通信网络中与机器学习相关的方法、装置和机器可读介质与流程

1.本公开的实施例涉及机器学习，并且具体地涉及通信网络中与机器学习相关的方法、装置和机器可读介质。


背景技术：

2.在典型的无线通信网络中，无线设备通过无线电接入网连接到核心网络。在第五代(5g)无线通信网络中，核心网络根据基于服务的架构(sba)进行操作，其中服务由网络功能经由所定义的应用接口(api)提供。核心网络中的网络功能使用基于超文本传输协议2(http/2)的通用协议框架。除了提供服务，网络功能还可以通过这些api调用其他网络功能中的服务。5g架构中的核心网络功能的示例包括接入和移动性管理功能(amf)、认证服务器功能(ausf)、会话管理功能(smf)、策略计费功能(pcf)、统一数据管理(udm)和运营、管理和维护(oam)。例如，amf可以为此目的通过调用ausf的api中的功能来向ausf请求订户认证数据。
3.人们正在努力实现自动化5g网络，旨在提供零接触的全自动无线通信网络(即在操作期间需要尽可能少的人工干预的网络)。实现这一点的一种方式是将无线通信网络中收集的大量数据与机器学习算法结合使用，以开发用于提供网络服务的模型。
4.已经建立了网络数据分析(nwda)框架，用于定义5g网络中用于数据收集的机制和相关联功能。3gpp文档ts 23.288v 16.0.0中描述了对该框架的进一步增强。nwda框架以网络数据分析功能(nwdaf)为中心，该网络数据分析功能从网络中的其他网络功能收集数据。nwdaf还向服务消费者(例如其他网络功能)提供服务。例如，服务包括检索数据或基于nwdaf处整理的数据进行预测。
5.图1示出了连接到网络功能(nf)104的nwdaf 102。如所示，网络功能104可以是任何合适的网络功能(例如amf、ausf或任何其他网络功能)。为了从网络功能104收集数据，nwdaf 102通过nnf参考点连接到网络功能处的事件暴露功能(如3gpp文档ts23.502v 16.0.2和ts 23.288v 16.0.0中详述)。nwdaf 102然后可以通过向网络功能订阅报告或通过向网络功能请求数据来通过nnf参考点从网络功能接收数据。任何报告的定时可以由超时(例如定时器到期)确定或可以由事件(例如请求的接收)触发。nwdaf 102可以向网络功能请求的数据的类型可以是标准化的。
6.为了网络功能104可被nwdaf 102(或任何其他服务消费者，例如另一网络功能)发现，网络功能104向网络功能存储库功能(nrf)注册。
7.图2示出了连接到在nrf 208处注册的三个网络功能nf a202、nf b 204和nf c 206的nrf 208的图示。nrf 208可以被预配置有关于网络功能202-206的信息，或者网络功能202-206中的每一个可能已经向nrf 208执行了网络注册过程以在nrf 208处注册。一旦网络功能在nrf 208处注册，网络中的另一实体可以通过调用nrf 208处的发现功能来发现该网络功能。因此，例如，nf b 204可以通过调用nrf 208处的发现功能来发现nf a202和nf c 206。
8.如上所述，当与机器学习相结合时，数据收集有潜力成为5g网络的强大工具。5g网络情境中的机器学习通常是大规模的，并且可以在优先考虑性能和安全性的云(虚拟化)环境中执行。在实践中，这意味着可用于使用机器学习训练模型的数据可以分布在网络中的许多实体中，并且理想情况下，该数据应该在一个网络实体处进行整理，以用于使用机器学习开发模型。在单个网络实体处整理这些数据集可能很慢且资源密集，这对于时间关键型应用是有问题的。此外，一些应用需要使用包括敏感或私有数据的数据集，并且在单个网络实体处整理这些数据可能有安全隐患。


技术实现要素：

9.本公开的实施例解决了这些和其他问题。
10.在一个方面，提供了一种由通信网络中的协调网络实体执行的方法。该方法包括向通信网络中的网络注册实体发送针对通信网络中能够执行协作学习的多个候选网络实体的标识信息的请求消息。该方法还包括从网络注册实体接收多个候选网络实体的标识信息；以及发起在多个候选网络实体中的一个或多个网络实体处使用机器学习算法对模型的训练作为协作学习过程的一部分。
11.在另一方面，本公开提供了一种协调网络实体以执行上述方法。另一方面提供了一种用于执行上述方法的计算机程序。还提供了一种包括该计算机程序的计算机程序产品。
12.在另一方面，提供了一种由通信网络中的网络注册实体执行的方法。该方法包括从通信网络中的协调网络实体接收请求消息，该请求消息请求通信网络中能够执行协作学习的多个候选网络实体的标识信息。该方法还包括从在网络注册实体处注册的多个网络实体中标识能够执行协作学习的两个或更多个候选网络实体；以及向协调网络实体发送对两个或更多个候选网络实体的指示。
13.在另一方面，本公开提供了一种网络注册实体以执行上述方法。另一方面提供了一种用于执行上述方法的计算机程序。还提供了一种包括该计算机程序的计算机程序产品。
14.另一方面提供了一种协调网络实体。协调网络实体包括处理电路和存储指令的机器可读介质，所述指令在由处理电路执行时使协调网络实体向通信网络中的网络注册实体发送针对通信网络中能够执行协作学习的多个候选网络实体的标识信息的请求消息。还使协调网络实体从网络注册实体接收多个候选网络实体的标识信息，并发起在多个候选网络实体中的一个或多个网络实体处使用机器学习算法对模型的训练作为协作学习过程的一部分。
15.另一方面提供了一种网络注册实体。网络注册实体包括处理电路和存储指令的机器可读介质，所述指令在由处理电路执行时使网络注册实体从通信网络中的协调网络实体接收请求消息。请求消息请求通信网络中能够执行协作学习的多个候选网络实体的标识信息。还使网络注册实体从在网络注册实体900处注册的多个网络实体中标识能够执行协作学习的一个或多个候选网络实体，并向协调网络实体发送对该一个或多个候选网络实体的指示。
