of the neural networks notably remaining agnostic to business logic).
  • This technique is particularly suitable for implementation in the field of supervision and administration, by an operator, of equipment in a telecommunications network. Indeed, as presented in relation to the prior art, such equipment (for example “RAN” type radio access network equipment) often uses a proprietary language specific to the equipment manufacturer that markets it.
  • RAN radio access network equipment
  • the message received by the intermediate device is a telemetry message coming from equipment set up works within the infrastructure of a communications network.
  • a telemetry message comprises at least one value associated with at least one indicator sent by the equipment to the network operator, this indicator being for example associated with an operating state of said equipment and/or said communication network .
  • This telemetry message received at the intermediate device in the language specific to the equipment which sent it is then translated by the intermediate device, by means of one or more neural networks as previously described, into a compatible language. with the operator's system, then relayed to this operator (for example to a specific server) so that the latter can exploit the information it contains.
  • the message received by the intermediate device is a configuration message transmitted by the operator of the communications network (for example via a specific server) and intended for specific equipment implemented within the infrastructure of this network.
  • a configuration message includes at least one configuration modification instruction, and possibly one or more associated parameters.
  • This configuration message received at the level of the intermediate device in the language specific to the operator who issued it is then translated by the intermediate device, by means of one or more neural networks as previously described, into the specific language to the equipment targeted by the configuration modification request, then relayed to this equipment so that the latter can implement the required configuration modification operations.
  • the parts of a sample containing data formatted according to the language of equipment manufacturer A are underlined with a solid line
  • the parts of a sample containing data formatted according to the language of equipment manufacturer B are underlined with a solid line dotted
  • parts of a sample containing data formatted using the O operator language are not underlined.
  • each sample associates input data formatted in one language with target data formatted in another language, the target data corresponding to a translation of the input data into this other language.
  • a sample is therefore mainly composed of two parts – a left part corresponding to the input data and a right part corresponding to the input data translated into another language – possibly separated by a separator (the character string “->” in the example of the ) making it easier to identify these two parts by the neural network.
  • a specific value for example the value "9999" can be assigned to an indicator (in the case of translation of telemetry messages) or to a parameter of a configuration instructions (in the case of translation configuration message) in the input data formatted in a first language, to indicate that the flag or parameter in question has no equivalent in the second language and/or that it should be ignored when the translation from the first language to the second language.
  • the value "9999” is assigned to the name indicator " kpi -III " in the input data, to signify an absence of a corresponding indicator in the target data (for example because that such an indicator has no equivalent in the second language, or because for various reasons the operator voluntarily wishes to ignore it).
  • samples E1, E2, E3 and E4 are purely illustrative and not limiting, and other types of nomenclature and/or format correspondence may appear in the learning base in the context of the present technique, for example.
  • associations between a single indicator for an actor and a plurality of indicators for another actor eg when an indicator on the operator side corresponds to the aggregation of several indicators on the equipment manufacturer's side
  • associations in which a configuration command for a actor is broken down into several configuration commands for another actor associations between distinct formats (eg between integers “0” and “1” on the one hand with respectively “ false ” and “ true ” character strings on the other part), etc.
  • the learning base contains a so-called “mirror” sample associating in this order said target data formatted in said second language with said input data formatted in said first language.
  • each sample present in the learning base corresponds to a mirror sample also present in the learning base.
  • samples E5, E6, E7 and E8 present in the learning base illustrated in correspond respectively to the mirror samples of samples E1, E2, E3 and E4 also present in the learning base.
  • the present technique makes it possible to manage a context which can be described as "multilingual", in the sense that translations from at least one language to several other languages (potentially up to a few hundred other languages) can be implemented by the same intermediate device.
  • a single neural network can be implemented at the level of the intermediate device, for the translation of numerous languages (more than two), if the learning base which was used for the train contains examples of messages translated from at least one language to and from a plurality of other languages (ie from at least one language to at least two other languages).
  • the example of the learning base illustrated in relation to the which is not limited to samples including examples of translation between only two languages, but which on the contrary includes examples of message translation in a language specific to the operator O to or from several other languages, ie the language associated with equipment manufacturer A and the language associated with equipment manufacturer B.
  • Such a neural network, and the learning base used to train it can then be described as “multilingual”.
  • each neural network can be implemented at the level of the intermediate device, and more particularly one neural network per pair of languages to be managed (e.g. a first neural network for translation between operator O and equipment manufacturer A, a second translation neural network between operator O and equipment manufacturer B, possibly a third translation neural network between equipment manufacturer A and equipment manufacturer B, etc.).
  • each neural network is trained independently of the other neural networks, by means of a learning base which is specific to it and which only contains associations between the two predefined languages to be processed by the neural network in question, and which can therefore be described as “bilingual”.
  • a multilingual learning base for training a single neural network as presented in relation to the first implementation previously described, can for example be obtained by concatenation of several bases of bilingual learning.
  • the proposed technique also relates to an intermediate device capable of carrying out the method previously described in any of its embodiments, for establishing communication between two pieces of equipment in a communication network.
  • a device according to the present technique comprises:
  • first piece of equipment means for receiving, from one of said two pieces of equipment, called first piece of equipment, a first message formatted in a first language associated with said first piece of equipment;
  • the intermediate device comprises for example a memory 31 consisting of a buffer memory M, a processing unit 32, equipped for example with a microprocessor ⁇ P, and controlled by the computer program Pg 33, implementing steps of the method for establishing communication between two pieces of equipment in a communication network according to at least one embodiment of the invention.
  • the intermediate device also comprises at least one communication interface (for example an Ethernet communication interface), allowing it to receive and transmit messages from and to other equipment present in the communication network , and at least one message translation neural network.
  • the code instructions of the computer program 33 are loaded into the buffer memory before being executed by the processor of the processing unit 32.
  • the processing unit 32 receives as input E for example a first message coming from a first piece of equipment in the communications network, this first message being formatted in a first language associated with said first piece of equipment.
  • the microprocessor of the processing unit 32 then carries out the steps of the method of establishing a communication, according to the instructions of the computer program 33. More particularly, the first message received at input E is provided as input to at at least one neural network implemented by the processing unit 32 and previously trained to translate data formatted in at least one language into data formatted in at least one other language. From the first message formatted in the first language, the neural network more particularly generates a second message corresponding to a translation of the first message into a second language associated with second equipment of the communication network. This second message is then transmitted by the processing unit 32 at output S to the second equipment, for operation.

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)
  • Machine Translation (AREA)
  • Communication Control (AREA)

Abstract

L'invention se rapporte à un procédé d'établissement d'une communication entre au moins deux équipements d'un réseau de communication. Un tel procédé comprend, au niveau d'un dispositif intermédiaire : - la réception (11), en provenance de l'un desdits deux équipements, dit premier équipement, d'un premier message (Ml) formaté dans un premier langage associé audit premier équipement; - la génération (12), à partir dudit premier message (Ml), d'un deuxième message (M2) formaté dans un deuxième langage associé à l'autre desdits deux équipements, dit deuxième équipement, ledit deuxième message (M2) correspondant à une traduction dudit premier message (Ml) dans ledit deuxième langage, ladite génération étant mise en œuvre au moyen d'au moins un réseau de neurones artificiels; - la transmission (13) dudit deuxième message (M2) audit deuxième équipement.

