知识定义的意图网络白皮书

引言 本白皮书在业界首次介绍了一套以“知识驱动、意图管理”双闭环为核心的智能互联与智能管控方式，命名为“知识定义的意图网络”，并系统阐述了知识定义的意图网络的总体架构，介绍了与知识定义的意图网络的几种关键技术，明确指出知识定义的意图网络主体位于中国移动6G“三层四体五面”总体架构的服务化功能层智能面，可以结合管理编排体和数字孪生体，实现跨层闭环管控。同时，也对数字孪生网络的验证问题提供了一套可行的自智化方案。并且，白皮书列举了几个知识定义的意图网络的典型场景的应用与实践。 本白皮书的版权归北京邮电大学-中国移动通信研究院共同所有，未经授权，任何单位或个人不得复制或拷贝本建议之部分或全部内容。 目录 1前言1 1.1背景与驱动力1 1.2相关标准进展2 1.2.1IETF2 1.2.2ETSI2 1.2.3ITU-T3 1.2.43GPP3 1.3相关概念4 1.3.1自智网络4 1.3.2知识定义4 1.3.3意图网络5 2需求性分析6 2.1功能需求分析6 2.2技术需求分析8 3架构及关键技术10 3.1总体架构10 3.1.1用户面11 3.1.2知识面11 3.1.3意图面14 3.1.4控制面15 3.1.5数据面15 3.2关键闭环流程15 3.2.1知识意图的双闭环流程15 3.2.2意图的多级闭环流程17 3.3关键技术18 3.3.1知识的形成技术18 3.3.2知识定义的管控技术20 3.3.3资源调度技术23 3.3.4意图转译技术24 3.3.5策略验证技术27 4应用场景28 4.1智能流量预测规划28 4.2按需策略生成与部署29 4.3人机协同网络维护30 4.4知识定义的网络多指标联合优化31 5总结与展望32 缩略语I 参考文献III 参编单位与人员VI 1前言 1.1背景与驱动力 目前网络的快速发展导致网络急剧复杂化和差异化，这一变化催生了对网络管控系统功能便捷性、多样性的更高要求。这一要求本质上是对网络管控智能性的更高要求。网络管控流程可以划分为网络感知、状态分析、意图输入与转译、策略生成、策略下发五个主要阶段。4G网络中网络管控的主要流程由人工完成，AI等智能方法作为辅助工具，整个管控流程智能性较为初级。网络进入5G时代，新的智能网元的引入在网络感知阶段和状态分析阶段实现了数据智能分析功能，有效推进网络管控流程的智能化程度。预计在网络进入6G时代，网络管控流程中剩余阶段实现网络的自驱动，形成一个网络自智闭环。除此之外，一个具有智能的网络，不但要能够完成对自身状态的理解和对自身性能的优化，更应当能够将这一系列知识传播出去，比如需要人员介入调控的时候恰到好处地理解需求、提供信息、评估和解决方案；又或者闭环状态下在不同网络之间交流知识，共同发展，完成网络的自我演进。 近年，意图网络（Intent-basedNetwork，IBN）得到业界的普遍关注。IBN的思想最早来自软件定义网络基于意图的北向接口，后来由Gartner于2017年正式提出[1]。随着意图网络的引入，网络自治的发展目标逐步清晰，就是逐步实现网络的自规划、自适应、自优化、自管理、资源按需服务，最终达成“网随意动”。其中，如何有效获取用户意图是关键难点，目前出现一些基于DSL（Domain-SpecificLanguages）设计的意图表示语言，都是通过一些关键字原语和表达语句来描述用户对网络的需求。它的优点是可以在特定的环境下描述用户意图，得到的配置策略也具有很高的准确性。它的缺点也很突出，并不是用户的自然语言表达，抽象级别仍然较低，需要向NLP方向演进。同时，如何生成满足该需求的网络策略，还缺乏必要的智能性。这也是实现网络自治，替代传统人工网络管控模式的关键。另外，网络验证作为IBN的关键环节，发挥着不可或缺的重要作用。目前主流的方法之一是形式化方法[18]。形式化方法可以通过数学方法证明系统策略的正确性，然而这种方法有着开发成本高昂、建模程度有限等局限性。