附图说明
16.为了更好地理解本公开的示例以及为了更清楚地示出可以如何有效地实施示例，现在将仅通过举例说明参考附图，在附图中：
17.图1示出了连接到网络功能的网络数据分析功能；
18.图2示出了连接到三个网络功能的网络功能存储库功能；
19.图3示出了根据本公开的实施例的系统；
20.图4是根据本公开的实施例的示意性信令图；
21.图5是根据本公开的实施例的方法的流程图；
22.图6是根据本公开的实施例的方法的流程图；
23.图7和图8是根据本公开的实施例的协调网络实体的示意图；以及
24.图9和图10是根据本公开的实施例的网络注册实体的示意图。
具体实施方式
25.图3示出了根据本公开的实施例的通信网络中的系统300。例如，系统的一个或多个实体可以形成通信网络中的核心网络的一部分。核心网络可以是第五代(5g)核心网络(5g cn)。通信网络可以实现任何合适的通信协议或技术，例如全球移动通信系统(gsm)、宽带码分多址(wcdma)、长期演进(lte)、新无线电(nr)、wifi、wimax、或蓝牙无线技术。在一个特定示例中，该网络形成蜂窝电信网络的一部分，例如由第三代合作伙伴计划(3gpp)开发的类型。本领域技术人员将理解，系统300可以包括为了清楚起见从图3中省略的其他组件。
26.系统300包括至少两个网络实体或网络功能(nf)。在所示实施例中，示出了三个网络实体nf a302、nf b 304和nf c 306，但是本领域技术人员将理解系统300可以包括比所示更多的网络实体。网络实体302-306被配置为提供一个或多个服务。网络实体可以是网络实体或网络功能的任何类型或类型的组合。例如，网络实体302-306中的一个或多个可以包括核心网络实体或功能，例如接入和移动性管理功能(amf)、认证服务器功能(ausf)、会话管理功能(smf)、策略控制功能(pcf)和/或统一数据管理(udm)功能。备选地或附加地，网络实体302-306中的一个或多个可以在核心网络之外的实体内实现，该实体例如是无线电接入网节点(例如，诸如gnb、enb等的基站或其部分，例如中央单元或分布式单元)。网络实体302-306可以用硬件、软件或硬件和软件的组合来实现。
27.网络实体302-306中的每一个都在网络注册实体310处注册，该网络注册实体310也形成系统300的一部分。在该示例中，网络注册实体是网络功能存储库功能(nrf)310。然而，本领域技术人员将理解，网络注册实体可以是为网络实体服务提供注册和发现的任何合适的网络实体。nrf 310因此可以存储在这里注册的每个网络实体302-306的信息。所存储的信息可以包括以下中的一项或多项：网络实体302-306中的每一个的类型；网络实体的网络地址(例如，ip地址)；由网络实体提供的服务；以及网络实体的能力。因此，一旦在nrf 310处注册，网络实体302-306就可被网络中的其他实体发现。
28.系统300还包括网络数据和分析功能(nwdaf)308。nwdaf 308被配置为从一个或多个网络实体收集网络数据，并向请求或订阅接收网络数据分析信息的网络实体提供网络数据分析信息。例如，nwdaf可以提供与网络业务或使用相关的信息(例如，预测的负载信息或与历史负载信息相关的统计)。nwdaf提供的网络数据分析信息可以是例如特定于整个网络
的，或特定于网络的一部分，例如网络实体或网络切片。在该上下文中，网络切片可以是通信网络中的逻辑分区(例如虚拟网络)。网络切片可以专用于特定用例或最终用户。例如，网络切片可以包括用于特定用例或最终用户的一个或多个网络功能。在特定示例中，可以在硬件中定义网络切片。例如，网络切片可以包括专用于特定用例或最终用户的一组服务器。网络切片可以与通信网络的其他部分隔离或独立于通信网络的其他部分。例如，可以禁止或限制网络切片和通信网络的其他部分(例如其他网络切片)之间的信息传输。
29.nwdaf 308提供的网络数据分析信息可以包括预测数据(例如，网络功能的预测负载的指示)和/或历史数据(例如，通信网络中的小区中的无线设备的平均数量)。nwdaf提供的网络数据分析信息可以包括例如性能信息(例如，成功切换与失败切换的比率、协议数据单元(pdu)会话的成功设置与失败设置的比率、区域中的无线设备的数量、资源使用的指示等)。
30.如上所述，通信网络正变得越来越自动化，网络设计人员寻求将操作期间所需的人工干预水平降至最低。实现这一点的一种方式是使用在通信网络中收集的数据来使用机器学习训练模型，并在通信网络的控制中使用这些模型。随着通信网络不断获得操作期间的数据，可以更新和调整模型以适应网络的需要。然而，如上所述，用于在通信网络中实现机器学习的常规方法需要在一个网络实体处整理用于训练模型的数据。在单个网络实体(例如nwdaf 308)处整理这些数据可能很慢且资源密集，并且如果数据本质上是敏感的，则可能是有问题的。
31.本公开的方面解决了这些和其他问题。
32.在一方面，协作(例如联合)学习过程用于使用机器学习来训练模型。不是在单个网络实体处整理用于训练模型的训练数据，而是在多个网络功能处对模型的实例进行本地训练，以获得对每个网络实体处的模型参数的本地更新。本地模型更新在聚合器网络实体(例如nwdaf)处进行整理并组合以获得组合的模型更新。以这种方式，来自通信网络中多个实体的数据用于使用机器学习来训练模型，同时最小化资源开销并降低安全风险。
33.因此，在图3所示的系统300中，nwdaf 308发起在每个网络功能nf a302、nf b 304和nf c 306处使用机器学习对模型的训练。例如，nwdaf 308可以向网络功能302-306中的每一个发送消息，该消息指示网络功能使用机器学习来训练模型。该消息可以包括模型的副本(例如，对网络功能302-306中的每一个公共的全局副本)，或者网络功能302-306中的每一个可以被预配置有模型的副本。在后一种情况下，消息可以包括要训练哪个模型的指示符。该消息可以指定网络实体要使用的机器学习算法的类型。备选地，网络实体302-306可以被预配置有要用于模型的机器学习算法的类型。
