WO2024120286A1

WO2024120286A1 - 传输方法、装置、终端及网络侧设备

Info

Publication number: WO2024120286A1
Application number: PCT/CN2023/135262
Authority: WO
Inventors: 崇卫微
Original assignee: 维沃移动通信有限公司
Priority date: 2022-12-07
Filing date: 2023-11-30
Publication date: 2024-06-13

Abstract

本申请公开了一种传输方法、装置、终端及网络侧设备，属于通信技术领域，本申请实施例的传输方法包括：终端向应用功能AF发送第一请求消息，所述第一请求消息用于请求传输机器学习ML模型；所述终端接收所述AF发送的第一响应消息，所述第一响应消息包括所述第一请求消息所请求传输的ML模型对应的用户面功能的信息。

Description

传输方法、装置、终端及网络侧设备

相关申请的交叉引用

本申请主张在2022年12月07日在中国提交的中国专利申请No.202211567252.3的优先权，其全部内容通过引用包含于此。

技术领域

本申请属于通信技术领域，具体涉及一种传输方法、装置、终端及网络侧设备。

背景技术

人工智能(Artificial Intelligence，AI)目前已广泛地应用于各个领域，将AI融入通信系统，以显著提升吞吐量、时延及用户容量等技术指标是未来通信网络的重要优化方向。而机器学习(Machine Learning，ML)是一种实现人工智能的方式，终端为了达到最优的通信效果，需要从网络侧下载最新的ML模型。另外，在一些场景下，终端也可能会参与部分模型的训练过程，例如联邦学习中，终端在本地训练生成局部模型后，上传给网络侧进行聚合，这就涉及终端模型的上传问题。

目前，通信系统仅为终端提供了普通用户数据传输的解决方法，对于如何实现终端与网络侧之间ML模型的传输尚不明确。

发明内容

本申请实施例提供一种传输方法、装置、终端及网络侧设备，能够解决相关技术中终端与网络侧之间ML模型的传输尚不明确的问题。

第一方面，提供了一种传输方法，包括：

终端向应用功能AF发送第一请求消息，所述第一请求消息用于请求传输机器学习ML模型；

所述终端接收所述AF发送的第一响应消息，所述第一响应消息包括所述第一请求消息所请求传输的ML模型对应的用户面功能的信息。

第二方面，提供了一种传输方法，包括：

AF接收终端发送的第一请求消息，所述第一请求消息用于请求传输ML模型；

所述AF向所述终端发送第一响应消息，所述第一响应消息包括所述第一请求消息所请求传输的ML模型对应的用户面功能的信息。

第三方面，提供了一种传输方法，包括：

模型应用平台接收AF发送的第二请求消息，所述第二请求消息用于请求获取用户面功能的信息，所述用户面功能用于与终端之间利用用户面会话传输ML模型；

所述模型应用平台向所述AF发送所述用户面功能的信息。

第四方面，提供了一种传输装置，包括：

第一发送模块，用于向应用功能AF发送第一请求消息，所述第一请求消息用于请求传输机器学习ML模型；

第一接收模块，用于接收所述AF发送的第一响应消息，所述第一响应消息包括所述第一请求消息所请求传输的ML模型对应的用户面功能的信息。

第五方面，提供了一种传输装置，包括：

第二接收模块，用于接收终端发送的第一请求消息，所述第一请求消息用于请求传输ML模型；

第二发送模块，用于向所述终端发送第一响应消息，所述第一响应消息包括所述第一请求消息所请求传输的ML模型对应的用户面功能的信息。

第六方面，提供了一种传输装置，包括：

第三接收模块，用于接收AF发送的第二请求消息，所述第二请求消息用于请求获取用户面功能的信息，所述用户面功能用于与终端之间利用用户面会话传输ML模型；

第三发送模块，用于向所述AF发送所述用户面功能的信息。

第七方面，提供了一种终端，该终端包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的传输方法的步骤。

第八方面，提供了一种终端，包括处理器及通信接口，其中，所述通信接口用于向应用功能AF发送第一请求消息，所述第一请求消息用于请求传输机器学习ML模型；以及用于接收所述AF发送的第一响应消息，所述第一响应消息包括所述第一请求消息所请求传输的ML模型对应的用户面功能的信息。

第九方面，提供了一种网络侧设备，该网络侧设备包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第二方面或第三方面所述的传输方法的步骤。

第十方面，提供了一种网络侧设备，包括处理器及通信接口，其中，所述通信接口用于接收终端发送的第一请求消息，所述第一请求消息用于请求传输ML模型；以及用于向所述终端发送第一响应消息，所述第一响应消息包括所述第一请求消息所请求传输的ML模型对应的用户面功能的信息；或者，

所述通信接口用于接收AF发送的第二请求消息，所述第二请求消息用于请求获取用户面功能的信息，所述用户面功能用于与终端之间利用用户面会话传输ML模型；以及用于向所述AF发送所述用户面功能的信息。

第十一方面，提供了一种通信系统，包括：终端及网络侧设备，所述终端可用于执行如第一方面所述的传输方法的步骤，所述网络侧设备可用于执行如第二方面或第三方面所述的传输方法的步骤。

第十二方面，提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面或第二方面或第三方面所述的传输方法的步骤。

第十三方面，提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现如第一方面或第二方面或第三方面所述的传输方法的步骤。

第十四方面，提供了一种计算机程序/程序产品，所述计算机程序/程序产品被存储在存储介质中，所述计算机程序/程序产品被至少一个处理器执行以实现如第一方面或第二方面或第三方面所述的传输方法的步骤。

在本申请实施例中，终端通过向AF发送请求传输ML模型的第一请求消息，并接收AF响应于所述第一请求消息发送的第一响应消息，该第一响应消息中包括所述第一请求消息所请求传输的ML模型对应的用户面功能的信息，进而终端能够利用AF获得网络侧对于ML模型的传输地址信息或存储位置信息，从而基于用户面会话从用户面功能动态地下载和/或所述用户面功能上传ML模型，进而也就明确了终端与网络侧之间ML模型的传输方式。

附图说明

图1a是本申请实施例可应用的一种无线通信系统的框图；

图1b是模型训练的流程图；

图1c是PDU会话建立的流程图；

图2是本申请实施例提供的一种传输方法的流程图之一；

图3是本申请实施例提供的一种传输方法的流程图之二；

图4是本申请实施例提供的一种传输方法的流程图之三；

图5是本申请实施例提供的一种传输方法的流程图之四；

图6是本申请实施例提供的一种传输装置的结构图之一；

图7是本申请实施例提供的一种传输装置的结构图之二；

图8是本申请实施例提供的一种传输装置的结构图之三；

图9是本申请实施例提供的一种通信设备的结构图；

图10是本申请实施例提供的一种终端的结构图；

图11是本申请实施例提供的一种网络侧设备的结构图。

具体实施方式

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描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本申请保护的范围。

本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”所区别的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”一般表示前后关联对象是一种“或”的关系。

值得指出的是，本申请实施例所描述的技术不限于长期演进型(Long Term Evolution，LTE)/LTE的演进(LTE-Advanced，LTE-A)系统，还可用于其他无线通信系统，诸如码分多址(Code Division Multiple Access，CDMA)、时分多址(Time Division Multiple Access，TDMA)、频分多址(Frequency Division Multiple Access，FDMA)、正交频分多址(Orthogonal Frequency Division Multiple Access，OFDMA)、单载波频分多址(Single-carrier Frequency Division Multiple Access，SC-FDMA)和其他系统。本申请实施例中的术语“系统”和“网络”常被可互换地使用，所描述的技术既可用于以上提及的系统和无线电技术，也可用于其他系统和无线电技术。以下描述出于示例目的描述了5G通信系统，并且在以下大部分描述中使用5G术语，但是这些技术也可应用于5G系统应用以外的应用，如第6代(6^th Generation，6G)通信系统。

