Статус документа
Статус документа

ПНСТ 944-2024

ПРЕДВАРИТЕЛЬНЫЙ НАЦИОНАЛЬНЫЙ СТАНДАРТ РОССИЙСКОЙ ФЕДЕРАЦИИ

Искусственный интеллект

ФУНКЦИОНАЛЬНАЯ АРХИТЕКТУРА СИСТЕМ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ОБЕСПЕЧЕНИЯ КАЧЕСТВА ОБСЛУЖИВАНИЯ В СЕТИ IMT-2020

Artificial intelligence. Functional architecture of machine learning-based quality of service assurance for the IMT-2020 network



ОКС 35.020

Срок действия с 2025-01-01

по 2028-01-01

Предисловие

1 РАЗРАБОТАН Научно-образовательным центром компетенций в области цифровой экономики Федерального государственного бюджетного образовательного учреждения высшего образования "Московский государственный университет имени М.В.Ломоносова" (ФГБОУ ВО МГУ имени М.В.Ломоносова) и Обществом с ограниченной ответственностью "Институт развития информационного общества" (ООО "ИРИО")

2 ВНЕСЕН Техническим комитетом по стандартизации ТК 164 "Искусственный интеллект"

3 УТВЕРЖДЕН И ВВЕДЕН В ДЕЙСТВИЕ Приказом Федерального агентства по техническому регулированию и метрологии от 28 октября 2024 г. № 80-пнст

4 Настоящий стандарт разработан с учетом основных нормативных положений международного документа ITU-T Y.3175 (2020)* "Функциональная архитектура машинного обучения для обеспечения качества обслуживания в сети IMT-2020" (ITU-T Y.3175 (2020) "Functional architecture of machine learning - based quality of service assurance for the IMT-2020 network", NEQ)

________________

* Доступ к международным и зарубежным документам, упомянутым в тексте, можно получить, обратившись в Службу поддержки пользователей. - Примечание изготовителя базы данных.     

Правила применения настоящего стандарта и проведения его мониторинга установлены в ГОСТ Р 1.16-2011 (разделы 5 и 6).

Федеральное агентство по техническому регулированию и метрологии собирает сведения о практическом применении настоящего стандарта. Данные сведения, а также замечания и предложения по содержанию стандарта можно направить не позднее чем за 4 мес до истечения срока его действия разработчику настоящего стандарта по адресу: 119991 Российская Федерация, Москва, Ленинские горы, д.1, и в Федеральное агентство по техническому регулированию и метрологии по адресу: 123112 Москва, Пресненская набережная, д.10, стр.2.

В случае отмены настоящего стандарта соответствующая информация будет опубликована в ежемесячном информационном указателе "Национальные стандарты" и также будет размещена на официальном сайте Федерального агентства по техническому регулированию и метрологии в сети Интернет (www.rst.gov.ru)

Введение


Настоящий стандарт определяет функциональную архитектуру обеспечения качества обслуживания на основе машинного обучения для сети IMT-2020.

В настоящем стандарте сначала приводится обзор структур архитектуры системы машинного обучения в сети IMT-2020. Затем описывается функциональная архитектура систем машинного обучения для обеспечения качества обслуживания в сети IMT-2020, в том числе контрольные точки. Кроме того, в стандарте представлены процедуры обеспечения качества обслуживания на основе машинного обучения для сети IMT-2020.

     1 Область применения

Настоящий стандарт определяет функциональную архитектуру обеспечения качества обслуживания на основе машинного обучения для сети IMT-2020. Настоящий стандарт включает:

- обзор структуры архитектуры систем машинного обучения в сети IMT-2020 (см. ПНСТ 943-2024);

- функциональную архитектуру систем на основе машинного обучения для обеспечения качества обслуживания в сети IMT-2020;

- контрольные точки обеспечения качества обслуживания систем на основе машинного обучения в сети IMT-2020;

- процедуры обеспечения качества обслуживания на основе машинного обучения для сети IMT-2020.

В настоящем стандарте машинное обучение применяется исключительно в контексте принятия решений по обеспечению качества обслуживания. Следовательно, любое другое применение машинного обучения выходит за рамки данного стандарта.