34.在接收到来自nwdaf 308的消息时，每个网络实体302-306通过将训练数据输入机器学习算法来训练模型以获得对模型的一个或多个参数的值的本地模型更新。训练数据可以是网络实体独有的数据。例如，训练数据可以包括从由网络功能执行的测量获得的数据和/或由网络功能从其他网络实体收集的数据(例如，从由一个或多个其他网络实体执行的测量获得的数据)。
35.网络实体302-306中的每一个向nwdaf 308发送本地模型更新。本地模型更新可以包括模型参数的更新值，或者本地模型更新可以包括模型参数的值的变化的指示，例如，参数的先前值与参数的更新值之间的差异。
36.网络实体302-306和nwdaf 308之间的传输可以是直接的(例如，nwdaf 308直接向网络实体发送)或者传输可以经由中间网络实体进行。例如，网络功能302-306和nwdaf 308之间的传输可以经由运营、管理和维护功能(oam)312进行。
37.nwdaf 308因此从网络实体302-306中的每一个接收本地模型更新。nwdaf 308组合从网络实体302-306接收的模型更新以获得组合的模型更新。nwdaf 308可以使用任何合适的操作来组合模型更新。例如，nwdaf 308可以对所接收的本地模型更新进行平均以获得平均模型更新。在另一示例中，平均可以是加权平均，其中来自不同网络实体的更新被分配不同的权重。
38.nwdaf 308向网络中的一个或多个网络实体发送组合的模型更新。例如，nwdaf 308可以向网络实体302-306中的每一个发送组合的模型更新。在特定示例中，除了用于训练模型的网络实体302-306之外，可以将组合的模型更新发送给一个或多个另外的网络实体。
39.该过程可以重复一次或多次。例如，可以重复该过程，直到从网络实体302-306中的每一个接收的本地模型更新在预定的容错度内彼此一致。在另一示例中，可以重复该过程，直到组合的模型更新收敛(即组合的模型更新与先前的组合的模型更新一致)到预定的容错度内。
40.因此，协作(例如联合)学习可以应用于通信网络(特别是通信网络中的核心网络)，以减少时延、最小化资源开销并降低安全问题的风险。
41.如上所述，作为将协作学习应用于通信网络的一部分，网络实体发起在通信网络中的多个其他网络实体处对机器学习模型的训练。然而，通信网络通常包括大量的网络实体，并且这些网络实体中仅一小部分可以被配置为支持协作学习。此外，使用特定机器学习算法参与特定模型的训练可以与仅网络实体的子集满足的特定硬件或软件要求相关联。
42.本公开的实施例提供用于选择网络实体以执行协作学习的方法、装置和机器可读介质。具体地，通信网络中的协调网络实体向通信网络中的网络注册实体发送针对通信网络中能够执行协作学习的多个候选网络实体的标识信息的请求消息。然后，协调实体从网络注册实体接收多个候选网络实体的标识信息，并发起在多个候选网络实体中的一个或多个网络实体处使用机器学习算法对模型的训练作为协作学习过程的一部分。
43.因此，本文描述的实施例提供了一种用于选择网络实体以执行协作学习过程的有效方法。具体地，通过标识能够执行协作学习的候选网络实体，本文描述的实施例防止了选择不能够执行协作学习的网络实体来执行协作学习过程，从而使在协作学习过程期间获得的模型更新被聚合和组合时错误的风险最小化。因此，本公开的实施例提供了一种选择网络实体以在通信网络中执行协作学习的更可靠的方法。
44.图4是根据本公开的实施例的示意性信令图。信令涉及协调网络实体、网络注册实体和网络实体或功能。协调网络实体可以包括nwdaf，例如上面关于图3描述的nwdaf 308。网络注册实体可以包括nrf，例如上面关于图3描述的nrf 310。在所示实施例中，信令还涉及oam，例如上面关于图3描述的oam 312。然而，其他实施例可以不涉及oam。图4中所示的信令允许协调网络实体(以下称为nwdaf 308)选择一个或多个网络实体来参与诸如联合学习之类的协作学习过程。因此，可以在nwdaf 308决定开发或进一步训练模型时执行图4中的信令。
45.在图4所示的信令之前，一个或多个网络实体(包括图中所示的nf a302)向nrf 310注册。在向nrf 310注册时，网络实体提供与由网络实体提供的服务(例如网络实体的类型或由此执行的功能)和/或网络实体的能力相关的信息。这样的信息可以由nrf 310存储，并且与允许标识和寻址网络实体的标识符(例如，网络内的唯一编号)相关联。关于所存储的信息和标识符的进一步信息如下所述。
46.该过程开始于nwdaf 308向nrf 310发送针对通信网络中能够执行协作学习的多个候选网络实体的标识信息的第一请求消息400。第一请求消息400可以从nwdaf 308直接被发送给nrf 310(如图所示)或经由通信网络中的一个或多个中间实体间接被发送。第一请求消息400因此包括nrf 310提供能够执行协作学习(例如联合学习)的网络实体的列表的请求。
47.第一请求消息400可以包括用于选择候选网络实体以执行协作学习过程的一个或多个第一选择标准。一个或多个第一选择标准可以包括与候选网络实体执行协作学习过程的能力相关的至少一个主要标准。
48.该至少一个主要标准可以指定一个或多个特定类型的网络实体。例如，第一请求消息400可以指示每个候选网络实体必须是接入和移动性管理功能(amf)、或专用机器学习网络功能。至少一个主要标准可以附加地或备选地指定在每个候选网络实体处可用或由每个候选网络实体提供的服务。也就是说，第一请求消息400可以指定被选为候选网络实体的每个网络实体能够提供特定服务。例如，第一请求消息400可以指定被选为候选网络实体的每个网络实体能够提供订户认证数据或特定类型的协作学习。