而 中国移动牵头打造的数字孪生网络[19]架构，不仅有效地解决了上述问题，还实现了模型与实体的高度一致性，进一步增强网络策略验证的正确性。 此外，美国MIT的DavidClark教授和他的团队在2003年所提出的知识与知识平面（KnowledgePlane）[2]被公认为是一个优秀的理论设想。一方面，知识具有先验性，利用其中的经验或结果，可以加快意图转译、策略生成等过程中的AI模型的训练速度和准确度。另一方面，知识具有普适性，即，一个知识点的经验或结果可以被复用，处理网络环境下多种、相似的网络自治问题。因此，将知识有机地融入现有网络，提高其智能性，会强化网络对用户的意图理解与执行的能力。 1.2相关标准进展 1.2.1IETF 互联网工程任务组(Internetengineeringtaskforce，IETF)在2014年~2015年期间成立了SUPA(simplifieduseofpolicyabstractions)工作组，在此期间，ECA(event-condition-action)和intent(当时叫declarative)策略都作为SUPA的一部分，不过后来讨论认为intent较为偏远，暂时从SUPA范围中删除intent，但保留了未来扩展的计划。2018年，SUPA架构发布为RFC8338[3]，除了策略架构，还探讨了策略-业务-资源的关系，为未来网络对意图的支持做了铺垫。 此外，互联网研究专门工作组(Internetresearchtaskforce，IRTF)的NMRG(networkmanagementresearchgroup)工作组也在努力制定相关标准，NMRG在RFC7575[4]和RFC7576[5]着手于网络自动化的研究，并将意图定义为“一种用来运维网络的抽象的、高层次的策略”。此外，在RFC8316[6]中描述了一个网络自动化的应用场景，即对于服务级别协议(servicelevelagreement，SLA)的监控。 1.2.2ETSI 2017年2月，ETSI成立业界首个网络智能化规范组——体验式网络智能行业规范小组（ExperientialNetworkedIntelligenceIndustrySpecificationGroup，ENI ISG）。ENIISG定义了基于“感知-适应-决策执行”控制模型的认知网络管理架构，利用AI和上下文感知策略来根据用户需求、环境状况和业务目标的变化来调整网络服务；通过自动化的服务提供、运营和保障以及切片管理和资源编排优化来提升5G网络性能。目前，该小组的输出成果包括术语规范、概念验证（PoC）框架、应用案例、智能网络分级、意图感知的自治网以及ENI架构[7]等。 1.2.3ITU-T 目前，ITU-T主要由SG13进行在未来网络中实现机器学习的研究工作。ITU-TSG13于2017年11月成立了面向包括5G在内的未来网络机器学习（ML5G）焦点组。该焦点组负责起草机器学习适用于未来网络的技术报告和规范，包括网络体系结构、接口、协议、算法、应用案例与数据格式等[8]。在ITU-TSG15于2020年1月的全会上，Q12和Q14确定将“机器学习如何应用到传送网”纳入标准工作范围，并希望能够充分分析AI/ML在传送网中的用途；如何将机器学习应用于传送网现有的功能和运维中并能够给传送网带来哪些新的能力；分析除了现有的管理和控制系统之外，还有哪些场景需要使用人工智能技术。 1.2.43GPP 3GPPSAWG5在2018年9月的第81次会上通过了“意图驱动的移动网络管理服务（IDMS_MN）”，在该项目的输出TR28.812[9]中明确了意图驱动的网络管理服务的概念、自动化机制、应用场景以及描述意图的机制等。