[논문리뷰] LLM-Enabled NWDAF: A Step Toward AI-Native 6G Network Intelligence

링크: 논문 PDF로 바로 열기

메타데이터

저자: Henok Daniel, Omar Alhussein, Cheng Li, Jie Liang, Ernesto Damiani

---

1. Key Terms & Definitions (핵심 용어 및 정의)

• NWDAF (Network Data Analytics Function): 5G 시스템 내에서 여러 Network Functions(NFs)로부터 데이터를 수집하고 분석하여, 실시간 분석 결과와 자동화된 제어 루프를 지원하는 기능입니다.
• IBN (Intent-Based Networking): 네트워크 운영자가 기술적인 구성 단계 대신 수행하고자 하는 목표(Intent)를 입력하면, 시스템이 이를 해석하여 자동으로 구성을 수행하는 고수준의 네트워크 관리 패러다임입니다.
• RAG (Retrieval-Augmented Generation): 사용자의 입력(질의)을 사전 정의된 의도(Intent) 데이터베이스와 비교하여 최적의 매칭을 찾고, 이를 바탕으로 정확한 응답을 생성하는 프레임워크입니다.
• SBA (Service-Based Architecture): NFs가 고유한 서비스를 표준화된 인터페이스(RESTful API)를 통해 노출함으로써, 유연한 상호 작용과 동적 서비스 발견을 가능하게 하는 5G 코어 네트워크의 아키텍처입니다.

2. Motivation & Problem Statement (연구 배경 및 문제 정의)

본 연구는 기존 오픈소스 5G 네트워크 환경에서 NWDAF의 기능적 한계와 비전문가 사용자를 위한 직관적인 관리 도구의 부재를 해결하고자 합니다. 현재의 5G 네트워크 관리 시스템은 CLI(Command Line Interface)나 복잡한 API 호출에 의존하고 있어, 운영자의 고수준 의도를 기술적 설정으로 변환하는 과정에서 높은 진입장벽이 존재합니다 [Figure 1]. 기존 연구들(Baseline)은 주로 개념 증명 수준에 머물거나 특정 데이터 분석에 국한되어 있으며, 실시간 이벤트 구독과 자연어 인터페이스가 결합된 통합적인 관리 프레임워크를 제공하지 못하고 있습니다. 이에 본 논문에서는 LLM 기반의 인텔리전트 인터페이스를 도입하여 NWDAF의 사용성을 극대화하고 AI-native 6G 네트워크로의 전환을 가속화하고자 합니다.

Figure 1 — LLM 기반 NWDAF의 전체 아키텍처

3. Method & Key Results (제안 방법론 및 핵심 결과)

본 논문은 Free5GC 기반의 오픈소스 네트워크 환경에 LLM이 통합된 NWDAF를 구축하여, 자연어 기반의 의도 인식 및 분석 기능을 제공하는 End-to-End 프레임워크를 제안합니다 [Figure 2]. 제안 시스템은 사용자의 자연어 명령을 처리하기 위해 RAG 방식을 채택하였으며, 입력된 질의를 text-embedding-ada-002 모델을 사용하여 벡터화한 뒤, 사전 정의된 7가지 의도 카테고리 중 코사인 유사도가 가장 높은 항목으로 분류합니다 [Figure 4]. 구현된 NWDAF는 AMF 및 SMF와의 이벤트 구독을 통해 실시간 데이터를 수집하며, 분석된 결과는 Prometheus를 통해 검색 가능하도록 설계되었습니다. 실험 결과, 제안된 임베딩 기반의 의도 분류 방식은 98.43%의 높은 분류 정확도를 달성하였으며, 이는 생성형 LLM 기반의 방식(GPT-4o 약 89.5%) 대비 우수한 성능을 보여줍니다. 또한, NWDAF 운영 오버헤드는 CPU 사용량의 0.06% 수준으로 매우 효율적으로 동작함을 확인하였습니다.

Figure 2 — AMF/SMF 구독이 포함된 NWDAF 구조

Figure 4 — RAG 기반의 자연어 질의 처리 워크플로우

4. Conclusion & Impact (결론 및 시사점)

본 연구는 5G 코어 네트워크의 NWDAF에 LLM 인터페이스를 성공적으로 통합함으로써, 복잡한 네트워크 관리 과정을 자연어 기반의 직관적인 상호작용으로 변환하는 데 성공했습니다. 이 프레임워크는 연구자와 운영자가 코딩 없이도 실시간 네트워크 분석 및 제어를 가능하게 함으로써, 네트워크 관리의 민주화와 효율성을 크게 증대시킵니다. 본 논문의 결과물은 6G 시대를 대비한 인공지능 기반의 지능형 네트워크 인프라 구축을 위한 중요한 발판을 마련하였으며, 공개된 소스 코드를 통해 향후 5G/6G 테스트베드 연구의 기초 데이터셋 및 분석 플랫폼으로 활용될 것으로 기대됩니다.

⚠️ 알림: 이 리뷰는 AI로 작성되었습니다.