基于机器学习的5G网络切片容灾切换方法及装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113993148A(43)申请公布日2022.01.28(21)申请号202010664877.6G06N3/08(2006.01)(22)申请日2020.07.10(71)申请人中国移动通信集团浙江有限公司地址310016浙江省杭州市解放东路19号申请人中国移动通信集团有限公司(72)发明人邢彪郑屹峰陈维新章淑敏葛小海(74)专利代理机构北京市浩天知识产权代理事务所(普通合伙)11276代理人张颖瑛(51)Int.Cl.H04W24/04(2009.01)H04L41/0654(2022.01)H04L41/5019(2022.01)G06N20/00(2019.01)权利要求书2页说明书14页附图3页(54)发明名称基于机器学习的5G网络切片容灾切换方法及装置(57)摘要本发明公开了一种基于机器学习的5G网络切片容灾切换方法及装置。其中，方法包括：针对于任一切片实例，获取该切片实例对应的的第一类信息以及第二类信息；将第一类信息作为状态数据，第二类信息作为条件数据，输入至预先训练好的切片容灾切换模型中；基于切片容灾切换模型的输出结果，确定与该切片实例对应的目标切换动作；采用目标切换动作对该切片实例对应的网络切片进行切换管理。采用本方案，能够实时地、准确地确定出切片实例对应的网络切片的切换时机及切换对象，从而提升网络切换容灾切换精度，避免网络切片的频繁切换，提高系统稳定性，提升用户体验。CN113993148ACN113993148A权利要求书1/2页1.一种基于机器学习的5G网络切片容灾切换方法，其特征在于，包括：针对于任一切片实例，获取该切片实例对应的的第一类信息以及第二类信息；其中，所述第一类信息包括该切片实例当前的性能指标以及该切片实例当前对应的用户体验感知指标；所述第二类信息包括该切片实例当前对应的用户SLA需求指标，以及当前容灾池中可用网络切片的配置信息；将所述第一类信息作为状态数据，以及将所述第二类信息作为条件数据，并将所述状态数据以及所述条件数据输入至预先训练好的切片容灾切换模型中；基于所述切片容灾切换模型的输出结果，确定与该切片实例对应的目标切换动作；采用所述目标切换动作对该切片实例对应的网络切片进行切换管理。2.根据权利要求1所述的方法，其特征在于，所述目标切换动作包括：不切换，或者，切换至目标网络切片。3.根据权利要求1所述的方法，其特征在于，所述基于所述切片容灾切换模型的输出结果，确定与该切片实例对应的目标切换动作进一步包括：获取所述切片容灾切换模型输出的最优值函数；将所述最优值函数对应的切换动作，确定为该切片实例对应的目标切换动作。4.根据权利要求2所述的方法，其特征在于，若所述目标切换动作为切换至目标网络切片，则在所述采用所述目标切换动作对该切片实例对应的网络切片进行切换管理之后，所述方法还包括：根据预设时间段内该切片实例的性能指标，和/或预设时间段内该切片实例的对应的用户体验感知指标，生成回报值；其中，所述预设时间段的起始时间晚于切换至目标网络切片的时间；将所述回报值反馈至所述切片容灾切换模型，以实现所述切片容灾切换模型的优化。5.根据权利要求1-4中任一项所述的方法，其特征在于，所述预先训练好的切片容灾切换模型通过以下方式训练获得：构建切片容灾切换模型；其中，所述切片容灾切换模型的输入数据包括异构的多状态数据以及多条件数据；针对于任一历史切片实例，获取该历史切片实例对应的样本数据；其中，该历史切片实例对应的样本数据包括：该历史切片实例在预设历史时段内的性能指标、该历史切片实例在预设历史时段内对应的用户体验感知指标、该历史切片实例在预设历史时段内对应的用户SLA需求指标、预设历史时段内容灾池中可用网络切片的配置信息，以及该历史切片实例在预设历史时段内的历史切换动作；利用多个历史切片实例对应的样本数据对构建的切片容灾切换模型进行模型训练，以获得训练好的切片容灾切换模型。6.根据权利要求5所述的方法，其特征在于，在获取所述样本数据之后，所述方法还包括：对所述样本数据进行标准化处理。7.根据权利要求1-4中任一项所述的方法，其特征在于，所述性能指标包括以下指标中的至少一种：切片流量、业务请求数量、请求成功率、请求时延、吞吐率、丢包率、以及掉话率；和/或，所述用户体验感知指标包括以下指标中的至少一种：视频卡顿次数、页面延时、2CN113993148A权利要求书2/2页业务MOS值、以及QoE值；和/或，所述用户SLA需求指标包括以下指标中的至少一种：时延、吞吐率、丢包率、掉话率、可靠性、服务范围、用户规模、隔离性、安全性、接入方式、以及maxTP/site；和/或，所述可用网络切片的配置信息包括以下信息中的至少一种：保证切片无