1、 6GANA TG5 1 网络管控大模型网络管控大模型网络管控大模型网络管控大模型 目录目录 ii 6GANA TG5 目录目录 1.引言.1 2.网络管控需求与挑战.4 3.通信网络引入大模型的必要性.7 4.网络多模态数据的时空表征大模型学习.10 5.网络知识与不完备意图精炼.15 6.知识表征共享的多任务目标网络管控决策.18 7.网络管控研究现状.21 7.1 通信网络智能管控.21（1）3GPP 网络/管理数据分析功能（NWDAF/MDAF）.21（2）ETSI 体验式网络智能（ENI）.22（3）TMF 网络操作、管理和维护（OA&M）.22 7.2 意图驱动网络管控.23（1）

2、意图驱动网络.23（2）管控策略生成.24 参考文献.26 缩略语.30 文档作者列表.31 网络管控大模型网络管控大模型 引言 6GANA TG5 1 1.引言引言 2023 年 9 月 20 日在丹麦哥本哈根举办自智网络全球产业峰会，国际电信管理论坛 TM Forum 与 66 家产业伙伴撰写的自智网络赋能数字化转型-从 L2/L3向 L4 级自智演进白皮书 5.0（简称自智网络白皮书）1。这标志着通信网络将拥有全生命周期的自动化和智能化运维能力，也就是说通信网络本身将能够实现“自服务、自愈合、自优化”的功能。通信人工智能的进一步应用将推动网络运维向主动式和预防式升级，加速实现电信运营商的

3、数智化转型。目标是在 2025 年达到 L4 级高级别自智网络水平，这将为行业带来显著的变革和提升。2018 年网络顶级会议 SIGCOMM 举办了自动驾驶网络研讨会(Self-Driving Network,SelfDN)2，对自动驾驶网络进行了全面的系统分析，并提出了相关的用例。除此之外，文献3,4详细讨论了如何将机器学习、数据驱动、软件定义网络等技术结合应用。通过智能化实现网络的自治管控，简称自智网络。通过智能化实现网络的自治管控，简称自智网络。通信国际标准组织 TMF、ETSI、3GPP 也对自智网络的发展成熟度进行 Level 分级，大致都分为 L1 到 L5 五个阶段。自智网络的发

4、展无法一蹴而就，需循序渐进：首先是初步实现网络运维的自动化；接着是对网络环境和状态进行主动感知，并利用机器学习做出不断优化的决策；然后是从网络感知逐步向认知发展，认知用户意图，构建闭环的认知学习网络；最终实现从感知、到认知再到预知的闭环自智网络，不断自我优化和演进5。这种渐进的发展路径将自治网络管理和优化逐渐提升到一个全新的水平，为网络架构和运维带来了前所未有的变革和发展机遇。云计算和人工智能作为构建未来网络智能管控生态系统的基础，近年来受到学术界和产业界的广泛关注，综述文献可参见6-8。然而，总体来看，目前的研究总体来看，目前的研究依然面临着难以解决海量数据、特征多变的云网络管控需求的挑战。

5、依然面临着难以解决海量数据、特征多变的云网络管控需求的挑战。由于云网络具有高度动态性、多层次性和强依赖性等特点，很难挖掘出云网络资源节点间潜网络管控大模型网络管控大模型 引言 2 6GANA TG5 在的关联特征。同时，缺乏对智能策略生成和行为验证的系统性考量，使得云网络故障管控面临着巨大的机遇和挑战，如图 1所示。本文聚焦云化核心网的自本文聚焦云化核心网的自动化、智能化、意图化管控为目标动化、智能化、意图化管控为目标，以故障修复为典型场景，以故障修复为典型场景，研究新的云网络智能管控理论。不再局限于基于单个协议的封闭式分析优化，而是利用意图驱动、利用意图驱动、通信网络专属的机器学习模型，并以

6、高级策略为目标，同时结合以底层组件的整通信网络专属的机器学习模型，并以高级策略为目标，同时结合以底层组件的整体视图体视图，实现，实现“故障定位“故障定位-策略生成策略生成-策略验证”的自智闭环策略验证”的自智闭环。与传统智能运维中的辅助人工决策不同，本文基于时空表征学习，对网络运行状态进行知识推理和检测。这样的方法可以实现故障恢复和多任务管控策略的自动化生成与验证，支持通过迂回路由、资源编排等手段来保证业务带宽和网络性能。最终，根据学习结果自动处理修复故障，推进意图驱动的自智网络闭环。这种方法有望为云网络管理和故障处理带来创新，利用机器学习和智能化技术，从而提高网络的稳定性和效率，实现更智能化