图1a示出本申请实施例可应用的一种无线通信系统的框图。无线通信系统包括终端11和网络侧设备12。其中，终端11可以是手机、平板电脑(Tablet Personal Computer)、膝上型电脑(Laptop Computer)或称为笔记本电脑、个人数字助理(Personal Digital Assistant，PDA)、掌上电脑、上网本、超级移动个人计算机(ultra-mobile personal computer，UMPC)、移动上网装置(Mobile Internet Device，MID)、增强现实(augmented reality，AR)/虚拟现实(virtual reality，VR)设备、机器人、可穿戴式设备(Wearable Device)、车载设备(Vehicle User Equipment，VUE)、行人终端(Pedestrian User Equipment，PUE)、智能家居(具有无线通信功能的家居设备，如冰箱、电视、洗衣机或者家具等)、游戏机、个人计算机(personal computer，PC)、柜员机或者自助机等终端侧设备，可穿戴式设备包括：智能手表、智能手环、智能耳机、智能眼镜、智能首饰(智能手镯、智能手链、智能戒指、智能项链、智能脚镯、智能脚链等)、智能腕带、智能服装等。需要说明的是，在本申请实施例并不限定终端11的具体类型。网络侧设备12可以包括接入网设备或核心网设备，其中，接入网设备也可以称为无线接入网设备、无线接入网(Radio Access Network,RAN)、无线接入网功能或无线接入网单元。接入网设备可以包括基站、无线局域网(Wireless Local Area Network，WLAN)接入点或WiFi节点等，基站可被称为节点B、演进节点B(eNB)、接入点、基收发机站(Base Transceiver Station，BTS)、无线电基站、无线电收发机、基本服务集(Basic Service Set，BSS)、扩展服务集(Extended Service Set，ESS)、家用B节点、家用演进型B节点、发送接收点(Transmission Reception Point，TRP)或所述领域中其他某个合适的术语，只要达到相同的技术效果，所述基站不限于特定技术词汇，需要说明的是，在本申请实施例中仅以NR系统中的基站为例进行介绍，并不限定基站的具体类型。核心网设备可以包含但不限于如下至少一项：核心网节点、核心网功能、移动管理实体(Mobility Management Entity，MME)、接入移动管理功能(Access and Mobility Management Function，AMF)、会话管理功能(Session Management Function，SMF)、用户平面功能(User Plane Function，UPF)、策略控制功能(Policy Control Function，PCF)、策略与计费规则功能单元(Policy and Charging Rules Function，PCRF)、边缘应用服务发现功能(Edge Application Server Discovery Function，EASDF)、统一数据管理(Unified Data Management，UDM)，统一数据仓储(Unified Data Repository，UDR)、归属用户服务器(Home Subscriber Server，HSS)、集中式网络配置(Centralized network configuration，CNC)、网络存储功能(Network Repository Function，NRF)，网络开放功能(Network Exposure Function，NEF)、本地NEF(Local NEF，L-NEF)、绑定支持功能(Binding Support Function，BSF)、应用功能(Application Function，AF)等。需要说明的是，在本申请实施例中仅以NR系统中的核心网设备为例进行介绍，并不限定核心网设备的具体类型。

为更好地理解，以下对本申请实施例中可能涉及的相关概念及原理进行解释说明。

机器学习(Machine Learning，ML)目前在各个领域得到了广泛的应用，将机器学习融入通信网络，显著提升吞吐量、时延以及用户容量等技术指标是通信网络的重要优化方向。基于ML的通信网络优化整体流程如图1b所示。其中，模型训练功能和模型推理功能是关键功能。模型训练功能基于训练数据生成模型，完成模型有效性测试后，将模型部署至模型推理功能；在生成模型的过程中，模型训练功能需要获取并分析大量数据，对硬件性能和算力的要求很高，主要部署在网络侧设备上，如运营商服务器，或第三方服务器。模型推理功能基于所述模型，以推理数据为输入，获得推理输出，如空口指标预测。模型推理功能对硬件性能和算力要求相比模型训练功能更低。随着终端能力不断提升，甚至增加了专用芯片-神经网络处理器(Neural Processing Unit，NPU)，模型驱动效率也不断提升，使得在终端侧进行模型推理，甚至部分模型训练成为可能。

本申请实施例中，一种可能的场景是，模型训练在通信网络侧(例如模型训练逻辑功能(Model Training Logical Function，MTLF)，或应用功能(Application Function，AF))完成，模型推理在终端侧，此种场景下，终端需要从网络侧下载模型。另一种可能的场景是，部分模型训练在终端侧完成，模型推理在网络侧获其他端侧，终端需要将所训练的模型传递给网络侧。

在移动通信系统中，需要传输的数据至少包括用户数据和控制信令，用户数据和控制信令的传输特征明显不同，比如，用户数据可能数据量很大，控制信令数据量相对更小，控制信令要求的时延和可靠性高，控制信令对网络可见并终结在网络，需要网络进行处理，而用户数据内容对网络透明。

5G通信系统中，通过协议数据单元(Protocol Data Unit，PDU)会话(session)进行用户面传输的，每个PDU session可以包含一个或多个服务质量(Quality of Service，QoS)流(flow)，每个QoS flow可以为用户提供一种服务质量的保证。用户在使用PDU session 进行数据传输前，需要通过控制信令进行PDU session建立过程来建立PDU session，通过PDU session修改过程来增加或删除QoS flow，通过PDU session释放过程删除PDU session。

请参照图1c，PDU session建立过程主要包括以下步骤：

步骤1.当用户设备(User Equipment，UE)需要建立PDU session时，UE向AMF发送非接入层(Non-access stratum，NAS)消息，在该消息中包含待建立的PDU session对应的参数，例如：

数据网名称(Data Network Name，DNN)，用于指示该PDU session接入的数据网络(Data Network，DN)；

单个网络切片选择辅助信息(Single Network Slice Selection Assistance information，S-NSSAI)，用于指示该PDU session对应的网络切片；

请求类型(Request Type)，用于指示该PDU session建立过程是初始请求(Initial request)，或者紧急PDU会话(emergency PDU session)。

在NAS消息中，包含N1会话管理(Session Management，SM)容器(container)，在N1 SM container中，包含PDU session建立请求(establishment request)。在PDU session establishment request中，包含如下信息：

PDU session类型(Type)，如IPv4，IPv6，IPv4v6；

会话和业务连续性(Session and Service Continuity，SSC)模式(mode)等。

步骤2.AMF根据UE在NAS消息中提供的信息，例如DNN、S-NASAI、Request Type等信息选择会话管理功能(Session Management Function，SMF)，并向SMF发送Nsmf_PDUSession_CreateSMContext Request，在该请求中包含AMF身份标识(Identity document，ID)、UE位置信息、接入类型(Access type)、无线电接入技术(Radio Access Technology，RAT)type、UE携带的DNN、S-NASAI、Request Type、N1 SM container等内容。

SMF向AMF发送Nsmf_PDUSession_CreateSMContext Response，用于通知AMF其是否接受该请求。若不接受，则后续步骤可省略。

步骤3.SMF向PCF发送Npcf_SMPolicyControl_Create请求，用于建立SM策略关联(Policy Association)，并从PCF获取PDU session的建立策略(Policy)。在该请求中包含DNN、S-NSSAI、RAT Type、PDU Session Type、Request Type、Access Type、UE位置信息等信息。

步骤4.PCF向SMF发送Npcf_SMPolicyControl_Create response，在该消息中包含建立PDU session的策略信息，例如可使用的session参数和QoS参数等。

步骤5.SMF选择用户面功能(User Plane Function，UPF)，并向该UPF发起N4 Session建立(establishment)流程，用于建立SMF与UPF间的N4session，以便控制UPF与基站建立用于为用户传输就的数据传输通道。

UPF向SMF回复响应消息。

步骤6.SMF向AMF发送Namf_Communication_N1N2MessageTransfer消息，在该消息中包含N1 SM container，在N1 SM container中包含PDU Session Establishment接受(Accept)消息。

AMF向SMF发送响应消息。

步骤7.AMF通过NAS消息向UE发送N1 SM container，在N1 SM container中包含PDU Session Establishment Accept消息。

下面结合附图，通过一些实施例及其应用场景对本申请实施例提供的传输方法进行详细地说明。

请参照图2，图2是本申请实施例提供的一种传输方法的流程图之一，该方法应用于终端。如图2所示，所述方法包括以下步骤：

步骤201、终端向AF发送第一请求消息，所述第一请求消息用于请求传输ML模型。

需要说明地，在一些场景下，所述ML模型也可以是AI模型，本申请实施例对此不做具体限定。

可选地，所述第一请求消息包括以下至少一项：

所述终端的ML模型相关能力信息；

所述ML模型的模型标识信息；该模型标识用于在一定范围内唯一地标识所请求的模型实例，也即标识所请求的模型具体是哪个；

所述ML模型的模型功能类型信息；

所述ML模型的要求信息；

第一指示信息，所述第一指示信息用于指示所述ML模型需要利用用户面会话进行传输；

所述终端的因特网协议(Internet Protocol，IP)地址信息。

需要说明地，所述模型标识(ID)用于在一定范围内(如公共陆地移动网络(Public Land Mobile Network，PLMN)内)唯一地标识所请求的模型实例，也即标识所请求的模型具体是哪个；所述模型功能类型信息用于表征所述ML模型的功能或用途，例如可以是包括模型类型(model type)、数据分析任务类型(analytics ID)、模型功能标识(model functionality ID)等。

