A framework for 5G network data analytics function with emphasis on anomaly detection

Abstract

No domínio da tecnologia 5G, a funcionalidade de análise de dados, denominada \emph{Network Dada Analytics Function} (NWDAF), foi introduzida pela primeira vez na versão 16, destacando sua importância, objetivos e requisitos críticos. O NWDAF aproveita a Inteligência Artificial (IA) para melhorar seu desempenho, mas não é um recurso nativo dos núcleos 5G de código aberto, necessitando de sua implementação conforme as necessidades do usuário. No entanto, para utilizadores que desejam integrar o NWDAF ao núcleo, mas não estão familiarizados com a arquitetura principal ou com a integração da Interface de Programação de Aplicações (API), esta tarefa pode representar um desafio significativo, levando potencialmente ao abandono da implementação da análise de dados.Embora a atual iteração do NWDAF descreva casos de utilização específicos, não fornece alternativas para o desenvolvimento de novos cenários analíticos. Além disso, espera-se que a evolução das aplicações que utilizam 5G amplie os requisitos analíticos, necessitando de algoritmos de análise mais adaptáveis, capazes de acomodar uma variedade de casos de uso de análises do futuros. A literatura apresenta algoritmos de análise para casos de uso específicos, mas não discute a adaptabilidade a novas demandas analíticas ou a facilitação da implementação do NWDAF no núcleo. Respondendo a esta lacuna, esta dissertação concebe um \emph{framework} para análise de dados de redes 5G projetada para permitir a modificação algorítmica e a incorporação de novos contextos analíticos. O desenho do \emph{framework} considerou as especificações técnicas do 3GPP relacionadas à análise de dados. Sua avaliação foi realizada por meio de um caso de uso centrado na detecção de anomalias em segurança cibernética. Os resultados indicaram que o framework facilita a instalação e a flexibilidade de novos algoritmos e integra-se efetivamente com o núcleo da rede 5G, suprindo as deficiências previamente identificadas.