特許ウォッチ

公開番号2025133562
公報種別公開特許公報(A)
公開日2025-09-11
出願番号2024031586
出願日2024-03-01
発明の名称移動通信ネットワークのネットワークノード及びプログラム
出願人KDDI株式会社
代理人弁理士法人大塚国際特許事務所
主分類H04W 88/18 20090101AFI20250904BHJP(電気通信技術)
要約【課題】第1サーバが有する情報を第2サーバに送信することなく第2サーバにおいて当該情報に基づく推論を可能にする。
【解決手段】移動通信ネットワークのネットワークノードは、第1サーバが第1学習モデルを使用して生成した第1中間情報を前記第1サーバから受信する第1受信手段と、第2学習モデルを使用する第2サーバに、前記第1中間情報に基づく第2中間情報を送信する第1送信手段と、前記第2サーバから前記第2中間情報の誤差を示す第2誤差情報を受信する第2受信手段と、前記第2中間情報から導出される前記第1中間情報の誤差を示す第1誤差情報を前記第1サーバに送信する第2送信手段と、を備えている。
【選択図】図3
特許請求の範囲【請求項１】
移動通信ネットワークのネットワークノードであって、
第１サーバが第１学習モデルを使用して生成した第１中間情報を前記第１サーバから受信する第１受信手段と、
第２学習モデルを使用する第２サーバに、前記第１中間情報に基づく第２中間情報を送信する第１送信手段と、
前記第２サーバから前記第２中間情報の誤差を示す第２誤差情報を受信する第２受信手段と、
前記第２中間情報から導出される前記第１中間情報の誤差を示す第１誤差情報を前記第１サーバに送信する第２送信手段と、
を備えている、ネットワークノード。
続きを表示（約 1,300 文字）【請求項２】
前記第２中間情報は、前記第１中間情報と同じであり、
前記第１誤差情報は、前記第２誤差情報と同じである、請求項１に記載のネットワークノード。
【請求項３】
前記ネットワークノードが収集した第１情報と前記第１中間情報とを第３学習モデルの入力とすることで前記第２中間情報を生成する生成手段と、
前記第２誤差情報に基づき前記第３学習モデルを更新すると共に、前記第１誤差情報を導出する更新手段と、
をさらに備えている、請求項１に記載のネットワークノード。
【請求項４】
前記ネットワークノードが収集した第１情報を第３学習モデルの入力とすることで第３中間情報を生成し、前記第３中間情報と前記第１中間情報とを第４学習モデルの入力とすることで前記第２中間情報を生成する生成手段と、
前記第２誤差情報に基づき前記第４学習モデルを更新すると共に、前記第１誤差情報及び前記第３中間情報の誤差を示す第３誤差情報を導出し、前記第３誤差情報に基づき前記第３学習モデルを更新する更新手段と、
をさらに備えている、請求項１に記載のネットワークノード。
【請求項５】
前記ネットワークノードが収集した第１情報を第３学習モデルの入力とすることで第３中間情報を生成する生成手段をさらに備え、
前記第２中間情報は、前記第１中間情報及び前記第３中間情報を含み、
前記第２誤差情報は、前記第１誤差情報及び前記第３中間情報の誤差を示す第３誤差情報を含む、請求項１に記載のネットワークノード。
【請求項６】
前記第２学習モデルは、前記第１送信手段が前記第２サーバに送信したものであり、
前記第１学習モデルは、前記第２送信手段が前記第１サーバに送信したものである、請求項１に記載のネットワークノード。
【請求項７】
前記第１サーバは、第２情報を前記第１学習モデルの入力とすることで前記第１中間情報を生成し、
前記第２サーバは、前記第２中間情報を前記第２学習モデルの入力とすることで分析結果を取得し、
複数のサーバが前記移動通信ネットワークの他のネットワークノードに登録した、サーバにおいて収集できる情報を示す情報と、サーバが要求する分析結果を示す情報と、に基づき前記複数のサーバから前記第１サーバ及び前記第２サーバを選択する選択手段をさらに備えている、請求項１に記載のネットワークノード。
【請求項８】
前記他のネットワークノードは、ネットワークリポジトリ機能（ＮＲＦ）を実装するノードである、請求項７に記載のネットワークノード。
【請求項９】
前記ネットワークノードは、ネットワークデータ分析機能（ＮＷＤＡＦ）を実装するノードである、請求項１に記載のネットワークノード。
【請求項１０】
１つ以上のプロセッサを有する装置の前記１つ以上のプロセッサで実行されると、前記装置を請求項１から９のいずれか１項に記載のネットワークノードとして機能させるプログラム。