可选地，所述终端的IP地址信息包括用于传输所述ML模型的用户面会话对应的所述终端的IP地址信息。其中，所述用户面会话可以是PDU会话，所述PDU会话可以是已有的PDU会话，或者是新建的PDU会话。

可选地，所述终端的ML模型相关能力信息包括以下至少一项：

所述终端支持的模型标识信息，例如UE supported model ID，该model ID用于在一定范围内唯一地标识模型实例；

所述终端支持的模型功能类型信息，例如UE supported model type、UE supported analytics ID或model functionality ID，用于表征所支持模型的功能或用途；

用于指示所述终端支持模型下载和/或上传的第二指示信息，例如终端是否支持模型下载和/或上传的能力，进一步地，该能力指示信息还可以基于模型标识(model ID)的不同而不同，或者是基于模型类型(model type)的不同而不同；

所述终端通过用户面传输模型的能力信息，例如终端是否支持通过用户面会话来上传和/或下载ML模型，进一步地，该能力信息还可以基于model ID的不同而不同，或者是基于model type的不同而不同；

所述终端的模型存储空间信息，例如，终端中初始或剩余的可存储模型的存储空间大小。

可选地，所述ML模型的要求信息包括以下至少一项：

模型的传输时延要求信息，用于指示对端反馈模型的截止时间、最大时延等信息；

模型的大小要求信息，用于指示对端反馈的模型对存储空间的要求信息；

可共享指示信息，用于指示模型需支持在不同厂商或不同功能设备之间共享；

用于限定模型提供者身份的身份限定信息，例如用于限定产生模型的厂商为某个或某些特定厂商，或限定模型提供者为某个或某些特定的设备；

模型表述方式限定信息，例如用于限定模型用某些特定的语言或基于某些特定AI框架(framework)来表述，如常用的模型语言有开放神经网络交换(Open Neural Network Exchange，ONNX)、PyTorch神经网络交换(PyTorch Neural Network Exchange，PNNX)等，AI framework可以是TensorFlow、Pytorch等；

模型性能要求信息，用于指示终端对模型的准确度的最低和/或最高要求；其中模型的准确度可以用模型预测结果的平均绝对误差(Mean Absolute Error，MAE)、最小均方误差(Minimum Mean Squared Error，MMSE)或其他形式表示。

模型使用范围限定信息，用于指示模型的有效区域、适用DNN、适用切片、有效时间等范围信息。

步骤202、所述终端接收所述AF发送的第一响应消息，所述第一响应消息包括所述第一请求消息所请求传输的ML模型对应的用户面功能的信息。

其中，所述用户面功能支持利用用户面会话传输所述ML模型的功能。

本申请实施例中，所述用户面功能的信息包括以下至少一项：

所述用户面功能的全量域名(Fully Qualified Domain Name，FDQN)；

所述用户面功能的地址信息，例如IP地址、媒体接入控制(Medium Access Control，MAC)地址等；

用于指示所述用户面功能存储模型文件位置的统一资源定位符(Uniform Resource Locator，URL)，例如用于指示用户面功能存储模型文件的位置；

用于指示传输所述ML模型的用户面会话对应的DNN；

用于指示传输所述ML模型的用户面会话对应的S-NSSAI；

用于指示传输所述ML模型的用户面会话对应的RAT类型；

用于指示传输所述ML模型的用户面会话对应的接入类型(Access Type)；

用户面隧道相关的安全信息，例如包括安全证书等。

本申请实施例中，终端通过向AF发送请求传输ML模型的第一请求消息，并接收AF响应于所述第一请求消息发送的第一响应消息，该第一响应消息中包括所述第一请求消息所请求传输的ML模型对应的用户面功能的信息，进而终端能够利用AF获得网络侧对于ML模型的传输地址信息或存储位置信息，从而基于用户面会话从用户面功能动态地下载和/或所述用户面功能上传ML模型，进而也就明确了终端与网络侧之间ML模型的传输方式。

可选地，所述第一响应消息还包括第三指示信息，所述第三指示信息用于指示需要利用用户面会话传输所述ML模型，也即传输所述第一请求消息中所请求的ML模型。其中，所述用户面会话可以是PDU会话。进而，所述终端也就能够基于所述第三指示信息获知需要利用用户面会话传输所述ML模型，从而也就明确了终端与网络侧之间传输ML模型的方式。

可选地，所述方法还包括：

所述终端确定用于传输所述ML模型的所述用户面会话。

需要说明地，终端可以是在向AF发送第一请求消息之前，确定用于传输ML模型的用户面会话，或者，终端可以是在接收到AF发送的第一响应消息之后，确定用户传输ML模型的用户面会话。其中，所述用户面会话可以是PDU会话，该PDU会话可以是选择已有数据业务对应的PDU会话，或者是为传输ML模型而新建的PDU会话。

另外，终端在确定用于传输所述ML模型的用户面会话之前，可以先确定自身支持用户面传输的能力，进而以确保能够基于用户面会话进行ML传输。

本申请实施例中，所述方法还包括：

所述终端利用用户面会话，与所述用户面功能的信息所对应的用户面功能传输所述ML模型。

需要说明地，终端可以是在确定用于传输所述ML模型的用户面会话后，利用所述用户面会话，与所述用户面功能的信息所对应的用户面功能传输所述ML模型。

或者，终端也可以是在接收到AF发送的第一响应消息后，根据所述第一响应消息中包括的传输ML模型对应的用户面功能的信息，也就能够确定所对应的用户面功能，进而终端利用用户面会话，例如利用已有的PDU会话，或者是新建一个PDU会话，与所述用户面功能的信息所对应的用户面功能传输所述ML模型。

这样，终端也就能够基于用户面会话，实现与用户面功能之间传输所述ML模型，从而也就明确了终端与网络侧之间ML模型的传输方式。

可选地，传输所述ML模型，包括如下至少一项：

所述终端向所述用户面功能上传所述ML模型的信息。

所述终端从所述用户面功能下载所述ML模型的信息。

例如，在一些场景下，所述ML模型的部分功能是在终端侧进行训练的，则所述终端能够将这部分训练的ML模型上传至用户面功能，进而网络侧能够基于终端上传的训练的ML模型部分与自身侧的模型部分结合或继续训练，以得到完整的ML模型，则终端进一步可以从网络侧(用户面功能)下载完整的ML模型的信息。或者，在另一些场景下，所述ML模型是在网络侧完成训练的，这种情况下终端从用户面功能下载所述ML模型的信息。

可选地，所述ML模型的信息包括以下至少一项：

所述ML模型的模型结构信息；

所述ML模型的模型参数信息；

所述ML模型的模型标识信息；

所述ML模型的模型功能类型信息；

所述ML模型的要求信息。

也就是说，所述终端能够基于用户面会话，与所述用户面功能之间传输上述ML模型的信息，例如终端向用户面功能上传所述ML模型的模型结构信息、模型参数信息等，或者也可以是终端从用户面功能下载所述ML模型的模型结构信息、模型标识信息、模型功能类型信息等，此处不做具体赘述。

需要说明地，所述ML模型的要求信息的具体内容可参照前述描述，此处不再赘述。

本申请实施例中，所述方法还包括：

所述终端在所述用户面会话的基础上，建立与所述用户面功能之间的安全隧道。

示例性地，所述安全隧道可以是加密的传输通道，进而终端能够基于所述加密的传输通道与用户面功能之间传输所述ML模型，进而以保证所述ML模型传输的安全性。

可选地，所述终端利用用户面会话，与所述用户面功能的信息所对应的用户面功能传输所述ML模型，包括：

所述终端利用所述安全隧道与所述用户面功能传输所述ML模型。

可以理解地，在终端基于用户面会话，建立与所述用户面功能之间的安全隧道的情况下，则所述终端利用所述安全隧道与所述用户面功能之间传输所述ML模型，进而也就能够有效确保所述ML模型传输的安全性。

本申请实施例中，所述终端利用用户面会话或者隧道与所述用户面功能传输所述ML模型，包括：

所述终端根据所述用户面功能的信息，确定传输所述ML模型对应的对端目的地址；

所述终端利用所述用户面会话或者隧道与所述对端目的地址之间进行模型传输。

进一步可选地，所述终端根据所述用户面功能的信息，确定传输所述ML模型对应的对端目的地址，包括以下至少一项：

所述终端根据所述用户面功能的全量域名(Fully qualified domain name，FQDN)，确定所述用户面功能的地址，所述终端将所述用户面功能的地址作为所述对端目的地址；