49.至少一个主要标准可以涉及候选网络实体的硬件和/或软件要求。例如，至少一个主要标准可以指定每个候选网络实体必须具有图形处理单元(gpu)或可用于使用机器学习来训练模型的其他合适硬件。
50.附加地或备选地，第一请求消息400中的一个或多个第一选择标准可以包括与候选网络实体支持查询类型的能力相关的至少一个次要标准。也就是说，至少一个次要标准与候选网络实体是否被配置为响应特定类型的查询相关。下面更详细地讨论不同类型的查询的示例，但是可以包括例如来自特定类型的网络实体(例如nwdaf 308或oam 312)的查询、和/或对特定类型的信息的查询。
51.nrf 310从在网络注册实体处注册的多个网络实体中标识能够执行协作学习的两个或更多个候选网络实体。两个或更多个候选网络实体可以例如在通信网络的核心网络中。备选地，两个或更多个候选网络实体中的至少一个可以例如在通信网络的另一部分(例如无线电接入网、回程网络等)中。
52.nrf 310可以存储向其注册的每个网络实体的简档。每个简档可以包括与网络实体提供的服务(例如网络实体的类型或由此执行的功能)和/或网络实体的能力相关的信息。这样的信息可以由nrf 310存储，并且与允许标识和寻址网络实体的标识符(例如，网络内的唯一编号)或一些其他手段相关联。简档可以包括网络实体能够提供的一个或多个服务的指示。例如，简档可以指示网络实体的类型，例如，网络实体是pcf、asf或专用机器学习网络功能或实体。
53.能力信息可以包括网络实体是否能够执行协作(例如联合)学习的指示。因此，nrf 310可以使用在网络注册实体处注册的多个网络实体的简档来标识能够执行协作学习的网
络实体。
54.在nrf 310处注册的网络实体的简档中包括的能力信息还可以包括网络实体是否被配置为响应查询类型的指示。例如，网络实体的简档可以指定网络实体能够响应使用由特定类型网络实体使用(例如来自nwdaf 308或oam 312)的协议和/或格式的查询。附加地或备选地，网络实体的简档可以指定网络实体能够响应与网络实体处可用的存储相关的查询。
55.如上所述，第一请求消息400可以包括一个或多个第一选择标准，用于从两个或更多个网络实体中选择候选网络实体以使用机器学习来训练模型作为协作学习过程的一部分。因此，作为标识能够执行协作学习的两个或更多个候选网络实体的一部分，nrf 310可以通过搜索向其注册的网络实体的简档来标识满足一个或多个第一选择标准的两个或更多个候选网络实体。
56.nrf 310在第一响应消息402中向nwdaf 308发送两个或更多个候选网络实体的指示。例如，该指示可以包括两个或更多个候选网络实体中的每一个的标识信息。第一响应消息402还可以包括两个或更多个候选网络实体的寻址信息(例如，使两个或更多个候选网络实体在通信网络中能够被寻址的信息)。标识信息可以对应于寻址信息。例如，存储在简档中的标识符可以对应于网络实体的标识信息和/或寻址信息。
57.在一些实施例中，在从nrf 310接收到两个或更多个候选网络实体的指示之后，nwdaf 308发起在两个或更多个候选网络实体处使用机器学习算法对模型的训练作为协作学习过程的一部分。例如，nwdaf 308可以向每个候选网络实体发送触发消息，该触发消息指示候选网络实体使用机器学习算法来训练模型。例如，触发消息可以包括与模型相关的信息(例如模型参数和/或模型的标识信息)和/或要使用的机器学习算法的指示。备选地，候选网络实体可以被预配置有该信息的一些或全部。
58.然而，在其他实施例中，nwdaf 308发送第二请求消息404，该第二请求消息404包括对两个或更多个候选网络实体中的每个候选网络实体的附加信息的至少一个查询。至少一个查询可以包括用于选择候选网络实体的一个或多个第二选择标准。
59.在第一请求消息400包括与候选网络实体支持查询类型的能力相关的至少一个次要标准的实施例中，第二请求消息404可以包括在第一请求消息400中指定的类型的查询。因此，例如，如果第一请求消息400包括指定候选网络实体必须能够响应与候选网络实体处的硬件相关的查询的标准，则第二请求消息400可以指定候选网络实体具有特定类型的硬件(例如图形处理单元)。
60.本领域技术人员将理解，至少一个查询可以采取任何合适的形式。例如，至少一个查询可以包括例如在ts 23.502v 16.1.1中描述的事件过滤器信息。可以在例如ts 28.550v 16.1.0中找到针对查询的其他合适格式，但是本领域技术人员将理解本公开不限于此。
61.至少一个查询可以与候选网络实体的配置相关，例如，在候选网络实体处存在什么硬件和/或软件或由候选网络实体使用什么硬件和/或软件。例如，至少一个查询可以请求与候选网络实体处的图形处理单元(gpu)的数量相关的信息。在另一示例中，至少一个查询可以包括一个或多个第二选择标准，其指定候选网络实体处的图形处理单元(gpu)的最小数量。在另一示例中，至少一个查询可以包括一个或多个选择标准，其指定候选网络实体
要支持的特定软件版本。与候选网络实体的配置相关的查询的示例包括与以下一项或多项相关的查询：软件版本、许可、邻居关系、一个或多个配置参数、以及候选网络实体处的硬件和/或软件的类型和/或数量。
62.在特定实施例中，与候选网络实体的配置相关的至少一个查询可以与候选网络实体处可用的计算资源相关。在该上下文中，计算资源可以包括例如在网络实体处可用的存储器(例如，随机存取存储器或存储设备)、在网络实体处的处理能力、和/或任何其他合适的计算资源。例如，至少一个查询可以包括第二选择标准，其指定候选网络实体具有最小量的可用存储器。在另一示例中，至少一个查询可以包括第二选择标准，其指定候选网络实体具有最小量的可用处理能力。
