【P3】IBN（意图网络）的最新进展

May 2020
DOI: 10.1109/VTC2020-Spring48590.2020.9128422
Conference: 2020 IEEE 91st Vehicular Technology Conference (VTC2020-Spring)

Abstract

本文研究了基于意图的技术的最新进展，重点研究了网络管理和业务流程的相关方面。提供了关于标准化活动的全面分析，以及与IBN相关的平台。

I. INTRODUCTION

目前，大多数运营商都涉及复杂的网络配置步骤，其中配置和执行更新与底层异构和多样化的基础设施密切相关。这就需要在网络基础设施上构建抽象层，在此层中操作人员可以对不同基础设施的参数进行调优。

自然语言理解(NLU)和基于神经网络的算法的进展，如BERT，RoBERTa，GLUE，ERNIE提高了知识水平，可以将用给定语言(例如英语)表示的用户查询转换为结构充分的表示，以便由自动化服务处理。

• BERT：Bidirectional Encoder Representations from Transformers
• RoBERTa： Robustly Optimized BERT pretraining Approach
• GLUE：General Language Understanding Evaluation
• ERNIE：Enhanced Representation through kNowledge IntEgration

考虑到基于意图的技术与现有管理系统的高级集成，可以设计如图1所示的三层架构：

• 业务层：意图基于关键性能指标(KPIs)，并包括由业务层的用户触发的特定服务水平协议(SLAs)、流程、目标。

• 意图层：目标不是盲目执行全部计划好的行动序列，而是每一步都要重新评估和重新计划。预先计划的行动必须在这一层得到批准。在本层中，

  • Knowledge：处理意图的抽象。它还通过建立对象之间的关系来提供意图的推理。
  • Agent：为网络对象提供接口，并在评估意图后对网络对象执行操作。Agent没有智能，当需要采取行动时，它会向Knowledge发送请求进行推理。Knowledge将从意图分析中得到的结果组成告知代理。
  • Data：观察网络对象并用于有效存储。Data具有网络拓扑和库存信息。Data主要负责在网络中部署新对象、卸载对象或发生拓扑变化时以动态的方式将更新转发给Knowledge。Data提供网络拓扑的建模，并将其传输给Agent。

• 网络层：职责是将网络数据转换为一种正式的表示形式，以便意图层能够轻松地工作。硬件的抽象模型存储在这个层中，它负责执行Agent请求的操作。

意图的一些重要特征是：

• 意图与底层硬件无关，应该可以跨技术移植。
• 意图提供上下文，适合构建非冲突的服务部署。
• 意图可以是持久的(连接到数据库)或短暂的(将数据转换为另一种格式)。
• 意图是一致的，要求在使用意图时更加明确和简化。

在网络管理和编配领域，随着2014年SDN和OpenFlow协议的引入，第一次真正需要将基础设施设计为基于意图的架构。这主要是由更高级的应用程序编程接口(APIs))的需求驱动的，在这些接口中，开源的基于SDN的项目，如Open Network Operating System (ONOS)和OpenDayLight开始在基于意图的APIs上工作。

我们的主要观察在调查最近的工作中基于意图的网络可以总结如下：

• 目前，提供基于意图的网络的框架和平台主要集中在学术界，而不是业界。因此，意图驱动的网络管理服务的商业开发和部署还没有出现。
• 人工智能技术（特别是在NLP/NLU领域）的重大进展，预计将影响电信和网络领域的商业产品和服务。
• 标准化工作目前还处于起步阶段。此外，意图知识的表示和推断在标准化和平台开发过程中仍然是一个主要的挑战。

II. IBN 标准化工作

第三代伙伴关系项目(3GPP)、欧洲电信标准协会(ETSI)、开放网络基金会(ONF)和国际电信联盟(ITU)都建立了自己的基于意图的网络研究小组。

• ONF：IBN的第一个标准化工作，创建一个意图北向接口(NBI)处理程序，它被嵌入到网络控制器或外部控制器中。

• ETSI：在2018年启动了零触控网络和服务管理(ZSM)工作组[2]，负责描述手段网络自动化。该文档提供了关于网络管理自动化的详细信息，并在三个单独的章节中集中讨论了策略驱动的自动化、基于意图的自动化以及基于意图的服务编排。

• ITU-T：研究小组13探索了作为一种声明机制的意图(用ML元语言编写)，其中技术无关的ML用例可以被运营商部署在他们的关于未来5G网络的机器学习的焦点小组中。构建这种元语言也是实现IBN的主要挑战之一。