所述终端将所述用户面功能的地址作为所述对端目的地址；

所述终端根据所述用户面功能存储所述ML模型的统一资源定位符URL，确定所述对端目的地址。

也就是说，终端可以是直接将用户面功能的地址作为传输所述ML模型的对端目的地址，或者，终端也可以是基于用户面功能的FQDN确定用户面功能的地址后，将所述用户面功能的地址作为对端目的地址；或者，终端根据用户面功能存储所述ML模型的URL来确定对端目的地址。这样，也就使得终端能够通过不同方式、灵活地来确定传输ML模型的对端目的地址。

请参照图3，图3是本申请实施例提供的一种传输方法的流程图之二，该方法应用于AF。如图3所示，所述方法包括以下步骤：

步骤301、AF接收终端发送的第一请求消息，所述第一请求消息用于请求传输ML模型。

可选地，所述第一请求消息包括以下至少一项：

所述终端的ML模型相关能力信息；

所述ML模型的模型标识信息；

所述ML模型的模型功能类型信息；

所述ML模型的要求信息；

所述终端的IP地址信息。

其中，所述终端的IP地址信息包括用于传输所述ML模型的用户面会话对应的所述终端的IP地址信息。

所述终端支持的模型标识信息；

所述终端支持的模型功能类型信息；

用于指示所述终端支持模型下载和/或上传的第二指示信息；

所述终端通过用户面传输模型的能力信息；

所述终端的模型存储空间信息。

可选地，所述ML模型的要求信息包括以下至少一项：

模型的传输时延要求信息；

模型的大小要求信息；

用于指示模型需支持共享的可共享指示信息；

用于限定模型提供者身份的身份限定信息；

模型表述方式限定信息；

模型性能要求信息；

模型使用范围限定信息。

需要说明地，本申请实施例中涉及的相关概念可以是参照上述实施例中的描述，为避免重复，此处不再赘述。

步骤302、所述AF向所述终端发送第一响应消息，所述第一响应消息包括所述第一请求消息所请求传输的ML模型对应的用户面功能的信息。

可选地，所述AF在接收到终端发送的第一请求消息后，可以是直接向终端发送所述第一响应消息，其中包括第一请求消息所请求传输的ML模型对应的用户面功能的信息。

或者，AF在接收到所述终端发送的第一请求信息后，所述AF向网络侧发送第二请求信息，该第二请求信息用于请求获取所述用户面功能的信息，所述用户面功能用于与所述终端之间利用用户面会话传输ML模型。

其中，AF向网络侧发送第二请求信息，可以包括以下至少一种方式：

所述AF向网络开放功能(Network Exposure Function，NEF)发送所述第二请求消息，并从NEF获取传输ML模型对应的用户面功能的信息；

所述AF向网络中的模型应用平台发送所述第二请求消息，并从所述模型应用平台获取传输ML模型对应的用户面功能的信息。

进一步地，AF在从NEF或模型应用平台获取到所述用户面功能的信息后，所述AF向所述终端发送第一响应消息，所述第一响应消息中包括传输ML模型对应的用户面功能的信息。

需要说明地，模型应用平台可以包括模型数据库网元(如分析数据存储功能网元(Analytics Data Repository Function，ADRF))、模型训练逻辑功能网元(Model Training Logical Function，MTLF)、网络数据分析功能网元(Network Data Analytics Function，NWDAF)等形式。

此处，用户面功能是指存储模型或者可以提供模型实例的网元或功能模块，在实际部署中，该用户面功能可以是独立部署的一个数据库网元(如ADRF，或者模型应用平台，模型商店model store等)，MTLF或者其他设备产生的模型可以存储在该数据库网元中。或者，另一种部署方式中，该用户面功能可以是与模型训练功能(MTLF)合设或者外挂的一个功能模块。本申请实施例中，所述用户面功能的信息包括以下至少一项：

所述用户面功能的FDQN；

所述用户面功能的地址信息；

用于指示所述用户面功能存储模型文件位置的URL；

用于指示传输所述ML模型的用户面会话对应的DNN；

用于指示传输所述ML模型的用户面会话对应的S-NSSAI；

用于指示传输所述ML模型的用户面会话对应的RAT类型；

用于指示传输所述ML模型的用户面会话对应的接入类型；

用户面隧道相关的安全信息。

本申请实施例中，AF接收终端发送的用于请求传输ML模型的第一请求消息后，向所述终端发送第一响应消息，该第一响应消息包括所述第一请求消息所请求传输的ML模型对应的用户面功能的信息，进而终端能够利用AF获得网络侧对于ML模型的传输地址信息或存储位置信息，从而基于用户面会话从用户面功能动态地下载和/或向所述用户面功能上传ML模型，进而也就明确了终端与网络侧之间ML模型的传输方式。

可选地，所述方法还包括：

所述AF向网络侧发送第二请求消息，所述第二请求消息用于请求获取所述用户面功能的信息，所述用户面功能用于与所述终端之间利用用户面会话传输所述ML模型。

例如，所述AF在接收到终端发送的第一请求消息后，则向网络侧发送第二请求消息，以请求获取用于与所述终端之间利用用户面会话传输所述ML模型的用户面功能的信息，进而以从网络侧获取所述用户面功能的信息。

可选地，所述AF向网络侧发送第二请求消息，包括以下任意一项：

所述AF向网络开放功能(Network Exposure Function，NEF)发送所述第二请求消息；

所述AF向模型应用平台发送所述第二请求消息。

也就是说，所述AF可以是向NEF或模型应用平台请求获取所述用户面功能的信息。

进一步地，所述方法还包括以下任意一项：

在所述AF向所述NEF发送所述第二请求消息的情况下，所述AF接收所述NEF发送的所述用户面功能的信息；

在所述AF向所述模型应用平台发送所述第二请求消息的情况下，所述AF接收所述预设模型应用平台发送的所述用户面功能的信息。

需要说明地，所述AF在从NEF或模型应用平台获取到所述用户面功能的信息后，则所述AF可以是向所述终端发送第一响应消息，所述第一响应消息中包括所述用户面功能的信息。

可选地，所述方法还包括：所述AF接收所述NEF或所述模型应用平台发送的第四指示信息，所述第四指示信息用于指示需要利用用户面会话传输所述ML模型。

例如，所述AF向所述NEF发送所述第二请求消息，以请求获取用于与所述终端之间利用用户面会话传输所述ML模型的用户面功能的信息，所述NEF向所述AF发送所述用户面功能的信息，并还可以向所述AF发送第四指示信息，以指示需要利用用户面会话传输所述ML模型，进而也就通过网络侧来指示所述终端与网络侧之间需要通过用户面会话来实现ML模型的传输，从而以明确了终端与网络侧之间关于ML模型的传输方式。

可以理解地，若所述第二请求消息为所述AF向模型应用平台发送，则模型应用平台在向所述AF发送所述用户面功能的信息的情况下，还可以向所述AF发送所述第四指示信息，进而以明确终端与网络侧之间需要通过用户面会话来实现ML模型的传输。

可选地，所述模型应用平台包括以下至少一项：模型数据库网元(如如分析数据存储功能网元(Analytics Data Repository Function，ADRF))、模型训练逻辑功能网元(Model Training Logical Function，MTLF)、网络数据分析功能网元(Network Data Analytics Function，NWDAF)。

可选地，所述第二请求消息包括以下至少一项：

所述终端的ML模型相关能力信息；

所述ML模型的模型标识信息；

所述ML模型的模型功能类型信息；

所述ML模型的要求信息；

第五指示信息，所述第五指示信息用于指示所述ML模型需要利用用户面会话进行传输；

所述终端的IP地址信息。

需要说明地，所述第二请求消息所包括的消息内容可以是与上述第一请求消息所包括的消息内容相同。例如，所述AF在接收到所述终端发送的第一请求消息后，根据所述第一请求消息所包括的消息内容生成第二请求消息，该第二请求消息同样包括所述第一请求消息的消息内容，进而以使得AF向网络侧请求获取所述用户面功能的信息。