63.对候选网络实体的至少一个查询可以附加地或备选地与候选网络实体的性能要求相关。与性能要求相关的查询可以包括例如与性能测量(pm)过程、关键性能指标(kpi)和/或候选网络实体的任何其他合适的性能度量相关的查询。一个或多个第二选择标准因此可以与特定性能测量、关键性能指标和/或其他性能度量的阈值相关。
64.性能要求可以与候选网络实体的历史或预测性能相关。性能要求可以与例如由候选网络实体提供的服务的使用(例如，服务的用户数量、服务已被使用的次数)、网络实体的业务流和/或候选网络实体使用的资源(例如存储器、处理能力和/或网络资源)相关。性能要求可以特定于特定时间段。例如，性能要求可以指定下一小时内的预测用户的最小数量。在另一示例中，性能要求可以指定在上周12:00-12:15时间段期间平均用户的阈值数量。
65.对候选网络实体的至少一个查询可以与候选网络实体处的训练数据的可用性相关。为了使用机器学习算法来训练模型，网络实体将数据(训练数据)输入到机器学习算法中。候选网络实体的训练数据可以例如包括从由候选网络实体执行的测量获得的数据和/或由候选网络实体从其他网络实体收集的数据(例如，从由一个或多个其他网络实体执行的测量获得的数据)。支持与训练数据的可用性相关的查询的候选网络实体可以被配置为：响应于接收到该类型的查询而指示合适的训练数据是否在候选网络实体处可用。例如，查询可以与候选网络实体处的训练数据的数量、年龄(即何时测量或获得数据的指示)、数量或内容相关。因此，例如，候选网络实体可以接收对关于在候选网络实体处的训练数据的数量的信息的查询，并且候选网络实体可以用在候选网络实体处可用的数据样本的数量的指示来响应。
66.对候选网络实体的至少一个查询可以与候选网络实体在使用机器学习来训练模型时的性能相关。因此，候选网络实体可以被配置为响应于接收到该类型的查询而获得指示使用机器学习算法开发的初步模型的性能的一个或多个度量。也就是说，候选网络实体可以被配置为使用验证或测试数据集来测试在该候选网络实体处开发的模型的性能。验证或测试数据集可以是候选网络实体处可用的训练数据的子集。备选地，可以(例如由nwdaf 308)将验证或测试数据集提供给候选网络实体。度量可以包括模型的准确度和/或精确度的指示符。附加地或备选地，度量可以指示在候选网络实体处训练模型的效率。例如，度量可以包括在候选网络实体处用于训练初步模型的资源(存储器、处理能力等)和/或训练初步模型所用的时间(例如处理器时间、挂钟时间等)的指示符。
67.nwdaf 308向oam 312发送包括对附加信息的至少一个查询的第二请求消息404。nwdaf 308因此可以针对所有候选网络实体向oam 312发送单个第二请求消息404。备选地，
nwdaf 308可以向oam 312发送两个或更多个第二请求消息(例如，每个候选网络实体一个第二请求消息)。
68.oam 312从nwdaf 308接收包括至少一个查询的第二请求消息404。在一些实施例中，oam 312存储回答针对每个候选网络设备的至少一个查询所需的信息(例如，在缓存中)。例如，oam 312可以存储每个候选网络设备的网络业务负载信息。因此，如果至少一个查询指定候选设备必须具有小于50％的网络业务负载，则oam 312可以确定哪些候选网络设备满足该要求并向nwdaf 308发送哪些候选网络设备满足该要求的指示。
69.备选地，如果oam 312没有存储响应针对所有候选网络设备的至少一个查询所需的信息，则oam 312可以基于该至少一个查询生成第三请求消息406，并向两个或更多个候选网络实体中的至少一个发送第三请求消息406。第三请求消息406可以包括至少一个查询，或者第三请求消息406可以至少部分地基于第二请求消息404。例如，oam 312可以存储响应至少一个查询的一部分所需的信息，但缺少响应该查询的其余部分所需的信息。例如，该至少一个查询可以与候选网络实体的平均网络业务负载和用户的平均数量相关，并且oam 312可以存储候选网络实体的平均网络业务负载，但没有存储用户的平均数量。因此，第三请求消息406可以包括对回答查询所需的剩余信息的请求。在备选实施例中，oam 312将第二请求消息404作为第三请求消息406转发给每个候选网络实体。
70.从oam 312接收到第三请求消息406的每个候选网络实体可以向oam 312发送第二响应消息408，该消息408包括在至少一个查询中请求的附加信息。例如，第三请求消息406可以包括与候选网络实体支持的软件类型的版本相关的查询。候选网络实体因此可以在响应消息408中指示其被配置使用的软件版本。
71.在至少一个查询包括一个或多个第二选择标准的实施例中，接收第三请求消息406的每个候选网络实体可以在第二响应消息408中指示它是否符合该至少一个查询中包括的一个或多个第二选择标准。例如，候选网络实体可以使用一个或多个布尔参数来指示满足一个或多个第二选择标准中的哪一个(例如，第二响应消息408可以包括每个第二选择标准的一个布尔参数)。在一个示例中，满足所有一个或多个第二选择标准的候选网络实体返回真值(例如，逻辑值1)。在另一示例中，不满足一个或多个第二选择标准中的至少一个的候选网络实体返回假值(例如，逻辑值0)。例如，至少一个查询可以包括候选网络实体已经收集至少1000个数据样本(例如用于训练模型)的第二选择标准。因此，仅收集了800个数据样本的候选网络实体在第二响应消息408中返回假值。
72.在特定实施例中，如果至少一个查询包括一个或多个第二选择标准，则候选网络实体可以仅在候选网络实体满足一个或多个第二选择标准中的每一个时才响应第三请求消息406。因此，在上述示例中，已收集少于1000个数据样本的候选网络实体可以不响应第三请求消息406。oam 312因此可以将缺少来自候选网络实体的响应视为候选网络实体不满足一个或多个第二选择标准的指示。