Description

     Procédé d’établissement d’une communication entre au moins deux équipements d’un réseau de communication.
  • L’invention se situe dans le domaine des réseaux de communication. Plus particulièrement, l’invention se rapporte à l’administration et à la supervision des équipements utilisés pour la mise en œuvre de tels réseaux.
    •  Art antérieur
  • Un réseau de communication repose généralement sur une infrastructure comprenant de nombreux équipements d’origine et de nature variées, que l’opérateur du réseau doit être en mesure d’administrer et superviser, de manière par exemple à détecter rapidement d’éventuels dysfonctionnements ou des options d’optimisation et pouvoir intervenir en conséquence afin d’assurer un fonctionnement optimal du réseau. À cette fin, un opérateur peut notamment collecter et surveiller de nombreuses métriques remontées par ces équipements, par exemple sous la forme d’indicateurs de performance clés (également appelés KPI, de l’anglais « Key Performance Indicator ») prédéfinis. Si nécessaire, un opérateur peut également envoyer des instructions à destination d’un équipement afin d’en modifier de manière temporaire ou permanente la configuration.
  • Outre la présence d’équipements différents pour assurer des fonctions diverses, il est fréquent que des équipements de même nature mais provenant d’équipementiers différents soient mis en œuvre au sein d’un même réseau de communication, par exemple pour des raisons de coûts, de redondance matérielle destinée à rendre le réseau plus robuste, d’historique de déploiement du réseau, etc. Cette diversité matérielle n’est pas sans soulever certains problèmes pour l’opérateur : non seulement elle est susceptible de constituer un frein pour l’interopérabilité de ces différents équipements, mais elle complexifie également de manière importante la supervision, l’administration et la configuration du réseau de communication. En effet, chaque équipementier a tendance à implémenter son propre système de métriques et de commandes, lorsqu’il s’agit de mettre à disposition d’un utilisateur (typiquement un opérateur) les outils permettant de gérer les équipements qu’il commercialise. Ainsi, des métriques (i.e. des indicateurs) de même nature pour des équipements de même nature mais provenant d’équipementiers différents sont souvent nommées différemment (un même indicateur est par exemple nommé « VS.DLPRBUsedPerTypeService.VoIPGBR.Cum » pour un équipementier et « DLPRBUSEDPTYPESERV_VOIPGBR_CUM » pour un autre équipementier), voire associées à des formats de valeurs différents (un même indicateur est par exemple remonté sous la forme d’un nombre entier pour un équipementier, et d’un nombre relatif pour un autre équipementier). Il en va de même pour les commandes mises à disposition pour modifier la configuration de ces équipements, qui, d’un équipement à un autre, sont susceptibles de porter non seulement des noms différents pour des fonctions similaires, mais d’accepter en outre des paramètres de formats différents. À cette hétérogénéité déjà importante s’ajoute le fait que l’opérateur dispose généralement lui-même de son propre système de nomenclature et de format, différent de ceux de ses équipementiers, eu égard à ces indicateurs ou commandes, ce qui complique encore les opérations d’administration et de supervision du réseau.
  • Pour répondre à ces problématiques, des travaux de normalisation ont été entrepris, notamment au niveau de certains organismes tels que le 3GPP (« 3rd Generation Partnership Project ») et l’ETSI (« European Telecommunications Standards Institute », i.e. l’institut européen des normes de télécommunications) dans le domaine des réseaux de télécommunication. Malgré ces tentatives de normalisation, opérateurs et équipementiers ne sont toutefois pas parvenus à converger vers l’utilisation d’un standard en matière de nomenclature et de format des données liées à la configuration et à l’administration des réseaux. Par ailleurs, les propositions et les recommandations complémentaires formulées par ces organismes dans ce domaine restent peu adoptées et peu implémentées par les différents acteurs impliqués.
  • Il en résulte qu’un opérateur se voit généralement contraint de développer et maintenir des interfaces de médiation, reposant sur du code logiciel, afin d’être en mesure de consolider dans son propre système d’information les indicateurs remontés en provenance des différents équipements de son réseau de communication, ou d’adresser des messages de configuration à destination de ces équipements. Compte-tenu des évolutions fréquentes d’un réseau de communication (déploiement du réseau avec du matériel et/ou logiciel plus récent, remplacement d’équipements devenus obsolètes, montée de version de certains équipements, etc.), ce code logiciel doit être sans cesse revu et mis à jour, et sa complexité est croissante au fil du temps. Par exemple, l’intégration d’un nouvel équipement dans le réseau de l’opérateur oblige ce dernier à développer et intégrer le code logiciel nécessaire pour d’une part traduire les indicateurs remontés dans les messages de télémétrie émis par l’équipement d’un langage propriétaire propre à l’équipementier vers le langage propriétaire propre à l’opérateur, et d’autre part traduire les commandes transmises dans les messages de configuration émis par l’opérateur du  langage propriétaire propre à l’opérateur vers le langage propriétaire propre à l’équipementier. De telles opérations ne se limitent généralement pas à un simple renommage des noms des indicateurs et des commandes, mais nécessitent souvent des manipulations complexes d’agrégation et d’adaptation (un indicateur côté opérateur pouvant par exemple correspondre à la somme d’une pluralité d’indicateurs côté équipementier, avec des formats de données différents).
  • Le développement et la maintenance du code logiciel mis en œuvre au niveau de ces interfaces de médiation se révèlent donc de plus en plus fastidieux et coûteux, avec un risque d’erreurs croissant, tant le nombre et la variété d’équipements intégrés dans les réseaux de communication actuels sont élevés.
  • Il existe donc un besoin pour une solution permettant de simplifier l’administration et la supervision des nombreux équipements hétérogènes d’un réseau de communication, et plus généralement de faciliter de manière globale l’interopérabilité entre ces différents équipements.
    •
  • La présente technique permet de proposer une solution visant à remédier à certains inconvénients de l’art antérieur. Selon un aspect, la présente technique se rapporte en effet à un procédé d’établissement d’une communication entre deux équipements d’un réseau de communication. Un tel procédé comprend, au niveau d’un dispositif intermédiaire, au moins une itération des étapes suivantes pour la mise en œuvre de ladite communication :
  • - la réception, en provenance de l’un desdits deux équipements, dit premier équipement, d’un premier message formaté dans un premier langage associé audit premier équipement ;
  • - la génération, à partir dudit premier message, d’un deuxième message formaté dans un deuxième langage associé à l’autre desdits deux équipements, dit deuxième équipement, ledit deuxième message correspondant à une traduction dudit premier message dans ledit deuxième langage, ladite génération étant mise en œuvre au moyen d’au moins un réseau de neurones artificiels ;
  • - la transmission dudit deuxième message audit deuxième équipement.
  • De cette manière, il n’est plus nécessaire d’avoir recours aux opérations fastidieuses et complexes de développement et de maintien d’un code de conversion entre différents langages de communication au niveau d’interfaces de médiation pour permettre la mise en œuvre d’une communication entre des équipements associés à des langages de communication différents.
  • Dans un mode de réalisation particulier, ledit premier message est un message associé à une tâche de télémétrie, ledit premier message comprenant au moins un nom et une valeur associée à au moins un indicateur remonté par ledit premier équipement, ledit au moins indicateur étant associé à un état de fonctionnement dudit premier équipement et/ou dudit réseau de communication.
  • De cette manière, la présente technique permet notamment une gestion facilitée des opérations de collecte et de surveillance de métriques remontées par le premier équipement, et notamment d’indicateurs de performance clés liés au premier équipement et/ou au réseau de communication.
  • Selon une caractéristique particulière de ce mode de réalisation, ledit deuxième message comprend au moins une traduction dudit nom dans ledit deuxième langage et/ou une conversion de ladite valeur dans un format de valeur d’indicateur correspondant dudit deuxième langage.
  • De cette manière, la présente technique permet une conversion automatique des métriques remontées par le premier équipement (typiquement un équipement d’un équipementier) dans un format directement exploitable par le deuxième équipement (typiquement un équipement d’un opérateur).
