聯邦學習結合O-RAN 開放基站的發展與展望

雖然本文打的可能會稍微得過於“在烏托邦紙上談兵”，但是我還是覺得聯邦學習結合 O-RAN 超有前景，適合應用在有 Diversity UEs 的專網！
（像是醫院場域，ICU 需要高頻寬量的 video surveillance、又需要 NB-IOT 的穿戴式裝置）
BTW: NB-IOT 在 5G 稱為 Redcap 標準

看了一些聯邦學習 (FL) 用於通訊的論文，瞭解聯邦學習的一些痛點
  • UE 端的算力不一，加上連線狀態不穩定，有高延遲問題
  • 每個 UEs 的資料異質性 (Heterogeneity) 太大（因為使用者的習慣都不一樣），造成聚合伺服器 train 出來的 model 不能用。
  • Attck 資安問題（UE 傳送惡意資料給伺服器，來搗亂伺服器的 model）
有關 藉由逆向工程 擷取 gradient 或是 paramerter 來反推用戶資訊，這部分我還沒有相關 Solution 或想法
因為由於聯邦學習的隱私保護，我們無法知道 UE 回傳給聚合伺服器的 gradient 是否為惡意。

但是關於要阻止 UE 傳輸惡意資料，我們一開始就先做 UE 認證~
UE 要接取 O-RAN 的 5G 訊號，就會需要 SIM 卡，那如果先做 SIM 卡/ eSIM+ 裝置認證，讓認證的裝置才能擁有 5G 網路接取權。
然後 UE APP 跟 MEC APP（就是 UE APP 跟 MEC Platform 當中的 Servise registry 和 traffic rules control App 進行認證和授權）


然後其實 UPF 後端還可以再防一層，讓 SMF 和 PCF 來控管數據流，沒通過認證的 UE 或 App 無法 Access MEC 及其後端服務。
（這部分可否用於聯邦學習待研究，因為聯邦學習隱私源則，我們無法得知 gradient 是否為惡意，但是是可以擋一下搗亂聚合伺服器 model 的 DDoS 攻擊，應該是沒問題的）

聯邦學習的痛點是什麼？UEs 系統異質性太大（系統算力不一、有人傳很快、有人低延遲）的問題嘛！
如果我們進行了 UE 認證，所以 MEC 就知道它下面註冊了哪些裝置，
那我們都知道 O-RAN RIC platform 當中的 xAPP 負責 RRM、QoS。
有關 RIC Platform 和 Near-RT RIC介紹 請詳見本篇文：https://thc1006.blogspot.com/2023/01/near-rt-ric.html

那如果我們寫一個 xAPP 進行網路切片，把 連線順暢 和 容易脫隊 透過網路切片分成兩組
然後透過 MTL 多工學習，同時對兩切片組進行聯邦學習來優化 UE
抑或是 聯邦學習分別對兩切片組建模，來訓練及迭代，實現異質性設備的非同步聯邦學習

然後如果想用盡 O-RAN 架構優點，就再更硬核一點，根據該地區的能源使用潮汐效應，設計一個 xAPP 來達到省電目標！

但是以上架構仍有一些缺點啦~ 可想而知整體複雜度變超高，還有成本提高，這就有點違反 O-RAN 初衷了~ 
加入聯邦學習，我覺得會因為運算，網路延遲會提高~ 
然後如果採用 O-RAN 架構的話，我覺得可以在 DU 前面 (Open Fronthaul介面) 做惡意偵測，阻止 UE 搗亂 model，然後應該還需要再加裝 PTP 校正延遲~

凌晨 4:00 寫的手稿


hctsai@linux.com

留言

張貼留言

這個網誌中的熱門文章

生成式AI將電信業推向新紀元

圖片
電信產業如何應用生成式 AI？ 究竟電信產業該如何引入生成式 AI (Generative AI)，來解決業界長久以來的痛點呢？秀吉現在就報給你知！ 前言 這個學年來捷克訪問，無法實體參與  Google Cloud Summit Taipei ，但身為國外的 GDSC Lead ，進修和教學還是責無旁貸，畢竟人生的樂趣在學習，人生的收穫在於奉獻 www 所以就忙裡偷閒在國外補檔一下  Google Cloud Summit Taipei | (中華電信)解析 Next’23 最新雲端技術 ；可能是因為主題安排或是時間關係，這場演講比較像是產品成果發表，技術偏少。 但沒關係，本篇文章將科普電信業引入生成式 AI 的魅力在哪？，同時針對演講中提到的 Data Cloud 服務應用與挑戰 做進一步的說明和科普。 簡而言之，這是一篇科普文，所以即使你沒聽過演講也看得懂 （廢話結束，以下正文） 電信產業如何應用生成式 AI 電信產業究竟如何應用生成式 AI，主要可以分成兩大使用範例(Use Cases)： Customer Automation （用戶自動化） Network Automation （網路自動化） 一般人經常使用到的生成式 AI，大多都是 大型語言模型 (Large language model；LLM) ，那麼隨著越來越多人的使用和媒體的炒作，民眾對生成式 AI 衍生服務的接受度也將逐漸增加，而這點對於電信業者來說，是個非常好的機會，為什麼我會這樣說呢？讓我們繼續看下去！ Customer Automation（用戶自動化） 對於絕大部分天然呆的台灣用戶來說：「電信供應商的好壞，在於客戶服務！」 所以只要將客服的體驗優化好，萬事皆好談！ 以中華電信為例，它擁有全台 90% 的固網業務以及 1300萬個門號用戶；對於一間擁有如此龐大用戶的電信業者，最重要的就是導入生成式 AI（如：語音辨識模型、對話模型），用來實現 用戶自動化(Customer Automation) ，和以下目標： 更快解決客戶遇到的問題 減少客服中心收到的來電 確保電信業真的有善用自家強大的科技技術，實現用戶個人化的電信服務 所以台灣四大電信業者正面臨一個龐大的機會，透過導入生成式 AI 實現用戶自動化，即可徹底改變現狀（例如：使用機器學習來分析客訴情況的描...
閱讀完整內容