或者，在一些场景下，所述AF在接收到所述终端发送的第一请求消息后，也可以是将所述第一请求消息转发给网络侧，以向网络侧请求获取所述用户面功能的信息。

本申请实施例中，传输所述ML模型，包括如下至少一项：

所述终端向所述用户面功能上传所述ML模型的信息。

所述终端从所述用户面功能下载所述ML模型的信息。

其中，所述ML模型的信息包括以下至少一项：

所述ML模型的模型结构信息；

所述ML模型的模型参数信息；

所述ML模型的模型标识信息；

所述ML模型的模型功能类型信息；

所述ML模型的要求信息。

例如，终端向用户面功能上传所述ML模型的模型结构信息、模型参数信息等，或者也可以是终端从用户面功能下载所述ML模型的模型结构信息、模型标识信息、模型功能类型信息等，此处不做具体赘述。

需要说明地，本申请实施例中涉及的相关概念可以是参照上述应用于终端的传输方法实施例中的描述，为避免重复，此处不再赘述。

请参照图4，图4是本申请实施例提供的一种传输方法的流程图之三，该方法应用于模型应用平台。如图4所示，所述方法包括以下步骤：

步骤401、模型应用平台接收AF发送的第二请求消息，所述第二请求消息用于请求获取用户面功能的信息，所述用户面功能用于与所述终端之间利用用户面会话传输ML模型。

其中，模型应用平台接收AF发送的第二请求消息包括以下任意一种方式：

模型应用平台直接接收AF发送的第二请求消息；

模型应用平台接收NEF转发的来自AF的第二请求消息。

可选地，所述第二请求消息包括以下至少一项：

所述终端的ML模型相关能力信息；

所述ML模型的模型标识信息；

所述ML模型的模型功能类型信息；

所述ML模型的要求信息；

所述终端的IP地址信息。

需要说明地，所述第二请求消息所包括的消息内容可以是与上述实施例中第一请求消息所包括的消息内容相同。

步骤402、所述模型应用平台向所述AF发送所述用户面功能的信息。

其中，模型应用平台向所述AF发送所述用户面功能的信息，包括以下任意一种方式：

模型应用平台直接向所述AF发送所述用户面功能的信息；

模型应用平台经过NEF向所述AF发送所述用户面功能的信息。

可选地，所述用户面功能的信息包括以下至少一项：

所述用户面功能的FDQN；

所述用户面功能的地址信息；

用于指示所述用户面功能存储模型文件位置的URL；

用于指示传输所述ML模型的用户面会话对应的DNN；

用于指示传输所述ML模型的用户面会话对应的S-NSSAI；

用于指示传输所述ML模型的用户面会话对应的RAT类型；

用于指示传输所述ML模型的用户面会话对应的接入类型；

用户面隧道相关的安全信息。

本申请实施例中，模型应用平台在接收到AF发送的用于请求获取用户面功能的信息的第二请求消息的情况下，所述模型应用平台响应该第二请求消息，向所述AF发送所述用户面功能的信息，所述用户面功能用于与所述终端之间利用用户面会话传输ML模型，进而终端能够利用AF获得网络侧对于ML模型的传输地址信息或存储位置信息，从而基于用户面会话从用户面功能动态地下载和/或向所述用户面功能上传ML模型，进而也就明确了终端与网络侧之间ML模型的传输方式。

可选地，所述方法还包括：

所述模型应用平台向所述AF发送第四指示信息，所述第四指示信息用于指示需要利用用户面会话传输所述ML模型。

例如，所述模型应用平台可以是在向所述AF发送所述用户面功能的信息之前，向所述AF发送第四指示信息，也就使得所述AF能够获知需要利用用户面会话来传输ML模型，进而也就通过网络侧来指示所述终端与网络侧之间需要通过用户面会话来实现ML模型的传输，从而以明确了终端与网络侧之间关于ML模型的传输方式。

可选地，所述模型应用平台也可以是在向所述AF发送所述用户面功能的信息之后，向所述AF发送第四指示信息。

本申请实施例中，所述方法还包括：

所述模型应用平台确定所述用户面功能的信息。

可以理解地，所述模型应用平台可以是直接确定所述用户面功能的信息，例如所述用户面功能的FDQN、所述用户面功能的地址、所述用户面功能存储ML模型的URL位置信息等，然后向所述AF发送所述用户面功能的信息。这样，也就能够通过网络侧来确定所述用户面功能的信息，进而以明确终端与用户面功能之间实现ML模型的传输。

可选地，所述模型应用平台确定所述用户面功能的信息，包括：

所述模型应用平台在确定使用用户面会话传输所述ML模型的情况下，确定所述用户面功能的信息。

示例性地，所述模型应用平台在接收到AF发送的所述第二请求消息的情况下，若所述模型应用平台确定使用用户面会话(例如PDU会话)来传输ML模型，则所述模型应用平台确定所述用户面功能的信息，并向所述AF发送所述用户面功能的信息。这样，也就通过网络侧来确定所述终端与网络侧之间需要通过用户面会话来实现ML模型的传输，从而以明确了终端与网络侧之间关于ML模型的传输方式。

可选地，所述方法还可以包括：

所述模型应用平台根据所述第二请求消息确定所述用户面功能的信息。

示例性地，所述模型应用平台可以是在接收到AF发送的用于请求获取用户面功能的信息的第二请求消息的情况下，确定所述用户面功能的信息，例如所述用户面功能FQDN、所述用户面功能的地址信息、用于指示所述用户面功能存储模型文件位置的URL等，然后向所述AF发送所述用户面功能的信息。这样，模型应用平台也就能够基于所述第二请求消息来确定所述用户面功能的信息，进而以明确终端与用户面功能之间实现ML模型的传输方式。

可选地，所述模型应用平台根据所述第二请求消息确定所述用户面功能的信息，包括：

所述模型应用平台向网络存储功能发送用于确定所述ML模型对应的所述用户面功能的发现消息，所述发现消息包括如下至少一项：所述ML模型的标识信息、所述ML模型的功能信息、所述ML模型的类型信息、用户面传输模型的指示信息；

所述模型应用平台接收所述网络存储功能发送的所述用户面功能的信息。

示例性地，所述模型应用平台可以是在接收到AF发送的用于请求获取用户面功能的信息的第二请求消息的情况下，向网络存储功能发送所述发现消息，例如所述发现消息中包括所述ML模型的标识信息、所述ML模型的功能信息，进而以使得所述网络存储功能基于所述发现消息也就能够确定需要传输的ML模型是哪一个、是什么功能类型的模型，并基于所述发现消息来确定用户面功能的信息，例如所述用户面功能的信息包括基于所述ML模型的标识信息、所述ML模型的功能信息确定的用于传输所述ML模型的用户面会话对应的DNN、S-NSSAI等，并将所述用户面功能的信息发送给所述模型应用平台，进一步模型应用平台能够将所述用户面功能的信息发送给AF，进而以使得AF能够明确用于传输所述ML模型的用户面会话对应的DNN、S-NSSAI等，以明确终端与网络侧之间传输所述ML模型的用户面会话，从而确保所述终端与网络侧之间ML模型传输的顺畅。

所述模型应用平台向模型存储网元发送第三请求消息，所述第三请求消息用于请求所述模型存储网元反馈所述ML模型对应的用户面功能的信息；

所述模型应用平台接收所述模型存储网元发送的所述ML模型对应的用户面功能的信息，所述用户面功能的信息包括所述模型存储网元存储所述ML模型的URL。

示例性地，所述模型应用平台可以是在接收到AF发送的用于请求获取用户面功能的信息的第二请求消息的情况下，所述模型应用平台向模型存储网元发送用于请求所述模型存储网元反馈所述ML模型对应的用户面功能的信息的第三请求消息，其中，模型应用平台可以根据预设的模型存储网元的信息确定模型存储网元，或者，模型应用平台也可以根据历史ML模型存储记录确定模型存储网元。若所述模型存储网元为所述用户面功能，则所述模型存储网元向所述模型应用平台发送其存储的所述ML模型的URL，进一步地所述模型应用平台将所述ML模型的URL发送给AF，进而以使得AF能够明确所述模型存储网元存储所述ML模型的位置，以确保所述终端和网络侧之间ML模型传输的顺畅。