  • Dans un mode de réalisation particulier, ledit premier message est un message associé à une tâche de configuration, ledit premier message comprenant au moins une instruction de modification de configuration émise par ledit premier équipement à destination dudit deuxième équipement.
  • De cette manière, la présente technique permet notamment une gestion facilitée des opérations de configuration, par exemple par un opérateur, des équipements d’un réseau de communication.
  • Selon une caractéristique particulière de ce mode de réalisation, ledit deuxième message comprend au moins une traduction de ladite instruction dans ledit deuxième langage et/ou une conversion d’au moins un paramètre associé à ladite instructions dans un format de paramètres de configuration correspondant dudit deuxième langage.
  • De cette manière, la présente technique permet une conversion automatique des instructions de configuration émises par le premier équipement (typiquement un équipement d’un opérateur) dans un format directement compréhensible et exécutable par le deuxième équipement (typiquement un équipement d’un équipementier).
  • Dans un mode de réalisation particulier, ledit au moins un réseau de neurones artificiels est un réseau à base de transformeurs.
  • De cette manière, les perspectives d’obtention de performances optimales pour la traduction du premier langage vers le deuxième langage sont maximisées, les réseaux à base de transformeurs, et notamment les réseaux autorégressifs, ayant déjà fait leurs preuves dans des contextes de traductions automatique d’une langue à une autre pour des langues pratiquées par des locuteurs humains.
  • Dans un mode de réalisation particulier, ledit au moins un réseau de neurones artificiels est entrainé par apprentissage, au moyen d’au moins une base d’apprentissage comprenant une pluralité d’échantillons associant dans cet ordre des données d’entrées formatées dans ledit premier langage à des données cibles formatées dans ledit deuxième langage, lesdites données cibles correspondant à une traduction desdites données d’entrées dans ledit deuxième langage.
  • De cette manière, avec la technique proposée, la logique métier est gérée au niveau d’une ou plusieurs bases d'apprentissage plutôt qu’au niveau d’un code logiciel de conversion complexe et difficile à maintenir, ce qui offre de nombreux avantages en termes de simplicité et de souplesse notamment pour la prise en compte des évolutions du réseau de communication.
  • Dans un mode de réalisation particulier, pour chaque échantillon de ladite pluralité d’échantillons, ladite au moins une base d’apprentissage comprend un échantillon dit échantillon miroir associant dans cet ordre lesdites données cibles formatées dans ledit deuxième langage auxdites données d’entrées formatées dans ledit premier langage.
  • De cette manière, une base d'apprentissage permettant d’entrainer des réseaux de neurones artificiels à la prise en charge de traductions bidirectionnelles ou multidirectionnelles est facilement constituée, par simple duplication d’échantillons avec inversion des données d’entrées et des données cibles.
  • Dans un mode de réalisation particulier, ladite au moins une base d’apprentissage comprend en outre une pluralité d’échantillons associant des données formatées dans ledit premier langage et/ou ledit deuxième langage à des données traduites formatées dans au moins un autre langage différent dudit premier langage et dudit deuxième langage.
  • De cette manière, la présente technique permet de gérer un contexte « multilingue », des traductions d’au moins un langage vers plusieurs autres langages pouvant être mises en œuvre par un même dispositif intermédiaire.
  • Dans un mode de réalisation particulier, lesdits échantillons comprennent au moins une association entre :
  • - au moins un nom d’indicateur et un format de valeur d’indicateur dans ledit premier langage avec au moins un nom d’indicateur et un format de valeur d’indicateur correspondants dans ledit deuxième langage ; et/ou
  • - au moins un nom de commande de configuration et un format de paramètres de configuration dans ledit premier langage avec au moins un nom de commande de configuration et un format de paramètres de configuration correspondants dans ledit deuxième langage.
  • De cette manière, une base d'apprentissage permettant d’entrainer un réseau de neurones à la prise en charge de tâches de télémétrie et/ou de configuration est facilement constituée.
  • Dans un mode de réalisation particulier, une valeur spécifique d’indicateur et/ou de paramètre dans lesdites données d’entrées est représentative respectivement d’une absence d’indicateur et/ou de paramètre correspondant dans lesdites données cibles.
  • De cette manière, l’utilisateur dispose d’un moyen pour indiquer qu’un indicateur ou qu’un paramètre n’a pas d’équivalent dans un langage cible, ou qu’il ne doit pas être traduit.
  • Dans un mode de réalisation particulier, lesdits échantillons comprennent en outre, dans au moins une parmi lesdites données d’entrée et lesdites données cibles, des informations appartenant au groupe comprenant :
  • - un identifiant d’acteur associé à un équipement ;
  • - un identifiant d’équipement ;
  • - une version d’équipement ;
  • - un identifiant de logiciel associé à un équipement ;
  • - une version de logiciel associé à un équipement ;
  • - un horodatage ;
  • - un type de tâche.
  • De cette manière, diverses données complémentaires sont présentes dans les échantillons de la base d'apprentissage, afin de compléter ou faciliter l’apprentissage du réseau de neurones.
  • Dans un mode de réalisation particulier, lesdites informations sont précédées d’un préfixe identifiant le type d’information associé, ledit préfixe étant, pour un type d’information donné, constant dans l’ensemble de ladite base d'apprentissage.
  • De cette manière, la détection de ces informations complémentaires par le réseau de neurones est facilitée, et la tâche d’apprentissage est encore simplifiée.
  • Selon un autre aspect, la présente technique se rapporte également à un dispositif d’établissement d’une communication entre deux équipements d’un réseau de communication. Un tel dispositif comprend :
  • - des moyens de réception, en provenance de l’un desdits deux équipements, dit premier équipement, d’un premier message formaté dans un premier langage associé audit premier équipement ;
  • - des moyens de génération, à partir dudit premier message, d’un deuxième message formaté dans un deuxième langage associé à l’autre desdits deux équipements, dit deuxième équipement, ledit deuxième message correspondant à une traduction dudit premier message dans ledit deuxième langage, ladite génération étant mise en œuvre au moyen d’au moins un réseau de neurones artificiels ;
  • - des moyens de transmission dudit deuxième message audit deuxième équipement.
  • Selon un autre aspect, la technique proposée se rapporte également à un produit programme d'ordinateur téléchargeable depuis un réseau de communication et/ou stocké sur un support lisible par ordinateur et/ou exécutable par un microprocesseur, comprenant des instructions de code de programme pour l’exécution d'un procédé d’établissement d’une communication entre deux équipements d’un réseau de communication tel que décrit précédemment, lorsqu’il est exécuté sur un ordinateur.
  • La technique proposée vise également un support d’enregistrement lisible par un ordinateur sur lequel est enregistré un programme d’ordinateur comprenant des instructions de code de programme pour l’exécution des étapes du procédé tel que décrit précédemment, dans l’un quelconque de ses modes de réalisation.
  • Un tel support d'enregistrement peut être n'importe quelle entité ou dispositif capable de stocker le programme. Par exemple, le support peut comporter un moyen de stockage, tel qu'une ROM, par exemple un CD ROM ou une ROM de circuit microélectronique, ou encore un moyen d'enregistrement magnétique, par exemple une clé USB ou un disque dur.
  • D'autre part, un tel support d'enregistrement peut être un support transmissible tel qu'un signal électrique ou optique, qui peut être acheminé via un câble électrique ou optique, par radio ou par d'autres moyens, de sorte que le programme d’ordinateur qu’il contient est exécutable à distance. Le programme selon l'invention peut être en particulier téléchargé sur un réseau, par exemple le réseau Internet.
  • Les différents modes de réalisation mentionnés ci-dessus sont combinables entre eux pour la mise en œuvre de l'invention.
    •  Figures
  • D’autres caractéristiques et avantages de l’invention apparaîtront plus clairement à la lecture de la description suivante d’un mode de réalisation préférentiel, donné à titre de simple exemple illustratif et non limitatif, et des dessins annexés, parmi lesquels :