73.oam 312因此从一个或多个候选网络实体接收第二响应消息408。oam 312基于第二响应消息408向nwdaf 308发送第三响应消息410。例如，oam 312可以在第三响应消息410中将第二响应消息408转发给nwdaf 308。备选地，oam 312可以从第二响应消息408中提取在至少一个查询中请求的附加信息，并在第三响应消息410中将附加信息发送给nwdaf 308。
74.如果该至少一个查询包括一个或多个第二选择标准，则oam 312可以向nwdaf 308发送第三响应消息410，其中第三响应消息410包括对两个或更多个候选网络实体中的哪一些满足一个或多个第二选择标准的指示。因此，例如，第三响应消息410可以包括仅满足一个或多个第二选择标准的候选网络实体的标识信息。备选地，第三响应消息可以包括初始向oam 312标识的所有候选网络实体的标识信息(在请求消息404中)以及关于每个候选网络实体是否满足一个或多个第二选择标准的指示(例如布尔值)。
75.在特定实施例中，oam 312可以发送仅针对满足一个或多个第二选择标准的候选网络实体子集的指示。例如，oam 312可以被预配置有最大数量的候选网络实体以向nwdaf 308报告。备选地，nwdaf308可以在第二请求消息404中指示要报告的最大数量的候选网络实体。
76.因此，仅满足第二选择标准的那些网络实体子集可以被报告给nwdaf 308。oam 312可以使用任何合适的方法来选择候选网络实体子集。例如，可以随机选择候选网络实体子集。备选地，oam 312可以基于候选网络实体的特性来选择候选网络实体子集。与候选网络实体的特性相关的信息可以存储在oam 312处(例如在缓存中)，或者oam可以例如从候选网络实体获得信息(例如在第二响应消息408中)。
77.oam 312可以根据特定特性来对候选网络实体进行排名，并选择最佳(例如最高)排名的候选网络实体。可以使用安全的多方计算算法(例如yao的百万富翁问题算法)来比较多个候选网络实体的特性，同时最小化网络实体之间共享的信息。例如，oam 312可以选择具有最大训练数据集的候选网络实体子集。因此，可以使用安全的多方计算算法来确定哪些候选网络实体具有最大的训练数据集，而不向oam312透露训练数据集的大小。
78.在其他示例中，oam 312可以基于候选网络实体在网络中的位置来选择候选网络实体子集。例如，oam 312可以优先选择在同一网络切片中的候选网络实体。
79.因此，在特定实施例中，oam 312基于从候选网络实体接收的一个或多个第二响应消息408来选择候选网络实体子集。oam 312然后将第三响应消息410发送给nwdaf。使用第三响应消息410，nwdaf308选择一个或多个候选网络实体来参与协作学习过程，以使用机器学习算法来训练模型。
80.在一些实施例中，第三响应消息410包括在至少一个查询中请求的附加信息。nwdaf 308因此可以基于附加信息来选择一个或多个候选网络实体。例如，如果附加信息包括对在每个候选网络实体处可用于使用机器学习来训练模型的数据样本的数量的指示，则nwdaf308可以选择具有最大数量的数量样本的一个或多个候选网络实体。在另一示例中，nwdaf 308可以应用一个或多个第二选择标准(例如上述一个或多个第二选择标准)来选择一个或多个候选网络实体。在该示例中，nwdaf 308而不是候选网络实体确定候选网络实体是否满足一个或多个第二选择标准。
81.第三响应消息410可以包括对两个或更多个候选网络实体中的哪一些满足一个或多个第二选择标准的指示。nwdaf 410因此可以例如选择被指示为满足一个或多个第二选择标准的候选网络实体以参与协作学习过程。
82.在特定实施例中，nwdaf 308针对两个或更多个候选网络实体中的至少一个候选网络实体接收用于参与协作学习过程的一个或多个参与标准。一个或多个参与标准可以包括在第三响应消息410中，并且可以已经由至少一个候选网络实体指定(例如在第二响应消
息408中)。
83.一个或多个参与标准可以包括任何合适的标准，包括例如最小阈值数量的网络实体参与协作学习过程的要求、nwdaf 308与候选网络实体在相同的网络切片中的要求、和/或参与协作学习过程的所有网络实体都在同一网络切片中的要求。
84.nwdaf 308可以基于一个或多个参与标准来选择一个或多个候选网络实体来参与协作学习过程。因此，例如，如果不满足由候选网络设备指定的参与标准，则nwdaf 308可以不选择该候选网络设备。相反，如果满足由候选网络设备指定的一个或多个参与标准，则nwdaf 308可以选择该候选网络设备来参与协作学习过程。
85.nwdaf 308可以使用任何上述方法来选择候选网络实体。nwdaf 308然后可以发起在所选择的候选网络实体处使用机器学习算法对模型的训练作为协作学习过程的一部分。nwdaf 308可以向每个选择的候选网络实体发送触发消息，该触发消息指示候选网络实体使用机器学习算法来训练模型。例如，触发消息可以包括与模型相关的信息(例如模型参数和/或模型的标识信息)和/或对要使用的机器学习算法的指示。备选地，候选网络实体可以被预配置有该信息的一些或全部。
86.在关于图4描述的实施例中，nwdaf通过向中间网络实体(在这种情况下为oam 312)发送查询来查询候选网络实体。然而，本领域技术人员将理解，在一些实施例中，nwdaf 308可以通过向每个候选网络实体发送第二请求消息404并从一个或多个候选网络实体接收一个或多个响应来直接查询候选网络实体。在这样的实施例中，可以省略在oam 312处对候选网络实体子集的选择。
87.图5是根据本公开实施例的由通信网络中的协调网络实体执行的方法的流程图。例如，协调实体可以是上面关于图3描述的nwdaf302。协调实体可以在通信网络的核心网络中。备选地，协调网络可以例如在通信网络的无线电接入网或回程网络中。