请参照图5，图5是本申请实施例提供的一种传输方法的流程图之四，如图5所示，所述方法包括以下步骤：

步骤0a.UE选择已有PDU会话；

步骤0b.UE新建PDU会话；其中，步骤0a和步骤0b可以是二选一进行；

步骤0y.AF向模型应用平台(model store，如ADRF)发送模型存储请求，该请求中包括模型信息；模型应用平台向AF反馈模型存储地址；

上述步骤0a～0y为可选步骤；

步骤1.UE向AF发送模型请求(也即上述第一请求消息)，该请求中包括模型ID、模型功能ID、UE的模型相关能力信息等；

可选地，步骤2a.AF向模型应用平台发送模型获取请求，该请求中包括终端IP地址；

可选地，步骤2b.模型应用平台向AF反馈模型获取响应，该响应中包括模型对应的用户面功能的信息；

步骤3.AF向终端发送模型响应消息(也即上述第一响应消息)，该消息中包括模型对应的用户面功能的信息；

可选地，步骤4a.UE选择已有PDU会话；或者，步骤4b.UE新建PDU会话；其中，步骤4a或4b与上述步骤0a或0b可以是选其一进行；

可选地，步骤5.建立与所述用户面功能之间的安全通道；

步骤6.基于终端IP地址，用户面功能向UE交互模型相关信息，包括模型ID、模型信息等，如模型结构信息和/或模型参数信息；

步骤7.基于用户面功能的信息，UE通过PDU会话向用户面功能交互模型相关信息，包括模型ID、模型信息等，如模型结构信息和/或模型参数信息。

需要说明地，本申请实施例中的传输方法具体实现流程及相关概念可具体参照上述实施例中的描述，此处不再赘述。

本申请实施例提供的传输方法，执行主体可以为传输装置。本申请实施例中以传输装置执行传输方法为例，说明本申请实施例提供的传输装置。

请参照图6，图6是本申请实施例提供的一种传输装置的结构图之一，如图6所示，所述传输装置600包括：

第一发送模块601，用于向应用功能AF发送第一请求消息，所述第一请求消息用于请求传输机器学习ML模型；

第一接收模块602，用于接收所述AF发送的第一响应消息，所述第一响应消息包括所述第一请求消息所请求传输的ML模型对应的用户面功能的信息。

可选地，所述装置还包括：

第一传输模块，用于利用用户面会话，与所述用户面功能的信息所对应的用户面功能传输所述ML模型。

可选地，传输所述ML模型，包括如下至少一项：

向所述用户面功能上传所述ML模型的信息。

从所述用户面功能下载所述ML模型的信息。

可选地，所述ML模型的信息包括以下至少一项：

所述ML模型的模型结构信息；

所述ML模型的模型参数信息；

所述ML模型的模型标识信息；

所述ML模型的模型功能类型信息；

所述ML模型的要求信息。

可选地，所述装置还包括：

第一确定模块，用于确定用于传输所述ML模型的所述用户面会话。

可选地，所述第一请求消息包括以下至少一项：

所述装置的ML模型相关能力信息；

所述ML模型的模型标识信息；

所述ML模型的模型功能类型信息；

所述ML模型的要求信息；

所述装置的IP地址信息。

可选地，所述装置的IP地址信息包括用于传输所述ML模型的用户面会话对应的所述装置的IP地址信息。

可选地，所述装置的ML模型相关能力信息包括以下至少一项：

所述装置支持的模型标识信息；

所述装置支持的模型功能类型信息；

用于指示所述装置支持模型下载和/或上传的第二指示信息；

所述装置通过用户面传输模型的能力信息；

所述装置的模型存储空间信息。

可选地，所述ML模型的要求信息包括以下至少一项：

模型的传输时延要求信息；

模型的大小要求信息；

用于指示模型需支持共享的可共享指示信息；

用于限定模型提供者身份的身份限定信息；

模型表述方式限定信息；

模型性能要求信息；

模型使用范围限定信息。

可选地，所述装置还包括：

建立模块，用于在所述用户面会话的基础上，建立与所述用户面功能之间的安全隧道。

可选地，所述第一传输模块还用于：

利用所述安全隧道与所述用户面功能传输所述ML模型。

可选地，所述第一响应消息还包括第三指示信息，所述第三指示信息用于指示需要利用用户面会话传输所述ML模型。

可选地，所述用户面功能的信息包括以下至少一项：

所述用户面功能的全量域名FDQN；

所述用户面功能的地址信息；

用于指示所述用户面功能存储模型文件位置的统一资源定位符URL；

用于指示传输所述ML模型的用户面会话对应的数据网络名DNN；

用于指示传输所述ML模型的用户面会话对应的单一网络切片选择辅助信息S-NSSAI；

用于指示传输所述ML模型的用户面会话对应的无线接入技术RAT类型；

用于指示传输所述ML模型的用户面会话对应的接入类型；

用户面隧道相关的安全信息。

本申请实施例中，所述装置通过向AF发送请求传输ML模型的第一请求消息，并接收AF响应于所述第一请求消息发送的第一响应消息，该第一响应消息中包括所述第一请求消息所请求传输的ML模型对应的用户面功能的信息，进而所述装置能够利用AF获得网络侧对于ML模型的传输地址信息或存储位置信息，从而基于用户面会话从用户面功能动态地下载和/或所述用户面功能上传ML模型，进而也就明确了与网络侧之间ML模型的传输方式。

本申请实施例中的传输装置600可以是电子设备，例如具有操作系统的电子设备，也可以是电子设备中的部件，例如集成电路或芯片。该电子设备可以是终端，也可以为除终端之外的其他设备。示例性的，终端可以包括但不限于上述所列举的终端11的类型，其他设备可以为服务器、网络附属存储器(Network Attached Storage，NAS)等，本申请实施例不作具体限定。

本申请实施例提供的传输装置600能够实现图2所述方法实施例实现的各个过程，并达到相同的技术效果，为避免重复，这里不再赘述。

请参照图7，图7是本申请实施例提供的一种传输装置的结构图之二，如图7所示，所述传输装置700包括：

第二接收模块701，用于接收终端发送的第一请求消息，所述第一请求消息用于请求传输ML模型；

第二发送模块702，用于向所述终端发送第一响应消息，所述第一响应消息包括所述第一请求消息所请求传输的ML模型对应的用户面功能的信息。

可选地，所述第二发送模块702还用于：

向网络侧发送第二请求消息，所述第二请求消息用于请求获取所述用户面功能的信息，所述用户面功能用于与所述终端之间利用用户面会话传输所述ML模型。

可选地，传输所述ML模型，包括如下至少一项：

向所述用户面功能上传所述ML模型的信息。

从所述用户面功能下载所述ML模型的信息。

可选地，所述第二发送模块702还用于执行以下任意一项：

向网络开放功能NEF发送所述第二请求消息；

向模型应用平台发送所述第二请求消息。

可选地，所述第二接收模块701还用于执行以下任意一项：

在所述装置向所述NEF发送所述第二请求消息的情况下，接收所述NEF发送的所述用户面功能的信息；

在所述装置向所述模型应用平台发送所述第二请求消息的情况下，接收所述预设模型应用平台发送的所述用户面功能的信息。

可选地，所述第二接收模块701还用于：

接收所述NEF或所述模型应用平台发送的第四指示信息，所述第四指示信息用于指示需要利用用户面会话传输所述ML模型。

可选地，所述模型应用平台包括以下至少一项：模型数据库网元、模型训练逻辑功能网元和网络数据分析功能网元。

可选地，所述第二请求消息包括以下至少一项：

所述终端的ML模型相关能力信息；

所述ML模型的模型标识信息；

所述ML模型的模型功能类型信息；

所述ML模型的要求信息；

所述终端的IP地址信息。

可选地，所述用户面功能的信息包括以下至少一项：

所述用户面功能的FDQN；

所述用户面功能的地址信息；

用于指示所述用户面功能存储模型文件位置的URL；

用于指示传输所述ML模型的用户面会话对应的DNN；

用于指示传输所述ML模型的用户面会话对应的S-NSSAI；

用于指示传输所述ML模型的用户面会话对应的RAT类型；

用于指示传输所述ML模型的用户面会话对应的接入类型；

用户面隧道相关的安全信息。

本申请实施例中，所述装置接收终端发送的用于请求传输ML模型的第一请求消息后，向所述终端发送第一响应消息，该第一响应消息包括所述第一请求消息所请求传输的ML模型对应的用户面功能的信息，进而终端能够获得网络侧对于ML模型的传输地址信息或存储位置信息，从而基于用户面会话从用户面功能动态地下载和/或向所述用户面功能上传ML模型，进而也就明确了终端与网络侧之间ML模型的传输方式。