  •  illustre le principe général d’un procédé d’établissement d’une communication entre deux équipements d’un réseau de communication, dans un mode de réalisation particulier de la technique proposée ;
  • présente quelques échantillons d’une base d'apprentissage apte à être utilisée pour entrainer au moins un réseau de neurones artificiels à traduire un message d’un langage à un autre, dans un mode de réalisation particulier de la technique proposée ;
  • décrit une architecture simplifiée d’un dispositif intermédiaire pour la mise en œuvre de la technique proposée, dans un mode de réalisation particulier.
    •  Description détaillée de l’invention
  • La présente demande permet de remédier à certains des inconvénients précités.
  • La technique proposée vise notamment à proposer une solution plus simple, moins coûteuse et plus flexible que le développement et le maintien d’interfaces logicielles de médiation selon l’art antérieur – qui reposent généralement sur un codage « brut » (i.e. « en dur ») de règles de traduction – pour l’établissement d’une communication entre des équipements potentiellement hétérogènes (par exemple parce qu’ils proviennent d’équipementiers différents) au sein d’un réseau de communication.
  • Dans le présent document, la technique proposée est majoritairement présentée dans le contexte d’échanges de messages de télémétrie et de configuration entre des équipements réseau formant au moins une partie de l’infrastructure d’un réseau de télécommunication (e.g. un réseau 3G, 4G ou 5G). Il est entendu que cet exemple est purement illustratif et non limitatif, et représentatif d’un mode de réalisation particulier de la technique proposée. En particulier, la présente technique peut être mise en œuvre dans d’autres contextes, comprenant des échanges de messages relatifs à d’autres types de tâches que des tâches de télémétrie ou de configuration.
  • On entend par la suite par « langage associé à un équipement » (ou, par extension, par « langage propre à un équipementier ») un ensemble de règles de syntaxe, de nomenclature (de données telles que des indicateurs, de fonctions, etc.) et de format attendu et/ou utilisé par un équipement réseau dans ses communications avec des équipements tiers. Par analogie avec des locuteurs humains, il s’agit de la « langue » parlée et comprise par l’équipement réseau, i.e. le langage de communication dans lequel il délivre des informations ou des commandes à destination d’autres équipements et dans lequel il est apte à comprendre des informations ou des commandes reçues en provenance d’autres équipements. La présente technique se rapporte ainsi à des solutions de traduction permettant d’établir une communication entre des équipements réseau ne partageant pas nécessairement le même langage.
  • Sur toutes les figures du présent document, les éléments et étapes identiques sont désignés par une même référence numérique. Par ailleurs, dans la description qui suit, les termes « premier » et « deuxième » (utilisés pour qualifier un équipement, un message, un langage, etc.) visent uniquement à permettre d’établir une distinction entre deux éléments, et n’impliquent aucunement l’existence d’une quelconque relation d’ordre entre ces éléments.
  • Selon un premier aspect, la présente technique se rapporte à un procédé d’établissement d’une communication entre deux équipements d’un réseau de communication : un premier équipement associé à un premier langage de communication et un deuxième équipement associé à un deuxième langage de communication (généralement différent du premier langage de communication). Le premier langage et le deuxième langage peuvent différer en ce que les messages et/ou les attributs et/ou les valeurs des langages respectifs sont différents. Le principe général d’un tel procédé est illustré en relation avec la , dans un mode de réalisation particulier de la technique proposée. Ce procédé est mis en œuvre au niveau d’un dispositif intermédiaire, i.e. au niveau d’un dispositif apte à relayer toute communication ou tout message relatif à la communication de l’un des deux équipements vers l’autre des deux équipements (et inversement), le cas échéant en les adaptant. Un tel dispositif intermédiaire peut être compris dans un équipement tiers distinct des deux équipements entre lesquels on vise à établir une communication. De manière alternative, le dispositif intermédiaire peut être embarqué au sein même de l’un ou l’autre de ces deux équipements, par exemple au sein d’une interface de communication de l’équipement concerné.
  • Dans une étape 11, le dispositif intermédiaire reçoit un message M1 en provenance du premier équipement du réseau de communication. Un tel message comprend des données formatées dans le langage associé audit premier équipement, i.e. dans le premier langage de communication.
  • Dans une étape 12, le message M1 reçu à l’étape 11, dit premier message, est fourni en entrée d’au moins un réseau de neurones artificiels préalablement entrainé pour traduire des données d’au moins un langage, et plus particulièrement du premier langage associé au premier équipement, vers au moins un autre langage, et plus particulièrement vers le deuxième langage associé au deuxième équipement. Ce réseau de neurones traite le premier message M1, et génère en sortie un deuxième message M2 correspondant à une traduction du premier message M1 dans le deuxième langage associé au deuxième équipement.
  • Dans un mode de réalisation particulier, le réseau de neurones utilisé est un réseau de neurones à base de transformeurs (mieux connu sous le terme anglais « Transformers »). Selon une caractéristique particulière, le modèle du réseau de neurones est plus particulièrement de type « décodeur pur » (e.g. modèle GPT, de l’anglais « Generative Pre-Training ») : seule la partie décodeur du réseau de neurones à base de transformeurs est conservée. Un tel modèle, dit autorégressif, est intéressant en ce qu’il a déjà fait ses preuves pour la mise en œuvre de traductions automatique d’une langue à une autre (par exemple du français à l’allemand), en ce qui concerne des langues pratiquées par des locuteurs humains. La technique proposée n’est cependant pas limitée au modèle de type « décodeur », et d’autres modèles de réseaux de neurones à base de transformeurs, par exemple de type « encodeur - décodeur » (e.g. modèles T5 ou mT5), ou de type « encodeur pur » (e.g. modèle BERT, de l’anglais « Bidirectional Encoder Representations from Transformers ») peuvent également être utilisés dans le cadre de la présente technique. Il est à noter qu’il ne s’agit pas simplement d’utiliser une technique ou un outil (comme par exemple le modèle GPT) pour un autre contexte (supervision de réseau) que le contexte initial (traduction de langues). En effet le nouveau contexte d’utilisation de cette technique requiert notamment des conversions, des formatages voire des agrégations plus complexes, impliquant une adaptation importante de la technique comme décrit dans la .
  • Selon la présente technique, le réseau de neurones est entrainé par apprentissage, par exemple par apprentissage supervisé, au moyen d’une base d’apprentissage construite de manière particulière, comme détaillé ultérieurement en relation avec la dans divers modes de réalisation particuliers de la technique proposée. Plus particulièrement, une telle base d’apprentissage comprend un grand nombre d’exemples (typiquement des milliers ou des centaines de milliers), dits échantillons, de traduction d’au moins un langage de communication source vers au moins un langage de communication cible.
  • Dans une étape 13, le deuxième message M2 est transmis au deuxième équipement. Ce deuxième message M2 étant formaté dans le deuxième langage associé à ce deuxième équipement, il est parfaitement compréhensible de ce deuxième équipement, et une communication est ainsi établie entre le premier équipement et le deuxième équipement.
  • Bien entendu, plusieurs itérations des étapes 11 à 13 peuvent être mises en œuvre successivement, notamment pour la mise en œuvre d’une communication bidirectionnelle (le premier équipement d’une itération devenant le deuxième équipement d’une autre itération, et vice et versa). Selon une caractéristique particulière, une traduction par lot (traitement « batch » en anglais) d’une pluralité de messages peut être mis en œuvre lors des étapes 11 à 13 (par exemple via des techniques de parallélisme de traitement mises en œuvre au moyen d’un dispositif intermédiaire reposant sur une architecture multicœurs ou multiprocesseurs).