発明の詳細な説明【技術分野】
【０００１】
本開示は、移動通信システムおける学習モデルの利用技術に関する。
続きを表示（約 1,800 文字）【背景技術】
【０００２】
非特許文献１は、移動通信ネットワークにおけるデータ分析サービス（ｄａｔａａｎａｌｙｔｉｃｓｓｅｒｖｉｃｅｓ）のための構成を開示している。サービスを提供するネットワーク機能（ＮＦ）は、プロデューサＮＦとも呼ばれ、プロデューサＮＦが提供するサービスを利用（サブスクライブ）するＮＦは、コンシューマＮＦとも呼ばれる。なお、プロデューサＮＦは、同時にコンシューマＮＦとしても動作し得る。
【０００３】
非特許文献１によると、移動通信ネットワークのコアネットワークには、データ分析サービスを提供するプロデューサＮＦであるネットワークデータ分析機能（ＮＷＤＡＦ）が設けられる。コンシューマＮＦは、ＮＷＤＡＦが提供するデータ分析サービスをサブスクライブすることで分析結果を取得する。
【０００４】
コンシューマＮＦは、例えば、移動通信ネットワークに接続する外部のデータネットワーク（ＤＮ）、例えば、インターネットに配置されたサーバに実装される。当該サーバは、例えば、移動通信ネットワークの無線デバイス（ＷＤ）に対して特定のサービス、例えば、動画配信サービスを提供するサービス提供事業者によって運用される。サービス提供事業者は、当該サービス提供事業者が運用しているサーバ（ＮＦ）にデータ分析サービスをサブスクライブさせることで、当該サービス提供事業者のサービスを利用しているＷＤを使用しているユーザの体感品質（ＱｏＥ）等の分析結果を移動通信ネットワークから取得することができる。
【０００５】
なお、体感品質等の分析結果を取得するためには、移動通信ネットワークが有する情報（以下、ＮＷ情報）と、当該サービスを利用するためのアプリケーションに関する情報といった、サービス提供事業者が有する情報（以下、ＡＰＰ情報）と、が使用され得る。分析のためにＮＷ情報及びＡＰＰ情報の両方を使用する場合、ＮＷＤＡＦは、移動通信ネットワーク内で収集したＮＷ情報と、ＮＦから通知されたＡＰＰ情報と、を学習モデルの入力として推論を行って、その結果（分析結果）をＮＦに通知する。
【０００６】
しかしながら、ＡＰＰ情報は、サービス提供事業者が外部に提出できないプライバシ情報を含み得るため、ＡＰＰ情報をＮＷＤＡＦに送信できない場合が生じ得る。したがって、ＮＷＤＡＦが学習モデルをＮＦに配布し、ＮＦが学習モデルを使用して推論を行う構成を考えることもできる。しかしながら、ＮＷ情報も移動通信ネットワークのオペレータが外部に提出できないプライバシ情報を含み得るため、ＮＷ情報をＮＦに送信できない場合が生じ得る。
【０００７】
この様な場合、非特許文献２に開示されている垂直連合学習（ＶＦＬ）の構成を適用することができる。具体的には、図１に示す様に、ＮＷＤＡＦは、ＮＷ情報を学習モデルＡの入力として中間情報を生成し、中間情報をＮＦに送信する。ＮＦは、ＮＷＤＡＦから取得した中間情報と、ＮＦが収集したＡＰＰ情報と、を学習モデルＢの入力として推論を行う。ＶＦＬの構成を適用することで、ＮＷＤＡＦからＮＦに送信される情報を、ＮＷ情報とは異なる中間情報としつつ、ＮＦにおいて分析結果を取得するための推論を行うことができる。
【先行技術文献】
【非特許文献】
【０００８】
３ＧＰＰＴＳ２３．２８８，Ｖ１８．３．０，２０２３年９月
３ＧＰＰＳ２－２３０６４２４
【発明の概要】
【発明が解決しようとする課題】
【０００９】
ＮＷＤＡＦが提供する分析サービスにおいてＶＦＬ構成を適用する場合、ＮＦは学習モデルＢの出力の誤差を判定して学習モデルＢを更新すると共に、中間情報の誤差を求め、この中間情報の誤差をＮＷＤＡＦにフィードバックする。そして、ＮＷＤＡＦは、中間情報の誤差に基づき学習モデルＡを更新することになる。
【００１０】
しかしながら、分析結果を得るためのＡＰＰ情報を有しているＮＦ（以下、第１ＮＦと表記する。）と、分析結果を取得するＮＦ（以下、第２ＮＦと表記する。）が異なる場合に、第１ＮＦがそのＡＰＰ情報を第２ＮＦに送信することなく、分析結果を第２ＮＦに提供するための手順は定義されていない。
（【００１１】以降は省略されています）

関連特許