本申请实施例提供的传输装置700能够实现图3所述方法实施例实现的各个过程，并达到相同的技术效果，为避免重复，这里不再赘述。

请参照图8，图8是本申请实施例提供的一种传输装置的结构图之三，如图8所示，所述传输装置800包括：

第三接收模块801，用于接收AF发送的第二请求消息，所述第二请求消息用于请求获取用户面功能的信息，所述用户面功能用于与终端之间利用用户面会话传输ML模型；

第三发送模块802，用于向所述AF发送所述用户面功能的信息。

可选地，所述第二请求消息包括以下至少一项：

所述终端的ML模型相关能力信息；

所述ML模型的模型标识信息；

所述ML模型的模型功能类型信息；

所述ML模型的要求信息；

所述终端的IP地址信息。

可选地，所述第三发送模块802还用于：

向所述AF发送第四指示信息，所述第四指示信息用于指示需要利用用户面会话传输所述ML模型。

可选地，所述装置还包括：

第二确定模块，用于确定所述用户面功能的信息。

可选地，所述第二确定模块还用于：

在确定使用用户面会话传输所述ML模型的情况下，确定所述用户面功能的信息。

可选地，所述装置还包括：

第三确定模块，用于根据所述第二请求消息确定所述用户面功能的信息。

可选地，所述第三确定模块还用于：

向网络存储功能发送用于确定所述ML模型对应的所述用户面功能的发现消息，所述发现消息包括如下至少一项：所述ML模型的标识信息、所述ML模型的功能信息、所述ML模型的类型信息、用户面传输模型的指示信息；

接收所述网络存储功能发送的所述用户面功能的信息。

可选地，所述第三确定模块还用于：

向模型存储网元发送第三请求消息，所述第三请求消息用于请求所述模型存储网元反馈所述ML模型对应的用户面功能的信息；

接收所述模型存储网元发送的所述ML模型对应的用户面功能的信息，所述用户面功能的信息包括所述模型存储网元存储所述ML模型的URL。

本申请实施例中，所述装置在接收到AF发送的用于请求获取用户面功能的信息的第二请求消息的情况下，响应该第二请求消息，向所述AF发送所述用户面功能的信息，所述用户面功能用于与所述终端之间利用用户面会话传输ML模型，进而终端能够利用AF获得网络侧对于ML模型的传输地址信息或存储位置信息，从而基于用户面会话从用户面功能动态地下载和/或向所述用户面功能上传ML模型，进而也就明确了终端与网络侧之间ML模型的传输方式

可选的，如图9所示，本申请实施例还提供一种通信设备900，包括处理器901和存储器902，存储器902上存储有可在所述处理器901上运行的程序或指令，例如，该通信设备900为终端时，该程序或指令被处理器901执行时实现上述图2所述传输方法实施例的各个步骤，且能达到相同的技术效果。该通信设备900为网络侧设备时，该程序或指令被处理器901执行时实现上述图3或图4所述传输方法实施例的各个步骤，且能达到相同的技术效果，为避免重复，这里不再赘述。

本申请实施例还提供一种终端，包括处理器和通信接口，所述通信接口用于向应用功能AF发送第一请求消息，所述第一请求消息用于请求传输机器学习ML模型；以及用于接收所述AF发送的第一响应消息，所述第一响应消息包括所述第一请求消息所请求传输的ML模型对应的用户面功能的信息。该终端实施例与上述终端侧方法实施例对应，上述方法实施例的各个实施过程和实现方式均可适用于该终端实施例中，且能达到相同的技术效果。具体地，图10为实现本申请实施例的一种终端的硬件结构示意图。

该终端1000包括但不限于：射频单元1001、网络模块1002、音频输出单元1003、输入单元1004、传感器1005、显示单元1006、用户输入单元1007、接口单元1008、存储器1009以及处理器1010等中的至少部分部件。

本领域技术人员可以理解，终端1000还可以包括给各个部件供电的电源(比如电池)，电源可以通过电源管理系统与处理器1010逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图10中示出的终端结构并不构成对终端的限定，终端可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置，在此不再赘述。

应理解的是，本申请实施例中，输入单元1004可以包括图形处理单元(Graphics Processing Unit，GPU)10041和麦克风10042，图形处理器10041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。显示单元1006可包括显示面板10061，可以采用液晶显示器、有机发光二极管等形式来配置显示面板10061。用户输入单元1007包括触控面板10071以及其他输入设备10072中的至少一种。触控面板10071，也称为触摸屏。触控面板10071可包括触摸检测装置和触摸控制器两个部分。其他输入设备10072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆，在此不再赘述。

本申请实施例中，射频单元1001接收来自网络侧设备的下行数据后，可以传输给处理器1010进行处理；另外，射频单元1001可以向网络侧设备发送上行数据。通常，射频单元1001包括但不限于天线、放大器、收发信机、耦合器、低噪声放大器、双工器等。

存储器1009可用于存储软件程序或指令以及各种数据。存储器1009可主要包括存储程序或指令的第一存储区和存储数据的第二存储区，其中，第一存储区可存储操作系统、至少一个功能所需的应用程序或指令(比如声音播放功能、图像播放功能等)等。此外，存储器1009可以包括易失性存储器或非易失性存储器，或者，存储器1009可以包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory，RAM)，静态随机存取存储器(Static RAM，SRAM)、动态随机存取存储器(Dynamic RAM，DRAM)、同步动态随机存取存储器(Synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data Rate SDRAM，DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(Synch link DRAM，SLDRAM)和直接内存总线随机存取存储器(Direct Rambus RAM，DRRAM)。本申请实施例中的存储器1009包括但不限于这些和任意其它适合类型的存储器。

处理器1010可包括一个或多个处理单元；可选的，处理器1010集成应用处理器和调制解调处理器，其中，应用处理器主要处理涉及操作系统、用户界面和应用程序等的操作，调制解调处理器主要处理无线通信信号，如基带处理器。可以理解的是，上述调制解调处理器也可以不集成到处理器1010中。

其中，射频单元1001，用于向应用功能AF发送第一请求消息，所述第一请求消息用于请求传输机器学习ML模型；以及，

接收所述AF发送的第一响应消息，所述第一响应消息包括所述第一请求消息所请求传输的ML模型对应的用户面功能的信息

具体地，本申请实施例还提供了一种网络侧设备。如图11所示，该网络侧设备1100包括：处理器1101、网络接口1102和存储器1103。其中，网络接口1102例如为通用公共无线接口(common public radio interface，CPRI)。

具体地，本申请实施例的网络侧设备1100还包括：存储在存储器1103上并可在处理器1101上运行的指令或程序，处理器1101调用存储器1103中的指令或程序执行图7或图8所示各模块执行的方法，并达到相同的技术效果，为避免重复，故不在此赘述。

本申请实施例还提供一种可读存储介质，所述可读存储介质上存储有程序或指令，该程序或指令被处理器执行时实现上述图2或图3或图4所述传输方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

其中，所述处理器为上述实施例中所述的终端中的处理器。所述可读存储介质，包括计算机可读存储介质，如计算机只读存储器ROM、随机存取存储器RAM、磁碟或者光盘等。

本申请实施例另提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现上述图2或图3或图4所述传输方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

应理解，本申请实施例提到的芯片还可以称为系统级芯片，系统芯片，芯片系统或片上系统芯片等。

本申请实施例另提供了一种计算机程序/程序产品，所述计算机程序/程序产品被存储在存储介质中，所述计算机程序/程序产品被至少一个处理器执行以实现上述图2或图3或图4所述传输方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

本申请实施例还提供了一种通信系统，包括：终端及网络侧设备，所述终端可用于执行如上图2所述的传输方法的步骤，所述网络侧设备可用于执行如上图3或图4所述的传输方法的步骤。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。

上面结合附图对本申请的实施例进行了描述，但是本申请并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本申请的启示下，在不脱离本申请宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本申请的保护之内。

Claims

一种传输方法，包括：

终端向应用功能AF发送第一请求消息，所述第一请求消息用于请求传输机器学习ML模型；

所述终端接收所述AF发送的第一响应消息，所述第一响应消息包括所述第一请求消息所请求传输的ML模型对应的用户面功能的信息。
根据权利要求1所述的方法，所述方法还包括：