  • Ainsi, la technique proposée permet d’éviter d’avoir à développer et maintenir un code complexe de conversion entre différents langages de communication, grâce à l’utilisation d’au moins un réseau de neurones préalablement entrainé à déduire et généraliser des correspondances entre ces langages de communication à partir d’exemples de correspondance fournis dans une ou plusieurs bases d'apprentissage (également parfois désignées sous le nom de « jeux de données d’apprentissage »). En d'autres termes, avec la présente technique, la logique métier n’est plus gérée de manière algorithmique au niveau d’un code logiciel, mais elle est déplacée au niveau d’une ou plusieurs bases d'apprentissage, ce qui offre beaucoup plus de simplicité, de souplesse et d’adaptabilité aux modifications de l’un ou l’autre des langages de communication à l’utilisateur (le code des réseaux de neurones restant notamment agnostique à la logique métier).
  • La présente technique est notamment adaptée pour une mise en œuvre dans le domaine de la supervision et de l’administration, par un opérateur, des équipements d’un réseau de télécommunication. En effet, comme présenté en relation avec l’art antérieur, de tels équipements (par exemple des équipements réseau d'accès radio de type « RAN ») utilisent souvent un langage propriétaire propre à l’équipementier qui les commercialise.
  • Ainsi, dans un mode de réalisation particulier de la technique proposée, dans au moins une itération du procédé d’établissement d’une communication préalablement décrit, le message reçu par le dispositif intermédiaire est un message de télémétrie en provenance d’un équipement mis en œuvre au sein de l’infrastructure d’un réseau de communication. Un tel message de télémétrie comprend au moins une valeur associée à au moins un indicateur remonté par l’équipement à destination de l’opérateur du réseau, cet indicateur étant par exemple associé à un état de fonctionnement dudit équipement et/ou dudit réseau de communication. Ce message de télémétrie reçu au niveau du dispositif intermédiaire dans le langage propre à l’équipement qui l’a émis est alors traduit par le dispositif intermédiaire, au moyen d’un ou plusieurs réseaux de neurones tels que précédemment décrits, dans un langage compatible avec le système de l’opérateur, puis relayé à cet opérateur (par exemple à un serveur spécifique) de sorte que ce dernier puisse exploiter les informations qu’il contient.
  • De manière complémentaire ou alternative, dans un mode de réalisation particulier de la technique proposée, dans au moins une itération du procédé d’établissement d’une communication préalablement décrit, le message reçu par le dispositif intermédiaire est un message de configuration émis par l’opérateur du réseau de communication (par exemple via un serveur spécifique) et destiné à un équipement particulier mis en œuvre au sein de l’infrastructure de ce réseau. Un tel message de configuration comprend au moins une instruction de modification de configuration, et éventuellement un ou plusieurs paramètres associés. Ce message de configuration reçu au niveau du dispositif intermédiaire dans le langage propre à l’opérateur qui l’a émis est alors traduit par le dispositif intermédiaire, au moyen d’un ou plusieurs réseaux de neurones tels que précédemment décrits, dans le langage propre à l’équipement visé par la demande de modification de configuration, puis relayé à cet équipement de sorte que ce dernier puisse mettre en œuvre les opérations de modification de configuration requises.
  • On décrit maintenant, en relation avec la , un extrait d’un exemple de base d’apprentissage apte à être utilisée pour entrainer au moins un réseau de neurones, afin qu’un opérateur (ici nommé O) soit en mesure d’administrer les équipements de deux équipementiers (ici respectivement nommés A et B), dans un mode de réalisation particulier de la technique proposée. Dans cet exemple, huit échantillons E1 à E8 sont présentés.
  • Pour faciliter la lecture de la , les parties d’un échantillon contenant des données formatées selon le langage de l’équipementier A sont soulignées avec un trait continu, les parties d’un échantillon contenant des données formatées selon le langage de l’équipementier B sont soulignées avec un trait en pointillé, et les parties d’un échantillon contenant des données formatées selon le langage de l’opérateur O ne sont pas soulignées.
  • Comme visible sur la , chaque échantillon associe des données d’entrées formatées dans un langage à des données cibles formatées dans un autre langage, les données cibles correspondant à une traduction des données d’entrées dans cet autre langage. Un échantillon est donc principalement composé de deux parties – une partie gauche correspondant aux données d’entrée et une partie droite correspondant aux données d’entrée traduites dans un autre langage – éventuellement séparées par un séparateur (la chaine de caractères « -> » dans l’exemple de la ) permettant de faciliter l’identification de ces deux parties par le réseau de neurones.
  • Plus particulièrement, dans un mode de réalisation particulier, la base d'apprentissage comprend des échantillons correspondant à des exemples de traduction de messages de télémétrie, et des échantillons correspondant à des exemples de traduction de messages de configuration.
  • Ainsi, si on s’intéresse dans un premier temps aux quatre échantillons E1, E2, E3 et E4 :
  • - les échantillons E1 et E3 se rapportent à la traduction de messages de télémétrie utilisés pour remonter des indicateurs respectivement des équipementiers A et B vers l’opérateur O ;
  • - les échantillons E2 et E4 se rapportent à la traduction de messages de configuration utilisés pour envoyer des instructions de configuration de l’opérateur O respectivement vers les équipementiers A et B.
  • Les échantillons correspondant à des exemples de traduction de messages de télémétrie associent au moins un nom d’indicateur et un format de valeur d’indicateur dans un premier langage avec au moins un nom d’indicateur et un format de valeur d’indicateur correspondants dans un deuxième langage. Ainsi, si on considère par exemple l’échantillon E1, on constate que l’indicateur de nom « kpi-1 » dans le système de l’équipementier A correspond à l’indicateur de nom différent « kpi1 » dans le système de l’opérateur O, et que l’équipementier A valorise cet indicateur sous forme d’un nombre réel (valeur « 3.1 ») alors que l’opérateur O l’associe à un nombre entier (valeur « 3 ») dans son propre système.
  • Les échantillons correspondant à des exemples de traduction de messages de configuration associent au moins un nom de commande de configuration et un format de paramètres de configuration dans un premier langage avec un nom de commande de configuration et un format de paramètres de configuration dans un deuxième langage. Ainsi, si on considère par exemple l’échantillon E2, on constate que la commande de nom « set- foo - threshold » dans le système de l’opérateur O correspond à la commande de nom différent « foo  » dans le système de l’équipementier A, et que alors que l’opérateur O passe en paramètre de cette commande un nombre entier (paramètre « param1 » de valeur « 10 ») la commande correspondante de l’équipementier A attend un tel paramètre ou un paramètre équivalent sous un nom différent et sous forme d’un nombre réel (paramètre « param - 1 » de valeur « 10.0 ») afin de pouvoir l’exécuter.
  • Selon une caractéristique particulière, une valeur spécifique (par exemple la valeur « 9999 ») peut être attribuée à un indicateur (dans le cas de traduction de messages de télémétrie) ou à un paramètre d’une instructions de configuration (dans le cas de traduction de message de configuration) dans les données d’entrée formatées dans un premier langage, pour indiquer que l’indicateur ou le paramètre en question n’a pas d’équivalent dans le deuxième langage et/ou qu’il doit être ignoré lors de la traduction du premier langage vers le deuxième langage. Par exemple, dans l’échantillon E3, la valeur « 9999 » est attribuée à l’indicateur de nom « kpi -III » dans les données d’entrées, pour signifier une absence d’indicateur correspondant dans les données cibles (par exemple parce qu’un tel indicateur n’a pas d’équivalent dans le deuxième langage, ou parce que pour des raisons diverses l’opérateur souhaite volontairement l’ignorer).
  • Les exemples précédents des échantillons E1, E2, E3 et E4 sont purement illustratifs et non limitatifs, et d’autres types de correspondance de nomenclature et/ou de format peuvent apparaître dans la base d'apprentissage dans le cadre de la présente technique, par exemple des associations entre un indicateur unique pour un acteur et une pluralité d’indicateurs pour un autre acteur (e.g. lorsqu’un indicateur côté opérateur correspond à l’agrégation de plusieurs indicateurs côté équipementier), des associations dans lesquelles une commande de configuration pour un acteur est décomposée en plusieurs commandes de configuration pour un autre acteur, des associations entre formats distincts (e.g. entre des entiers « 0 » et « 1 » d’une part avec respectivement des chaines de caractères « false » et « true » d’autre part), etc.