在2020年6月召开的第131次会议上，3GPPSAWG5成立“自治网络分级（AutonomousNetworkLevels，ANL）”标准项目[10]，该项目由中国移动作为独立报告人牵头，旨在在3GPP框架内，基于网络“规-建-维-优”四大类典型场景，规范自治网络的工作流程、管理要求和分级方法，明确不同网络自治能力标准对3GPP现有功能特性的增强技术要求，牵引网络智能化相关标准工作。 1.3相关概念 1.3.1自智网络 TmForum组织多次发布白皮书，提出并细化“自智网络”及相关概念。自智网络应网络智能化发展而生，通过网络运维自身的数智化转型升级，满足数智化产品对网络体验和敏捷支撑的更高要求，牵引信息服务迈上新的台阶。自智网络旨在构建网络全生命周期的自动化、智能化运维能力，面向消费者和垂直行业客户提供“零等待、零故障、零接触”的新型网络与ICT服务，打造“自配置、自修复、自优化”的数智化运维能力。 在文献[11]中，TmForum提出了自智网络的智能化分级标准，如下表1-1所示。同时TmForum指出，通信网络的复杂性决定了实现高阶的自智网络是一个长期目标，需要分步实现：从L1提供重复执行操作的替代方案，到L2执行网络环境和网络设备状态的感知和监控，L3根据多种因素和策略做出决策，以及L4有效感知最终用户体验，直到最后L5网络能够感知运营商和用户的意图，自我优化和演进。 表1-1自智网络分级标准 本白皮书认为，为支撑自智网络的建设与发展，需要构建知识空间，以逻辑集中化的AI平台为智能引擎，为网络管控平台和网元赋予AI认知能力。基于这样的架构，可以实现知识赋能网络自智，有效地推动智能网络向高阶自智标准演进。 1.3.2知识定义 本白皮书定义，网络知识是网络系统中AI算法可以存取、使用的，有关目 标网络的经验规律，以及人工智能模型。下文把“网络知识”统称为“知识”。 2017年，AlbertMestres在发表的论文《Knowledge-definednetworking》[12]中提出“知识定义”这一工作模式，以及“知识定义网络”这一网络架构。文中指出，“知识定义”是结合SDN范式，“知识驱动”的思想，以及人工智能算法，形成的一种新型智能网络工作模式，而知识定义网络是利用“知识定义”的工作模式进行网络智能决策的新型网络架构，流程图如图1-1所示。 图1-1知识定义网络的工作流程 本白皮书认为，“知识定义”的核心是，利用网络内外、新旧数据学习网络知识，以知识图谱和预训练大模型的形式储存于控制面，并驱动网络中的各项AI算法，凭借网络知识的先验性和普适性，缩短网络任务的处理响应时间，使网络做出按需合理且全局最优的行为。实现网络自驱动。 1.3.3意图网络 意图是所有期望的正式规范，包括对技术系统的要求、目标和约束[25]。如李福亮等在《基于意图的网络研究综述》[13]所述，意图网络的本质是网络为用户提供一个简单的意图接口,用户通过这个接口描述他们期盼网络达到的状态而不用描述如何实现这个状态,网络将自动完成配置,满足用户的需求。区别于命令式语言的输入，意图网络创新地实现面向描述性语言的转化与理解。 此外，虽然业界目前还没有完全统一的IBN体系结构，但是不同的IBN结构的核心要素是一致的，如图1-2所示。IBN的体系结构参照SDN的分层结构自上而下分为应用层、意图层和网络层。其中，意图层是意图网络的核心，肩负着将由用户通过北向输入的意图，结合实时的网络状态信息，翻译为为正确合理 的网络策略，并通过南向策略下发接口下发至网络各节点的关键工作。理想情况下，IBN可以在不同的网络中同时进行意图的部署。然而，由于各种因素的限制，目前大多数的研究工作仅在单一的网络环境下实现了IBN。 图1-2IBN体系结构 2需求性分析 2.1功能需求分析 随着自智网络、意图网络及相关技术的日趋成熟与受到广泛关注，它们的发展前景被业界给予关注。这包括，自智网络的智能性的升级带来的网络运行与管控的准确性和速度的提升，以及人力成本的可观下降；意图网络的输入门槛的降低，且允许网络中各级用户直接接入，并支持进行各类非命令式的意图翻译，以及快速地执行反馈