总而言之，所有正在进行的标准化活动都是高层指定的目标，没有关于如何执行具体行动的任何规范。因此，策略可以从这些意图中派生出来。标准化文档中所表达的主要挑战之一是意图在语言和模型规范方面的表示。

III. INTENT-BASED PLATFORMS

translatable intents：翻译型意图——低粒度意图

consultative intents：协商型意图——高粒度意图

二者的主要区别在于协商型意图与系统内部的反馈机制相适应。

• 低粒度意图：这些意图主要只用于可翻译的目的。ONOS和OpenDayLight SDN控制器等框架一直致力于开发基于意图的网络API。

  • ONOS将意图定义为一个不可改变的模型对象，由应用向其核心请求，用于改变网络的运行方式行为[8]。ONOS还定义了域意图这个术语，它可以应用于不直接观察其域外设备的第三方控制器。
  • OpenDayLight框架还包括IBN的子项目(如网络意图构成(NIC)、NEtwork MOdeling(NEMO)语言和基于组的策略(GBP)抽象)。例如，NEMO使用翻译引擎来处理网络语言，这样就可以在下层呈现OpenFlow等模块。同样，NIC的基于意图的NBI允许使用任何一种协议，包括OpenFlow、BGP、Netconf等，以描述的方式从网络中获取想要的东西。GBP框架是为了提供API来捕捉用户意图。在基于意图的网络背景下，还存在着其他的控制器，如iNDIRA框架，应用于数据中心和骨干网的Propane框架，应用于多域环境的MD-IDN。

• 高粒度意图：主要思想不仅是翻译意图，而且还接受反馈，并相应地调整。

  • [29]研究了在社交网络图上寻找用户查询的正确意图。该方法采用网络表示学习，使用ML算法适当地表示网络，可用于解决基于意图的网络中隐含的上下文。
  • [30]中创建了意图驱动网络(IDN)概念，其中使用中介的分层约束来跟踪意图状态并相应地进行重新设计。
  • VeriFlow[31]开发的软件旨在从一个不同的角度开发基于意图的网络，通过测量的方式将网络行为精确地形式化，然后根据用户意图验证它以避免任何偏差。

• 面向意图的NLU发展：为了评估各种新兴模型，设计了GLUE基准，目的是为了更接近人类对算法和技术的理解。为此，基于卷积神经网络(CNN)和循环神经网络(RNN)(LSTM、GRU等)的架构及其变体(RNN seq2seq、CNN seq2seq、带有Attention的seq2seq模型、BERT等)作为baseline进行训练，以对数据集进行各种文本分析操作，用于意图识别、分类或槽位标记任务。

IV. 挑战和未来发展

从基于意图的网络的最新进展中，可以提炼出以下观点：

1. 通过集中于 "是什么 "而不是 “如何”，简化了事件-条件-行动政策和意图之间的区别。
2. 意图及其规范语言也被单独去细化，并在各自的用例中开发相应的框架。这说明，要想合并成类似的意图规范语言，还需要在框架开发上进一步努力。
3. 随着抽象层次的提高，例如在图1的业务层，会产生更多的协商型意图。随着意图向网络层的发展，将需要更强的可翻译意图。因此，在某些用例中，这两类意图的共存是必要的。

在规范意图的过程中，也有多种挑战：

• 首先是要能够表示意图，使其能够被处理和执行，需要将意图抽象成一般的图或树。本体和图数据库可以一起用于构建意图语义。
• 在存在许多意图的情况下，其中一些意图可能会相互冲突，消除这些冲突并确保增加业务层、网络层和意图层之间意图的协商是另一个相关的挑战。
• 意图转换需要将人类特定的语言翻译成机器语言。NLU中的意图分类(即专注于预测用户查询的意图)和槽位填充(用于提取语义概念)任务是该领域的一些相关例子。
• 隐含的上下文可以被人类清楚地理解，但不能被机器理解。
• 在NLU和NLP任务中缺乏人类标记的数据也是这些技术通用化能力的主要障碍。
• 此外，NLU任务中使用的大多数预构建模型都是用英语构建的，并且也会根据用于训练模型的收集数据而产生偏差。

表 1 中描述了各层的特征以及与各特征相关的研究：

作为未来的发展方向，在语言的定义中具体表达意图，以及构建能够在不同领域有效操作和执行意图的模型，是标准化活动和框架/平台开发过程中需要解决的一些重要研究项目。

V. CONCLUSIONS

1. 尽管基于意图的网络概念在过去几十年中一直存在，但在过去几年中并没有观察到重大的更新。
2. 随着应用于NLP和NLU领域的人工智能技术的出现，可以预见在未来几年内，基于意图的进步将被转移到网络和电信领域。