  • Dans un mode de réalisation particulier, pour compléter ou faciliter l’apprentissage du réseau de neurones, diverses données complémentaires sont présentes dans les échantillons de la base d'apprentissage, en plus des données relatives aux indicateurs et à leurs valeurs ou aux commandes et à leurs paramètres. Ainsi, les échantillons comprennent par exemple, dans leur partie gauche et/ou dans leur partie droite, des informations supplémentaires en plus des données purement télémétriques ou de configuration, comprenant (à titre illustratif et non limitatif) un identifiant d’acteur (par exemple le nom d’un équipementier ou d’un opérateur), un identifiant d’équipement (par exemple un nom de modèle d’équipement), une version d’équipement, un identifiant de logiciel associé à un équipement, une version de logiciel associé à un équipement, un horodatage, un type de tâche (e.g. télémétrie, configuration, autre type de tâche), etc. Selon une caractéristique particulière, pour faciliter la détection de ces informations complémentaires par le réseau de neurones, un préfixe identifiant le type d’information associé est utilisé au sein des échantillons de la base d'apprentissage. Dans ce cas, un tel préfixe, qui peut également être qualifié de « balise », est constant dans l’ensemble de la base d'apprentissage. Par exemple, dans l’exemple de la , le même préfixe «  actor -id : » est utilisé dans l’ensemble de la base d'apprentissage pour préciser que l’information qui suit immédiatement ce préfixe est un identifiant d’acteur (identifiant « O » pour l’opérateur, « A » pour l’équipementier A, ou « B » pour l’équipementier B).
  • Dans un mode de réalisation particulier, pour au moins un échantillon de la base d'apprentissage associant dans cet ordre des données d’entrées formatées dans un premier langage à des données cibles formatées dans un deuxième langage (correspondant aux données d’entrée traduites dans le deuxième langage), la base d'apprentissage contient un échantillon dit « miroir » associant dans cet ordre lesdites données cibles formatées dans ledit deuxième langage auxdites données d’entrées formatées dans ledit premier langage. Selon une caractéristique particulière, à chaque échantillon présent dans la base d'apprentissage correspond un échantillon miroir également présent dans la base d'apprentissage. Par exemple, les échantillons E5, E6, E7 et E8 présents dans la base d'apprentissage illustrée en correspondent respectivement aux échantillons miroir des échantillons E1, E2, E3 et E4 également présents dans la base d'apprentissage.
  • Une telle mise en œuvre est particulièrement intéressante lorsqu’il s’agit d’entrainer des réseaux de neurones autorégressifs, particulièrement performants dans le cadre de la présente technique, afin que ces réseaux de type causal ne restent pas à usage monodirectionnel après entrainement (c’est-à-dire uniquement apte à traduire dans un sens, d’un premier langage vers un autre, mais pas dans l’autre sens, du deuxième langage au premier), mais qu’ils soient au contraire bien capables de traductions bidirectionnelles ou multidirectionnelles dans le cas où la traduction est valide pour un nombre supérieur à deux d’acteurs.
  • Il est par ailleurs intéressant de noter que la présente technique permet de gérer un contexte qui peut être qualifié de « multilingue », en ce sens que des traductions d’au moins un langage vers plusieurs autres langages (potentiellement jusqu’à quelques centaines d’autres langages) peuvent être mises en œuvre par un même dispositif intermédiaire.
  • Par exemple, selon une première implémentation, un seul et même réseau de neurones peut être mis en œuvre au niveau du dispositif intermédiaire, pour la traduction de nombreux langages (plus de deux), si la base d'apprentissage qui a servi à l’entrainer contient des exemples de messages traduits d’au moins un langage vers et depuis une pluralité d’autres langages (i.e. d’au moins d’un langage vers au moins deux autres langages). C’est le cas notamment de l’exemple de la base d'apprentissage illustrée en relation avec la , qui n’est pas limitée à des échantillons comprenant des exemples de traduction entre uniquement deux langages, mais qui comprend au contraire des exemples de traduction de message dans un langage propre à l’opérateur O vers ou depuis plusieurs autres langages, i.e. le langage associé à l’équipementier A et le langage associé à l’équipementier B. Un tel réseau de neurones, et la base d'apprentissage utilisé pour l’entrainer, peuvent alors être qualifiés de « multilingues ».
  • Alternativement ou de manière complémentaire, dans une deuxième implémentation, plusieurs réseaux de neurones peuvent être mis en œuvre au niveau du dispositif intermédiaire, et plus particulièrement un réseau de neurones par couple de langages à gérer (e.g. un premier réseau de neurones de traduction entre opérateur O et équipementier A, un deuxième réseau de neurones de traduction entre opérateur O et équipementier B, éventuellement un troisième réseau de neurones de traduction entre équipementier A et équipementier B, etc.). Dans ce cas, chaque réseau de neurones est entrainé indépendamment des autres réseaux de neurones, au moyen d’une base d'apprentissage qui lui est propre et qui contient uniquement des associations entre les deux langages prédéfinis à traiter par le réseau de neurones considéré, et qui peut donc être qualifiée de « bilingue ». Il peut être intéressant de noter qu’une base d'apprentissage multilingue pour l’entrainement d’un réseau de neurones unique, telle que présentée en relation avec la première implémentation précédemment décrite, peut par exemple être obtenue par concaténation de plusieurs bases d’apprentissage bilingues.
  • Selon un autre aspect, la technique proposée se rapporte également à un dispositif intermédiaire apte à réaliser le procédé précédemment décrit dans l’un quelconque de ses modes de réalisation, pour l’établissement d’une communication entre deux équipements d’un réseau de communication. Plus particulièrement, un tel dispositif selon la présente technique comprend :
  • - des moyens de réception, en provenance de l’un desdits deux équipements, dit premier équipement, d’un premier message formaté dans un premier langage associé audit premier équipement ;
  • - des moyens de génération, à partir dudit premier message, d’un deuxième message formaté dans un deuxième langage associé à l’autre desdits deux équipements, dit deuxième équipement, ledit deuxième message correspondant à une traduction dudit premier message dans ledit deuxième langage, ladite génération étant mise en œuvre au moyen d’au moins un réseau de neurones ;
  • - des moyens de transmission dudit deuxième message audit deuxième équipement.
  • La représente, de manière schématique et simplifiée, la structure d’un tel dispositif, dans un mode de réalisation particulier. Le dispositif intermédiaire selon la technique proposée comprend par exemple une mémoire 31 constituée d’une mémoire tampon M, une unité de traitement 32, équipée par exemple d’un microprocesseur μP, et pilotée par le programme d’ordinateur Pg 33, mettant en œuvre des étapes du procédé établissement d’une communication entre deux équipements d’un réseau de communication selon au moins un mode de réalisation de l’invention. À cette fin, le dispositif intermédiaire comprend également au moins une interface de communication (par exemple une interface de communication Ethernet), lui permettant de recevoir et d’émettre des messages en provenance et à destination d’autres équipements présents dans le réseau de communication, et au moins un réseau de neurones de traduction de messages.
  • À l’initialisation, les instructions de code du programme d’ordinateur 33 sont chargées dans la mémoire tampon avant d’être exécutées par le processeur de l’unité de traitement 32. L’unité de traitement 32 reçoit en entrée E par exemple un premier message en provenance d’un premier équipement du réseau de communication, ce premier message étant formaté dans un premier langage associé audit premier équipement.
  • Le microprocesseur de l’unité de traitement 32 réalise alors les étapes du procédé d’établissement d’une communication, selon les instructions du programme d’ordinateur 33. Plus particulièrement, le premier message reçu en entrée E est fourni en entrée d’au moins un réseau de neurones mis en œuvre par l’unité de traitement 32 et préalablement entrainé pour traduire des données formatées dans au moins un langage vers des données formatées dans au moins un autre langage. À partir du premier message formaté dans le premier langage, le réseau de neurones génère plus particulièrement un deuxième message correspondant à une traduction du premier message dans un deuxième langage associé à un deuxième équipement du réseau de communication. Ce deuxième message est alors transmis par l’unité de traitement 32 en sortie S à destination du deuxième équipement, pour exploitation.
    •

