基于生成式人工智能的网络数字孪生图

关键字: [Amazon Web Services re:Invent 2024， 亚马逊云科技， 生成式AI， Network Digital Twin， Network Digital Twins， Graph Neural Networks， Generative Ai， Root Cause Analysis， Autonomous Networks]

导读

Orange，一家领先的欧洲电信公司，正在利用亚马逊云科技推动自主网络的发展，通过数字孪生和人工智能/机器学习来彻底改革运营方式。他们的创新解决方案基于亚马逊云科技服务，如Amazon Bedrock、Amazon Neptune和Amazon SageMaker，释放了先进的图深度学习能力，以创建强大的网络数字孪生。在本次会议中，了解Orange的开创性方法如何增强故障监控、维护和根本原因分析，从而推动网络弹性达到前所未有的水平。探索这一部署如何塑造自主网络的未来。

演讲精华

以下是小编为您整理的本次演讲的精华。

在电信领域，网络遍布广阔的地理区域，包含复杂的基础设施，实现自主运营一直是一个渴望已久的目标。作为一家在26个国家(主要是欧洲、中东和非洲地区)拥有业务的全球电信巨头，Orange公司一直在努力应对管理其庞大网络的复杂性。Orange公司拥有超过100万件设备，从密集城市中心的基站到偏远农村地区的基站，其挑战在于检测异常并识别根本原因，以应对不同的流量模式和使用场景。

Orange网络产生的数据量惊人——每天超过1万亿条呼叫详细记录，以及来自设备和探针的超过1PB累积数据。加剧这一挑战的是淹没网络的数百万条警报，使人工管理成为一项不可能完成的任务。Orange认识到基于专家规则、相关性和孤立数据分析的传统方法存在局限性，因此与亚马逊云科技合作，通过图形表示的视角重新定义了这一问题。

亚马逊云科技的首席AI/ML解决方案架构师Yemin Crida Binyayan阐释了他们方法的基础概念:将网络建模为异构且具有时间性的图形。这种范式转变意味着捕捉不同网络节点(如用户设备、基站、路由器和数据库)之间的复杂连接，同时考虑这些节点随时间变化的属性。通过采用以图形为中心的视角，亚马逊云科技和Orange希望超越基于表格或非连接数据分析的限制，开辟根本原因分析和网络优化的新途径。

图神经网络和图分析的强大功能构成了这一创新解决方案的核心。利用网络节点之间的本地连接并捕捉时间变化，图神经网络能够实现准确的预测、异常检测和根本原因识别。作为补充，图分析为网络图形提供了宝贵的见解，揭示了重要节点、社区和模式，否则这些都将被掩盖。

亚马逊云科技针对图形技术优化的综合服务套件和开源模型在实现这一愿景中发挥了关键作用。Amazon Neptune作为图形数据库服务，为存储和查询网络图形奠定了基础。Neptune Machine Learning提供了内置的图神经网络模型，而SageMaker使团队能够开发和部署定制的图神经网络解决方案，以满足特定需求。

亚马逊云科技和Orange团队的合作最终导致了网络数字孪生解决方案的开发，这是Orange物理网络基础设施的虚拟表示。该解决方案具有以下几个关键特性，可解决多域网络运营的挑战:

1. 可视化Orange跨三个网络域(RAN、传输、核心)的网络拓扑，有效打破了阻碍整体分析的数据孤岛。
2. 表示时间网络图形，捕捉网络随时间的动态演化，包括关键性能指标(KPI)、警报和其他关键属性的变化。
3. 集成生成式AI，这是一种前沿技术，可从图分析和图形数据库中获取见解，为网络运营团队提供综合报告，增强情况意识和决策能力。

视频演示展示了该解决方案在西班牙Pontevedra地区的实际应用能力。网络拓扑浏览器这一强大的可视化工具使运营商能够无缝浏览网络图形，跨越不同域并揭示网络节点之间的复杂连接。生成式AI在从图形中提取见解方面发挥了关键作用，减轻了运营商学习专门查询语言的需求，从而提高了可访问性和可用性。

最引人注目的演示之一展现了该解决方案在几秒钟内识别网络问题根本原因的能力——这个过程以前需要几个小时甚至几天。通过根据警报和依赖关系对网络节点进行评分和排名，图分析算法精确地指出了有问题的节点。然后，生成式AI组件会生成简洁的报告，将复杂的网络数据提炼为可操作的见解，供网络运营团队使用。

Yemin Crida Binyayan提供了支撑这一开创性解决方案的工作流程的幕后一瞥。数据准备是关键的第一步，涉及将来自各种格式(如XML、YAML和CSV文件)的异构网络数据转换为与图形兼容的表示形式。这个过程已自动化，以确保与图形建模和拓扑发现组件的无缝集成。

链路预测作为一种机器学习技术，在解决网络清单固有的不完整性方面发挥了关键作用。通过推断网络节点之间缺失的链接，该解决方案确保了网络拓扑的全面和准确表示，从而提高了后续分析的可靠性。