88.该方法开始于步骤502，其中协调网络实体向通信网络中的网络注册实体发送针对通信网络中能够执行协作学习的多个候选网络实体的标识信息的请求消息。网络注册实体例如可以在通信网络的核心网络中。网络注册实体可以是例如上面关于图3描述的网络功能存储库功能(nrf)。例如，步骤502可以基本上对应于上面关于图4描述的第一请求消息400的发送。
89.在步骤504中，协调网络实体从网络注册实体接收多个候选网络实体的标识信息。例如，步骤504可以基本上对应于上面关于图4描述的第一响应消息402的接收。
90.在步骤506中，协调网络实体发起在多个候选网络实体中的一个或多个网络实体处使用机器学习算法对模型的训练作为协作学习过程的一部分。
91.图6是根据本公开实施例的由通信网络中的网络注册实体执行的方法的流程图。例如，网络注册可以在通信网络的核心网络中。网络注册实体可以是例如上面关于图3描述的网络功能存储库功能(nrf)。
92.该方法开始于步骤602，其中网络注册实体从通信网络中的协调网络实体接收请求消息，其中该请求消息请求通信网络中能够执行协作学习的多个候选网络实体的标识信息。例如，协调实体可以是上面关于图3描述的nwdaf 302。协调实体可以在通信网络的核心网络中。例如，步骤602可以基本上对应于上面关于图4描述的第一请求消息400的接收。
93.在步骤604中，网络注册实体从在网络注册实体处注册的多个网络实体中标识能
够执行协作学习的两个或更多个候选网络实体。
94.在步骤606中，网络注册实体向协调网络实体发送两个或更多个候选网络实体的指示。例如，步骤606可以基本上对应于上面关于图4描述的第一响应消息402的发送。
95.图7是根据本公开实施例的用于通信网络(例如，图3中示出的系统300)的装置700的示意图。装置700可以在网络功能或实体(例如，上面关于图3描述的nwdaf 308)中实现。装置700可操作用于执行参考图5描述的示例方法以及可能的本文公开的任何其他过程或方法。还应当理解，图5的方法可以不一定仅由装置700执行。该方法的至少一些操作可以由一个或多个其他实体执行。
96.装置700包括处理电路702(例如一个或多个处理器、数字信号处理器、通用处理单元等)、机器可读介质704(例如，存储器，例如只读存储器(rom)、随机存取存储器、高速缓冲存储器、闪存设备、光存储设备等)和一个或多个接口706。
97.根据本公开的实施例，机器可读介质704存储指令，所述指令在由处理电路702执行时使装置700：向通信网络中的网络注册实体发送针对通信网络中能够执行协作学习的多个候选网络实体的标识信息的请求消息。从网络注册实体接收多个候选网络实体的标识信息；以及发起在多个候选网络实体中的一个或多个网络实体处使用机器学习算法对模型的训练作为协作学习过程的一部分。
98.在其他实施例中，处理电路702可以被配置为直接执行该方法，或被配置为使装置700执行该方法，而不执行存储在非暂时性机器可读介质704中的指令，例如通过适当配置的专用电路。
99.一个或多个接口706可以包括适合于使用任何合适的通信介质与通信网络的其他节点通信的硬件和/或软件。例如，接口106可以包括一个或多个有线接口，使用光或电传输介质。这样的接口因此可以利用光或电发射机和接收机，以及必要的软件来编码和解码经由该接口发送的信号。在另一示例中，接口106可以包括一个或多个无线接口。这样的接口因此可以利用一个或多个天线、基带电路等。组件被示出为串联耦合在一起；然而，本领域技术人员将理解，组件可以以任何合适的方式(例如，经由系统总线等)耦合在一起。
100.在本公开的另外的实施例中，装置700可以包括电源电路(未示出)。电源电路可以包括电源管理电路或耦合到电源管理电路，并且被配置为向装置700的组件提供用于执行本文描述的功能的电力。电源电路可以从电源接收电力。电源和/或电源电路可以被配置为以适合于各个组件的形式(例如，以每个相应组件所需的电压和电流水平)向装置700的各种组件提供电力。电源可以被包括在电源电路和/或装置700中或在电源电路和/或装置700外部。例如，装置700可以经由输入电路或诸如电缆的接口连接到外部电源(例如，电插座)，由此外部电源向电源电路供电。作为另一示例，电源可以包括电池或电池组形式的电源，其连接到或集成在电源电路中。如果外部电源发生故障，则电池可以提供备用电力。也可以使用其他类型的电源，例如光伏器件。
101.图8是根据本公开实施例的用于通信网络(例如，图3中示出的系统300)的装置800的示意图。装置800可以在网络实体或功能(例如，上面关于图3描述的nwdaf 308)中实现。装置800可操作用于执行参考图5描述的示例方法以及可能的本文公开的任何其他过程或方法。还应当理解，图5的方法可以不一定仅由装置800执行。该方法的至少一些操作可以由一个或多个其他实体执行。
102.装置800包括发送单元802，其被配置为向通信网络中的网络注册实体发送针对通信网络中能够执行协作学习的多个候选网络实体的标识信息的请求消息。装置800还包括接收单元804和发起单元806。接收单元804被配置为从网络注册实体接收多个候选网络实体的标识信息。发起单元806被配置为发起在多个候选网络实体中的一个或多个网络实体处使用机器学习算法对模型的训练作为协作学习过程的一部分。
103.装置800可以包括处理电路，处理电路可以包括一个或多个微处理器或微控制器以及其他数字硬件(可以包括数字信号处理器(dsp)、专用数字逻辑等)。处理电路可以被配置为执行存储在存储器中的程序代码，该存储器可以包括一种或多种类型的存储器，例如只读存储器(rom)、随机存取存储器、高速缓冲存储器、闪存设备、光存储设备等。在若干实施例中，存储在存储器中的程序代码包括用于执行一个或多个电信和/或数据通信协议的程序指令以及用于执行本文所述的一种或多种技术的指令。在一些实现方式中，处理电路可以用于使发送单元802、接收单元804、发起单元806以及装置800的任何其他合适的单元执行根据本公开的一个或多个实施例的对应功能。