所述终端利用用户面会话，与所述用户面功能的信息所对应的用户面功能传输所述ML模型。
根据权利要求1或2所述的方法，其中，传输所述ML模型，包括如下至少一项：

所述终端向所述用户面功能上传所述ML模型的信息；

所述终端从所述用户面功能下载所述ML模型的信息。
根据权利要求3所述的方法，其中，所述ML模型的信息包括以下至少一项：

所述ML模型的模型结构信息；

所述ML模型的模型参数信息；

所述ML模型的模型标识信息；

所述ML模型的模型功能类型信息；

所述ML模型的要求信息。
根据权利要求2所述的方法，所述方法还包括：

所述终端确定用于传输所述ML模型的所述用户面会话。
根据权利要求1所述的方法，其中，所述第一请求消息包括以下至少一项：

所述终端的ML模型相关能力信息；

所述ML模型的模型标识信息；

所述ML模型的模型功能类型信息；

所述ML模型的要求信息；

第一指示信息，所述第一指示信息用于指示所述ML模型需要利用用户面会话进行传输；

所述终端的因特网协议IP地址信息。
根据权利要求6所述的方法，其中，所述终端的IP地址信息包括用于传输所述ML模型的用户面会话对应的所述终端的IP地址信息。
根据权利要求6所述的方法，其中，所述终端的ML模型相关能力信息包括以下至少一项：

所述终端支持的模型标识信息；

所述终端支持的模型功能类型信息；

用于指示所述终端支持模型下载和/或上传的第二指示信息；

所述终端通过用户面传输模型的能力信息；

所述终端的模型存储空间信息。
根据权利要求6所述的方法，其中，所述ML模型的要求信息包括以下至少一项：

模型的传输时延要求信息；

模型的大小要求信息；

用于指示模型需支持共享的可共享指示信息；

用于限定模型提供者身份的身份限定信息；

模型表述方式限定信息；

模型性能要求信息；

模型使用范围限定信息。
根据权利要求2中任一项所述的方法，所述方法还包括：

所述终端在所述用户面会话的基础上，建立与所述用户面功能之间的安全隧道。
根据权利要求10所述的方法，其中，所述终端利用用户面会话，与所述用户面功能的信息所对应的用户面功能传输所述ML模型，包括：

所述终端利用所述安全隧道与所述用户面功能传输所述ML模型。
根据权利要求1所述的方法，其中，所述第一响应消息还包括第三指示信息，所述第三指示信息用于指示需要利用用户面会话传输所述ML模型。
根据权利要求1或2或5-12中任意一项所述的方法，其中，所述用户面功能的信息包括以下至少一项：

所述用户面功能的全量域名FDQN；

所述用户面功能的地址信息；

用于指示所述用户面功能存储模型文件位置的统一资源定位符URL；

用于指示传输所述ML模型的用户面会话对应的数据网络名DNN；

用于指示传输所述ML模型的用户面会话对应的单一网络切片选择辅助信息S-NSSAI；

用于指示传输所述ML模型的用户面会话对应的无线接入技术RAT类型；

用于指示传输所述ML模型的用户面会话对应的接入类型；

用户面隧道相关的安全信息。
一种传输方法，包括：

AF接收终端发送的第一请求消息，所述第一请求消息用于请求传输ML模型；

所述AF向所述终端发送第一响应消息，所述第一响应消息包括所述第一请求消息所请求传输的ML模型对应的用户面功能的信息。
根据权利要求14所述的方法，所述方法还包括：

所述AF向网络侧发送第二请求消息，所述第二请求消息用于请求获取所述用户面功能的信息，所述用户面功能用于与所述终端之间利用用户面会话传输所述ML模型。
根据权利要求14或15所述的方法，其中，传输所述ML模型，包括如下至少一项：

所述终端向所述用户面功能上传所述ML模型的信息；

所述终端从所述用户面功能下载所述ML模型的信息。
根据权利要求15所述的方法，其中，所述AF向网络侧发送第二请求消息包括以下任意一项：

所述AF向网络开放功能NEF发送所述第二请求消息；

所述AF向模型应用平台发送所述第二请求消息。
根据权利要求17所述的方法，其中，所述方法还包括以下任意一项：

在所述AF向所述NEF发送所述第二请求消息的情况下，所述AF接收所述NEF发送的所述用户面功能的信息；

在所述AF向所述模型应用平台发送所述第二请求消息的情况下，所述AF接收所述模型应用平台发送的所述用户面功能的信息。
根据权利要求17所述的方法，所述方法还包括：

所述AF接收所述NEF或所述模型应用平台发送的第四指示信息，所述第四指示信息用于指示需要利用用户面会话传输所述ML模型。
根据权利要求16所述的方法，其中，所述模型应用平台包括以下至少一项：模型数据库网元、模型训练逻辑功能网元和网络数据分析功能网元。
根据权利要求15或17或18所述的方法，其中，所述第二请求消息包括以下至少一项：

所述终端的ML模型相关能力信息；

所述ML模型的模型标识信息；

所述ML模型的模型功能类型信息；

所述ML模型的要求信息；

第五指示信息，所述第五指示信息用于指示所述ML模型需要利用用户面会话进行传输；

所述终端的IP地址信息。
根据权利要求14所述的方法，其中，所述用户面功能的信息包括以下至少一项：

所述用户面功能的FDQN；

所述用户面功能的地址信息；

用于指示所述用户面功能存储模型文件位置的URL；

用于指示传输所述ML模型的用户面会话对应的DNN；

用于指示传输所述ML模型的用户面会话对应的S-NSSAI；

用于指示传输所述ML模型的用户面会话对应的RAT类型；

用于指示传输所述ML模型的用户面会话对应的接入类型；

用户面隧道相关的安全信息。
一种传输方法，包括：

模型应用平台接收AF发送的第二请求消息，所述第二请求消息用于请求获取用户面功能的信息，所述用户面功能用于与终端之间利用用户面会话传输ML模型；

所述模型应用平台向所述AF发送所述用户面功能的信息。
根据权利要求23所述的方法，其中，所述第二请求消息包括以下至少一项：

所述终端的ML模型相关能力信息；

所述ML模型的模型标识信息；

所述ML模型的模型功能类型信息；

所述ML模型的要求信息；

第五指示信息，所述第五指示信息用于指示所述ML模型需要利用用户面会话进行传输；

所述终端的IP地址信息。
根据权利要求23所述的方法，所述方法还包括：

所述模型应用平台向所述AF发送第四指示信息，所述第四指示信息用于指示需要利用用户面会话传输所述ML模型。
根据权利要求23所述的方法，所述方法还包括：

所述模型应用平台确定所述用户面功能的信息。
根据权利要求26所述的方法，其中，所述模型应用平台确定所述用户面功能的信息，包括：

所述模型应用平台在确定使用用户面会话传输所述ML模型的情况下，确定所述用户面功能的信息。
根据权利要求23所述的方法，所述方法还包括：

所述模型应用平台根据所述第二请求消息确定所述用户面功能的信息。
根据权利要求28所述的方法，其中，所述模型应用平台根据所述第二请求消息确定所述用户面功能的信息，包括：

所述模型应用平台向网络存储功能发送用于确定所述ML模型对应的所述用户面功能的发现消息，所述发现消息包括如下至少一项：所述ML模型的标识信息、所述ML模型的功能信息、所述ML模型的类型信息、用户面传输模型的指示信息；

所述模型应用平台接收所述网络存储功能发送的所述用户面功能的信息。
根据权利要求28或29所述的方法，其中，所述模型应用平台根据所述第二请求消息确定所述用户面功能的信息，包括：

所述模型应用平台向模型存储网元发送第三请求消息，所述第三请求消息用于请求所述模型存储网元反馈所述ML模型对应的用户面功能的信息；

所述模型应用平台接收所述模型存储网元发送的所述ML模型对应的用户面功能的信息，所述用户面功能的信息包括所述模型存储网元存储所述ML模型的URL。
一种传输装置，包括：

第一发送模块，用于向应用功能AF发送第一请求消息，所述第一请求消息用于请求传输机器学习ML模型；

第一接收模块，用于接收所述AF发送的第一响应消息，所述第一响应消息包括所述第一请求消息所请求传输的ML模型对应的用户面功能的信息。
一种传输装置，包括：

第二接收模块，用于接收终端发送的第一请求消息，所述第一请求消息用于请求传输ML模型；

第二发送模块，用于向所述终端发送第一响应消息，所述第一响应消息包括所述第一请求消息所请求传输的ML模型对应的用户面功能的信息。
一种传输装置，包括：

第三接收模块，用于接收AF发送的第二请求消息，所述第二请求消息用于请求获取用户面功能的信息，所述用户面功能用于与终端之间利用用户面会话传输ML模型；

第三发送模块，用于向所述AF发送所述用户面功能的信息。
一种终端，包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1-13中任一项所述的传输方法的步骤。
一种网络侧设备，包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求14-22中任一项所述的传输方法的步骤，或实现如权利要求23-30中任一项所述的传输方法的步骤。
一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如权利要求1-30中任一项所述的传输方法的步骤。