I. 서론 최근 모바일 네트워크 내에서 Artificial Intelligence(AI) 및 Machine Learning(ML) 기술을 고도화된 네트워크 관리 혹은 네트워크 성능 향상에 적용하려는 시도가 활발히 이루 어지고 있다. 동시에 AI/ML 기술을 네트워크에 효과적으로 적용하기 위해 네트워크가 어떤 역할을 수행할 수 있을지 혹은 어떤 기능을 제공해줘야 할지에 관한 내용인 Network for AI 연구도 이루어지고 있다. 이러한 Network for AI 연구의 일환으로 5G 표준화 단체인 3rd Generation Partnership Project(3GPP)에서는 5G 시스템 내에 Network Data Analytics Function(NWDAF)를 정의하여 네트워크 내에서 수집된 데이터들을 분석 및 가 공하는 역할을 수행할 수 있도록 표준화 작업을 진행하고 있다[1]. NWDAF는 Access and Mobility Management Function(AMF), Session Management Function(SMF), Policy Control Function(PCF) 등과 같은 5G 코어 네트워크 기능에서 요구하는 분석 정보를 학습 된 AI, ML 모델 등을 기반으로 제공하여 전반적인 네트워크 관리 혹은 성능 향상에 도움을 줄 수 있다. 이에 NWDAF는 AI/ML 기반의 코어 네트워크 자동화/지능화에 핵심적인 역할 을 수행할 것으로 여겨지고 있다. 3GPP에서는 NWDAF의 표준화와 더불어 NWDAF와 관련된 이슈들을 발굴하고, 이를 해결하기 위한 여러 방안들을 논의하고 있다. 즉, 5G에서의 고도화된 네트워크 자동화, 지능 화를 지원하기 위해 NWDAF의 데이터 수집 기능, 분석 기능, 추론 기능 등을 개선 및 확장할 수 있도록 다양한 이슈들을 분석하고 각 이슈들에 대한 솔루션들이 제안되고 있다. 예를 * 본 내용은 고한얼 교수(☎ 044-864-1346, heko@korea.ac.kr)에게 문의하시기 바랍니다. ** 본 내용은 필자의 주관적인 의견이며 IITP의 공식적인 입장이 아님을 밝힙니다. Network for AI 기술 동향 Chapter 02 ICT 신기술 정보통신기획평가원 15 들어, 코어 네트워크에 NWDAF가 하나만 존재하는 단일 NWDAF 환경뿐만 아니라 여러 개의 NWDAF가 각 NF들에 분산되어 있는 환경도 배포 시나리오로 고려되고 있기 때문에 분산 NWDAF 환경에서 NWDAF 분석 정보 간에 발생할 수 있는 일관성 문제 등도 해결되 어야 하는 이슈 중 하나이며, 이를 해결하기 위해 계층적인 NWDAF 구조가 제안되었다. 한편, 최근 모바일 기기의 발달로 인해 모바일 기기의 애플리케이션에서 사용되던 기존 알고리즘들도 AI/ML 모델로 대체되고 있는 추세이다. 기존 중앙 클라우드에서 AI/ML 모델 을 운용하여 추론 결과를 모바일 기기에게 전달해주는 방식에 비해 모바일 기기 또는 엣지 클라우드에 AI/ML 모델을 배포, 운용하는 방식이 실시간 애플리케이션에서 요구되는 저지 연성을 수월하게 만족시킬 수 있다. 이와 관련된 기술들로는, AI/ML 모델을 모바일 기기와 클라우드가 일부 나눠서 추론을 진행하는 Split Computing 기술과 엣지 클라우드의 AI/ ML 모델 캐싱 등이 존재한다. 또한, 모바일 기기의 데이터 프라이버시를 보장하면서 대규모 로 분산 학습을 진행할 수 있는 연합 학습(Federated Learning)에 관한 연구도 학계에서 활발히 진행되고 있다. 3GPP에서는 위에서 언급한 기술들을 5G 네트워크에서 효율적으로 지원하기 위한 Network for AI 기술 및 방안들에 대해 지속적으로 논의가 될 예정이다. 본 고에서는 5G 네트워크에서 AI/ML 기술을 효율적으로 지원하기 위한 NWDAF와 그 외의 Network for AI와 관련된 내용을 정리한다. 구체적으로 II장에서는 NWDAF의 기본 내용과 표준화 동향을 간단히 소개한다. III장에서는 Network for AI 기술에 관한 내용을 살펴보고, 마지막으로 IV장에서는 본 고의 결론을 맺고자 한다. II. 네트워크 데이터 분석 기능(NWDAF) 1. NWDAF 등장 배경 최근 네트워크 관리자들이 수동적으로 관리하던 네트워크 제어 및 운용을 인공지능 기술 을 기반으로 자율의사결정 방법에 따라 완전자동화 방식으로 변형시키기 위한 네트워크 지 능 기술에 관심이 모인 상태이다[2],[3]. 네트워크 지능 기술은 네트워크로부터 수집된 다양 한 데이터를 인공지능 기반의 폐쇄형 반복 제어(Closed-Loop Control)를 통해 네트워크의 자동화 및 최적화가 가능하도록 하는 기술들을 포함한다. 수집하는 정보에는 네트워크 상태