104.装置800可以附加地包括被配置为向装置800提供电力的电源电路(未示出)。
105.图9是根据本公开实施例的用于通信网络(例如，图3中示出的系统300)的装置900的示意图。装置900可以在网络功能或实体(例如，图3中示出的nrf 310)中实现。装置900可操作用于执行参考图6描述的示例方法以及可能的本文公开的任何其他过程或方法。还应当理解，图6的方法可以不一定仅由装置900执行。该方法的至少一些操作可以由一个或多个其他实体执行。
106.装置900包括处理电路902(例如一个或多个处理器、数字信号处理器、通用处理单元等)、机器可读介质904(例如，存储器，例如只读存储器(rom)、随机存取存储器、高速缓冲存储器、闪存设备、光存储设备等)和一个或多个接口906。
107.在一个实施例中，机器可读介质904存储指令，所述指令在由处理电路902执行时使装置900：从通信网络中的协调网络实体接收请求消息，该请求消息请求通信网络中能够执行协作学习的多个候选网络实体的标识信息；从装置900处注册的多个网络实体中标识能够执行协作学习的一个或多个候选网络实体；以及向协调网络实体发送对一个或多个候选网络实体的指示。
108.在其他实施例中，处理电路902可以被配置为直接执行该方法，或被配置为使装置900执行该方法，而不执行存储在非暂时性机器可读介质904中的指令，例如通过适当配置的专用电路。
109.一个或多个接口906可以包括适合于使用任何合适的通信介质与通信网络的其他节点通信的硬件和/或软件。例如，接口906可以包括一个或多个有线接口(使用光或电传输介质)。这样的接口因此可以利用光或电发射机和接收机，以及必要的软件来编码和解码经由该接口发送的信号。在另一示例中，接口906可以包括一个或多个无线接口。这样的接口因此可以利用一个或多个天线、基带电路等。组件被示出为串联耦合在一起；然而，本领域技术人员将理解，组件可以以任何合适的方式(例如，经由系统总线等)耦合在一起。
110.在本公开的另外的实施例中，装置900可以包括电源电路(未示出)。电源电路可以包括电源管理电路或耦合到电源管理电路，并且被配置为向装置900的组件提供用于执行本文描述的功能的电力。电源电路可以从电源接收电力。电源和/或电源电路可以被配置为
以适合于各个组件的形式(例如，以每个相应组件所需的电压和电流水平)向装置900的各种组件提供电力。电源可以被包括在电源电路和/或装置900中或在电源电路和/或装置900外部。例如，装置900可以经由输入电路或诸如电缆的接口连接到外部电源(例如，电插座)，由此外部电源向电源电路供电。作为另一示例，电源可以包括电池或电池组形式的电源，其连接到或集成在电源电路中。如果外部电源发生故障，则电池可以提供备用电力。也可以使用其他类型的电源，例如光伏器件。
111.图10是根据本公开实施例的用于通信网络(例如，图3中示出的系统300)的装置1000的示意图。装置1000可以在网络功能或实体(例如，图3中示出的nrf 310)中实现。装置1000可操作用于执行参考图6描述的示例方法以及可能的本文公开的任何其他过程或方法。还应当理解，图6的方法可以不一定仅由装置1000执行。该方法的至少一些操作可以由一个或多个其他实体执行。
112.装置1000包括接收单元1002，其被配置为从通信网络中的协调网络实体接收请求消息，该请求消息请求通信网络中能够执行协作学习的多个候选网络实体的标识信息。装置1000还包括标识单元1004，其被配置为从在该装置处注册的多个网络实体中标识能够执行协作学习的一个或多个候选网络实体。装置1000还包括发送单元1006，其被配置为向协调网络实体发送对一个或多个候选网络实体的指示。
113.装置1000可以包括处理电路，处理电路可以包括一个或多个微处理器或微控制器以及其他数字硬件(可以包括数字信号处理器(dsp)、专用数字逻辑等)。处理电路可以被配置为执行存储在存储器中的程序代码，该存储器可以包括一种或多种类型的存储器，例如只读存储器(rom)、随机存取存储器、高速缓冲存储器、闪存设备、光存储设备等。在若干实施例中，存储在存储器中的程序代码包括用于执行一个或多个电信和/或数据通信协议的程序指令以及用于执行本文所述的一种或多种技术的指令。在一些实现方式中，处理电路可以用于使接收单元1002、标识单元1004、发送单元1006、以及装置1000的任何其他合适的单元执行根据本公开的一个或多个实施例的对应功能。
114.装置1000可以附加地包括被配置为向装置1000提供电力的电源电路(未示出)。
115.术语“单元”可以具有在电子产品、电气设备和/或电子设备领域中的常规含义，并且可以包括例如用于执行各个任务、过程、计算、输出和/或显示功能等(例如本文所述的那些功能)的电气和/或电子电路、设备、模块、处理器、存储器、逻辑固态和/或分立器件、计算机程序或指令。
116.因此，本文描述的实施例允许在通信网络中实现机器学习时减少时延、最小化资源开销并降低安全问题的风险。具体地，本文描述的实施例提供了一种用于选择网络实体以执行协作学习过程的有效方法，从而提供了一种用于在通信网络中执行协作学习的更可靠的方法。
117.应当注意，上述实施例说明而非限制本文公开的构思，并且本领域技术人员将能够设计很多备选实施例而不脱离所附声明的范围。词语“包括”不排除存在除了声明中所列出的元素或步骤之外的元素或步骤，“一”或“一个”不排除多个，并且单个处理器或其它单元可以完成声明中记载的若干单元的功能。声明中的任何附图标记不应被理解为对其范围的限制。