一旦建立了图形模型和拓扑，该解决方案就利用了来自Neptune Analytics引擎的图分析能力和来自SageMaker的图神经网络。这些先进技术从图形拓扑、警报和KPI中提取见解，实现了根本原因分析、变更管理模拟和网络可视化。

Orange的Molly Visimo强调了与亚马逊云科技合作带来的切实利益:

1. 大大缩短了根本原因分析的时间，这是网络运营中的一个关键指标。以前需要几个小时甚至几天的工作，现在只需几秒钟，这要归功于图分析算法和生成式AI。
2. 端到端的多域网络拓扑可见性，超越了历史上困扰网络管理系统的数据孤岛视角。通过整合传输网络和无线接入网络的数据，该解决方案提供了整体视角，有助于做出更明智的决策。
3. 有效的警报管理和报告，得益于生成式AI的集成。该解决方案不仅生成简洁的报告，还支持交互式查询，使网络运营团队能够深入了解特定事件，而无需专门的技术技能。

尽管该解决方案取得了显著成功，但Molly Visimo承认这只是一个开始。下一步是将解决方案过渡到实时数据管道，确保在事件发生后几分钟内就能进行异常检测和根本原因分析，最大限度地提高对网络运营的影响。

将该解决方案扩展到整个国家而不仅仅是区域部署，是另一个关键目标。随着解决方案的范围和复杂性不断扩大，团队预计将遇到新的挑战，需要进一步增强时间图神经网络的能力。

亚马逊云科技电信IBU全球技术团队负责人Robin Herwani在演讲的结尾对Orange团队的合作表示感谢。他称赞这个概念验证证明了亚马逊云科技的云架构和AI/ML基元如何为全球电信运营商实现自主网络的愿景。

在电信领域，网络复杂性不断升高，亚马逊云科技与Orange的合作代表了创新的典范。通过利用图形表示、图神经网络、图分析和生成式AI的力量，他们为高效的根本原因分析、网络可视化和自主网络运营铺平了道路。这一开创性的解决方案不仅解决了Orange面临的挑战，而且有望彻底改变整个行业，开启智能、自优化网络的新时代，这些网络能够适应互联世界不断变化的需求。

下面是一些演讲现场的精彩瞬间：

Robin Herwani，全球电信客户和合作伙伴技术团队的负责人，在reInvent2024大会上的演讲中介绍了他的同事Holly。

探索利用人工智能和尖端技术实现自主网络的愿景，以实现智能网络管理和自动化。

华为强调通过人工智能和机器学习对系统进行整体分析的重要性，打破不同网络域之间的壁垒，从系统之间的关系中获得洞见。

解释了图神经网络如何利用图表示来更准确地预测网络拥塞和检测异常，通过捕获依赖关系和小区干扰。

揭示图分析的强大功能:利用开源模型获取网络洞见，对节点进行聚类，识别关键连接，并提供实时大规模分析。

Emen公司推出的人工智能驱动系统成功将根本原因分析的时间从数小时缩短到几秒钟，效率显著提高。

演讲者讨论了将该项目扩展到覆盖整个国家的需求，强调了随着范围扩大和特殊时间图神经网络投入使用而带来的挑战和机遇。

总结

在这场引人入胜的演讲中，亚马逊云科技与领先的电信运营商Orange展示了他们在利用生成式人工智能和图神经网络革新网络运营方面的突破性合作。核心主题围绕着利用尖端技术构建更智能、更自主的网络，能够快速检测事件、分析根本原因并采取补救措施。

首先，他们强调了Orange在26个国家遍布的全球网络的巨大复杂性，每天有数百万个相互连接的网络元素产生大量数据和警报。传统的基于规则的方法和相关技术无法在如此复杂的系统中有效分析根本原因。

其次，他们介绍了创新解决方案:将网络建模为异构且具有时间特性的图，捕捉网络组件之间错综复杂的依赖关系和动态特性。通过利用图神经网络和图分析，他们能够遍历这个数字孪生体，在几秒钟内识别根本原因，并消除无关警报——这个过程以前需要数小时。

第三，他们展示了生成式人工智能在自动生成简洁但信息丰富的报告方面的强大功能，使网络运营团队无需专业技术技能即可轻松互动。

最后，他们勾勒了未来的愿景，包括集成实时数据管道、扩展到全国范围的部署，以及进一步完善时空图神经网络模型，以增强自主网络能力。

总之，亚马逊云科技与Orange的这一合作体现了生成式人工智能、图技术和云架构在革新网络运营方面的变革潜力，为真正自主和自我修复的网络铺平了道路，这些网络能够快速适应不断发展的需求和复杂性。

亚马逊云科技（Amazon Web Services）是全球云计算的开创者和引领者。提供200多类广泛而深入的云服务，服务全球245个国家和地区的数百万客户。做为全球生成式AI前行者，亚马逊云科技正在携手广泛的客户和合作伙伴，缔造可见的商业价值 – 汇集全球40余款大模型，亚马逊云科技为10万家全球企业提供AI及机器学习服务，守护3/4中国企业出海。