Claims (15)

  1. Procédé d’établissement d’une communication entre deux équipements d’un réseau de communication, ledit procédé étant caractérisé en ce qu'il comprend, au niveau d’un dispositif intermédiaire, au moins une itération des étapes suivantes pour la mise en œuvre de ladite communication :
    - réception (11), en provenance de l’un desdits deux équipements, dit premier équipement, d’un premier message (M1) formaté dans un premier langage associé audit premier équipement ;
    - génération (12), à partir dudit premier message (M1), d’un deuxième message (M2) formaté dans un deuxième langage associé à l’autre desdits deux équipements, dit deuxième équipement, ledit deuxième message (M2) correspondant à une traduction dudit premier message (M1) dans ledit deuxième langage, ladite génération étant mise en œuvre au moyen d’au moins un réseau de neurones artificiels ;
    - transmission (13) dudit deuxième message (M2) audit deuxième équipement.
  2. Procédé selon la revendication 1 caractérisé en ce que ledit premier message est un message associé à une tâche de télémétrie, ledit premier message comprenant au moins un nom et une valeur associée à au moins un indicateur remonté par ledit premier équipement, ledit au moins indicateur étant associé à un état de fonctionnement dudit premier équipement et/ou dudit réseau de communication.
  3. Procédé selon la revendication 2 caractérisé en ce que ledit deuxième message comprend au moins une traduction dudit nom dans ledit deuxième langage et/ou une conversion de ladite valeur dans un format de valeur d’indicateur correspondant dudit deuxième langage.
  4. Procédé selon la revendication 1 caractérisé en ce que ledit premier message est un message associé à une tâche de configuration, ledit premier message comprenant au moins une instruction de modification de configuration dudit deuxième équipement émise par ledit premier équipement à destination dudit deuxième équipement.
  5. Procédé selon la revendication 4 caractérisé en ce que ledit deuxième message comprend au moins une traduction de ladite instruction dans ledit deuxième langage et/ou une conversion d’au moins un paramètre associé à ladite instructions dans un format de paramètres de configuration correspondant dudit deuxième langage.
  6. Procédé selon la revendication 1, caractérisé en ce que ledit au moins un réseau de neurones artificiels est un réseau à base de transformeurs.
  7. Procédé selon la revendication 1, caractérisé en ce que ledit au moins un réseau de neurones artificiels est entrainé par apprentissage, au moyen d’au moins une base d’apprentissage comprenant une pluralité d’échantillons associant dans cet ordre des données d’entrées formatées dans ledit premier langage à des données cibles formatées dans ledit deuxième langage, lesdites données cibles correspondant à une traduction desdites données d’entrées dans ledit deuxième langage.
  8. Procédé selon la revendication 7, caractérisé en ce que pour chaque échantillon de ladite pluralité d’échantillons, ladite au moins une base d’apprentissage comprend un échantillon dit échantillon miroir associant dans cet ordre lesdites données cibles formatées dans ledit deuxième langage auxdites données d’entrées formatées dans ledit premier langage.
  9. Procédé selon la revendication 7, caractérisé en ce que ladite au moins une base d’apprentissage comprend en outre une pluralité d’échantillons associant des données formatées dans ledit premier langage et/ou ledit deuxième langage à des données traduites formatées dans au moins un autre langage différent dudit premier langage et dudit deuxième langage.
  10. Procédé selon la revendication 7, caractérisé en ce que lesdits échantillons comprennent au moins une association appartenant au groupe comprenant :
    - une association de type télémétrie, associant au moins un nom d’indicateur et un format de valeur d’indicateur dans ledit premier langage avec au moins un nom d’indicateur et un format de valeur d’indicateur correspondants dans ledit deuxième langage ;
    - une association de type configuration, associant au moins un nom de commande de configuration et un format de paramètres de configuration dans ledit premier langage avec au moins un nom de commande de configuration et un format de paramètres de configuration correspondants dans ledit deuxième langage.
  11. Procédé selon la revendication 10, caractérisé en ce qu’une valeur spécifique d’indicateur et/ou de paramètre dans lesdites données d’entrées est représentative respectivement d’une absence d’indicateur et/ou de paramètre correspondant dans lesdites données cibles.
  12. Procédé selon la revendication 10, caractérisé en ce que lesdits échantillons comprennent en outre, dans au moins une parmi lesdites données d’entrée et lesdites données cibles, des informations appartenant au groupe comprenant :
    - un identifiant d’acteur associé à un équipement ;
    - un identifiant d’équipement ;
    - une version d’équipement ;
    - un identifiant de logiciel associé à un équipement ;
    - une version de logiciel associé à un équipement ;
    - un horodatage ;
    - un type de tâche.
  13. Procédé selon la revendication 12, caractérisé en ce que lesdites informations sont précédées d’un préfixe identifiant un type d’information associé, ledit préfixe étant, pour un type d’information donné, constant dans l’ensemble de ladite base d'apprentissage.
  14. Dispositif d’établissement d’une communication entre deux équipements d’un réseau de communication, ledit dispositif étant caractérisé en ce qu'il comprend :
    - des moyens de réception, en provenance de l’un desdits deux équipements, dit premier équipement, d’un premier message formaté dans un premier langage associé audit premier équipement ;
    - des moyens de génération, à partir dudit premier message, d’un deuxième message formaté dans un deuxième langage associé à l’autre desdits deux équipements, dit deuxième équipement, ledit deuxième message correspondant à une traduction dudit premier message dans ledit deuxième langage, ladite génération étant mise en œuvre au moyen d’au moins un réseau de neurones artificiels ;
    - des moyens de transmission dudit deuxième message audit deuxième équipement.
  15. Produit programme d’ordinateur téléchargeable depuis un réseau de communication et/ou stocké sur un support lisible par ordinateur et/ou exécutable par un microprocesseur, caractérisé en ce qu’il comprend des instructions de code de programme pour l’exécution d'un procédé selon l'une quelconque des revendications 1 à 13, lorsqu’il est exécuté par un ordinateur.
EP23731980.1A 2022-06-09 2023-06-02 Procédé d'établissement d'une communication entre au moins deux équipements d'un réseau de communication Pending EP4537504A1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR2205553A FR3136620A1 (fr) 2022-06-09 2022-06-09 Procédé d’établissement d’une communication entre au moins deux équipements d’un réseau de communication.
PCT/EP2023/064805 WO2023237434A1 (fr) 2022-06-09 2023-06-02 Procédé d'établissement d'une communication entre au moins deux équipements d'un réseau de communication