「強化全民數位韌性」之前？先來聊聊什麼是 O-RAN 吧！| 科普教育

圖片
我國數位發展部的核心理念，即為「強化全民數位韌性」 摘要： 數位發展與全體國民的日常生活息息相關，我國數位發展部（以下簡稱數位部）成立的核心理念，即是為了 「強化全民數位韌性」 ，可是瑞凡 「數位韌性」 這個詞，對於全體民眾而言，似乎還太過遙遠，多數民眾對數位發展仍缺乏概念，也不了解數位到底如何發展？這乃是數位發展政策執行面上長久以來的痛點，因此，為了以俾日後社會全面數位化發展順利， 數位發展專有名詞 的 科學普及教育 實為勢在必行。 本篇文章以民眾日常生活中一定會接觸到的 行動通訊基地台 為題，並針對於我國數位發展的最新應用技術  O-RAN  來進行科普介紹，帶領讀者了解什麼是  O-RAN ？以及數位部是如何 應用  O-RAN 強化我國數位韌性 ，實現「科技島」願景，就讓我們接著看下去吧 ~ 前言： 行動通訊的高速演進，促進社會朝向全面數位化發展，現代人的生活無論求學、工作、娛樂，都早已離不開行動通訊，但當你在享受數位發展帶來生活便利的同時，有沒有想過數位發展究竟是透過什麼樣的工具來實現。本文將會分為三個部分進行科普，首先簡介行動通訊概論及其演進歷史，而後帶領讀者了解為 促進我國數位發展、強化數位韌性 背後的重要功臣「 O-RAN 」究竟是什麼，以及為何我們需要  O-RAN ？最後說明  O-RAN 強化我國數位韌性的應用案例 。 行動通訊概論及其演進歷史簡介： 在了解什麼是  O-RAN  之前，我們先來了解什麼叫做 (RAN ， Radio Access Network) 。 所謂的  RAN  就是 「無線電接取網路」，聽到這個專有名詞，大家可能還是很模糊。 我們換成另一個日常生活稱呼 「基地台」 ，大家應該就比較耳熟能詳，而就是  RAN  它發出了 4G 、 5G 的無線電訊號（如：手機、智慧手錶 等…）接收到訊號後，並與  RAN  互相收發訊號、交換資訊，就實現我們所謂的無線上網啦！ 圖(一) RAN 的基本架構，需包含 RU (射頻單元) 和 BBU (基帶單元)，才能組成完整的 RAN 「什麼是 O-RAN？敢是路邊攤个黑輪？這是啥可以吃嗎？」 讀者對於  RAN  有初步的瞭解...
閱讀完整內容

O-RAN Y1介面簡介

圖片
一句話介紹：這是 O-RAN 新增的介面(2023/03)，允許 Y1 consumers 訂閱或請求 Near-RT RIC 提供的 RAN 分析資訊 (RAN analytics information)。 圖(一) O-RAN Y1介面（圖中紅框處） O-RAN Y1介面功能介紹： Near-RT RIC 透過 Y1 介面，提供 RAN 分析資訊 (RAN analytics information) 的服務，而 Y1 consumers 可以藉由訂閱或請求 RAN 分析資訊 ，來使用 RAN 分析資訊 服務。 當 Y1 consumers 在 O-RAN 可信域 (Trusted Domain) 時，可以作為應用程式功能 (Application Functions，AFs)；或  RAN 分析資訊 可以透過網路曝光功能 (Network Exposure Function，NEF) 以安全的方式提供給 (Application Functions，AFs) 速記：在 O-RAN Trusted Domain 時 ， Y1 consumers == (Application Functions，AFs) 安全的網路曝光方式(NEF) 詳見：3GPP TS 23.501, Clause 5.20 (External Exposure of Network Capability)，連結如下： Release 17:  https://reurl.cc/ml7Y6W Release 16:  https://reurl.cc/7RnV2y 秀吉 MurMur： Y1 consumers  使用 RAN 分析資訊 服務，出發點一定是好的啦~，得以提供不同情境的使用者裝置更適合的服務，但 新介面的出現，同時也意味著新的資安威脅，學術界又有新的研究領域了（誤 綜觀 O-RAN 的高級架構 (High Level Architecture；HLA)   圖(一)： 圖(一) 顯示 O-RAN 架構中主要的四個介面 (A1、O1、Open Fronthaul M-plane、O2)。 SMO（服務管理和編排）透過 A1、O1、Open Fronthaul M-plane 連結 O-RAN Network Func...
閱讀完整內容