Publications (1)

Publication Number Publication Date
EP4537504A1 true EP4537504A1 (fr) 2025-04-16

Family

ID=83506607

Family Applications (1)

Application Number Title Priority Date Filing Date
EP23731980.1A Pending EP4537504A1 (fr) 2022-06-09 2023-06-02 Procédé d'établissement d'une communication entre au moins deux équipements d'un réseau de communication

Country Status (4)

Country Link
US (1) US20250351203A1 (fr)
EP (1) EP4537504A1 (fr)
FR (1) FR3136620A1 (fr)
WO (1) WO2023237434A1 (fr)

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10966005B2 (en) * 2018-03-09 2021-03-30 Infinera Corporation Streaming telemetry for optical network devices
US11431571B2 (en) * 2019-06-11 2022-08-30 Hewlett Packard Enterprise Development Lp Monitoring time-base policy domain architecture

Also Published As

Publication number Publication date
WO2023237434A1 (fr) 2023-12-14
FR3136620A1 (fr) 2023-12-15
US20250351203A1 (en) 2025-11-13

Similar Documents

Publication Publication Date Title
US11422830B1 (en) Decentralized mobile device control
JP7418996B2 (ja) ネットワーク管理システム、リモートプロシージャコールリクエストをサービスするためのコンピュータ実施方法、および、光通信システム
EP3675435A1 (fr) Procédé de routage dynamique dans un réseau d'objets connectés
CN113556359A (zh) 一种通讯协议转换方法、设备、系统及网关设备
EP2679466A1 (fr) Procédé de détermination de la composition d'un train en sécurité
US11689354B2 (en) Efficient and scalable mechanism to protect integrity and authenticity of large data sets in cloud logging environments
CN1910854B (zh) 使用元管理信息库的自动更新系统以及方法
US11327456B2 (en) Efficient controller data generation and extraction
WO2023237434A1 (fr) Procédé d'établissement d'une communication entre au moins deux équipements d'un réseau de communication
WO2008012273A1 (fr) Procede de synchronisation entre un equipement mobile et une carte a puce
WO2025025812A1 (fr) Procédé, appareil et système de gestion de serveur, ainsi que dispositif électronique et support de stockage
FR2793906A1 (fr) Systeme et procede de gestion d'attributs dans un environnement oriente objet
JP2025522441A (ja) Ｏ－ｒａｎにおけるｓｍｏ非リアルタイムｒｉｃによるａｉ／ｍｌワークフローサービスおよび消費のためのシステムおよび方法
EP1998514B1 (fr) Traitement de paquets en vue de communiquer avec une machine à travers un ou plusieurs réseaux secondaires
EP3675463A1 (fr) Procédé d'identification d'un objet connecté dans une infrastructure réseau
US12341660B2 (en) Managing configurations of mobile devices across mobility configuration environments
EP3110109A1 (fr) Procédé et dispositif de mise à jour des capacités d'un objet connecté à un réseau de communications
EP4040757A1 (fr) Surveillance de communication
US11163613B2 (en) Automated system integration
EP4310694A1 (fr) Architecture de systeme de collecte de donnees
WO2007006721A1 (fr) Procede de generation de logiciel d'applications de fourniture de services contextualises et systeme de mise en œuvre du procede
CN121742722A (zh) 页面标识追踪及行为分析方法、装置、设备、介质及产品
FR3157750A1 (fr) Procédé et dispositif de construction d’un jumeau numérique réseau d’un réseau de communication
CN116820909A (zh) 审计日志的记录方法、装置和设备及计算机存储介质
CN113176943A (zh) 多环境一致性部署方法及装置

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20241205

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC ME MK MT NL NO PL PT RO RS SE SI SK SM TR

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)