     2 Нормативные ссылки

В настоящем стандарте использованы нормативные ссылки на следующие стандарты:

ГОСТ Р 71476 Искусственный интеллект. Концепции и терминология искусственного интеллекта

ПНСТ 943-2024 Искусственный интеллект. Структура архитектуры систем машинного обучения в будущих сетях, включая IMT-2020

Примечание - При пользовании настоящим стандартом целесообразно проверить действие ссылочных стандартов в информационной системе общего пользования - на официальном сайте Федерального агентства по техническому регулированию и метрологии в сети Интернет или по ежегодному информационному указателю "Национальные стандарты", который опубликован по состоянию на 1 января текущего года, и по выпускам ежемесячного информационного указателя "Национальные стандарты" за текущий год. Если заменен ссылочный стандарт, на который дана недатированная ссылка, то рекомендуется использовать действующую версию этого стандарта с учетом всех внесенных в данную версию изменений. Если заменен ссылочный стандарт, на который дана датированная ссылка, то рекомендуется использовать версию этого стандарта с указанным выше годом утверждения (принятия). Если после утверждения настоящего стандарта в ссылочный стандарт, на который дана датированная ссылка, внесено изменение, затрагивающее положение, на которое дана ссылка, то это положение рекомендуется применять без учета данного изменения. Если ссылочный стандарт отменен без замены, то положение, в котором дана ссылка на него, рекомендуется применять в части, не затрагивающей эту ссылку.

     3 Термины и определения

В настоящем стандарте применены следующие термины с соответствующими определениями:

3.1 IMT-2020: Системы, системные компоненты и связанные с ними технологии, которые предоставляют возможности, расширенные относительно описанных в [1].     

Примечания

1 См. [2].

2 В [1] определена структура и общие цели будущей разработки IMT-2000 и систем, выходящих за рамки IMT-2000, для сети радиодоступа.

3.2 аномалия (anomaly): Последовательность в данных, не соответствующая ожидаемому поведению.

Примечание - См. [3].

3.3 качество взаимодействия (quality of experience, QoE): Степень удовлетворенности или неудовлетворенности пользователя приложением или сервисом.

Примечания

1 См. [4].

2 Принимая во внимание текущие исследования в данной сфере, указанное определение является рабочим и может уточняться в течение некоторого времени (данное примечание не является частью определения).

3.4 качество обслуживания (quality of service, QoS): Совокупный эффект от операций обслуживания, определяющий степень удовлетворенности пользователя обслуживанием.

Примечания

1 Характеризуется такими факторами, как:

- показатели работоспособности обслуживания;

- показатели доступности обслуживания;

- показатели сохранности обслуживания;

- обеспечение целостности обслуживания;

- другие факторы, специфичные для каждой услуги.

2 См. [5].

3.5 конвейер машинного обучения (machine learning pipeline): Набор логических узлов, каждый из которых обладает определенными функциональными возможностями, которые могут быть объединены для формирования приложения машинного обучения в телекоммуникационной сети.

Примечания

1 См. ПНСТ 943-2024.

2 Узлы конвейера машинного обучения - это объекты, которые управляются стандартным образом и могут быть размещены в различных сетевых функциях.

3.6 машинное обучение (machine learning): Процесс оптимизации параметров модели с помощью вычислительных методов таким образом, чтобы поведение модели отражало данные и/или опыт.

Примечание - См. ГОСТ Р 71476.

3.7 обеспечение (качества обслуживания) (assurance): Степень уверенности в том, что процесс или конечный результат соответствует определенным характеристикам или целям.

Примечание - См. [6].

3.8 оркестратор функций машинного обучения (machine learning function orchestrator; MLFO): Логический узел с функциями управления и оркестровки узлов в конвейерах машинного обучения.

Примечание - См. ПНСТ 943-2024.

3.9

оркестровка (orchestration): Тип композиции, где один определенный элемент используется для наблюдения за другими элементами и управления ими.

Примечания

1 Элемент, который управляет оркестровкой, сам не является частью оркестровки (экземпляра композиции).

2 См. ИСО/МЭК 18384-3:2016, статья 8.3.

[Адаптировано из ГОСТ Р ИСО/МЭК 18384-1-2017, статья 2.16]

3.10 полигон машинного обучения (machine learning sandbox): Среда, в которой можно обучать модели машинного обучения, тестировать их и оценивать их влияние на сеть.

Примечания

1 См. ПНСТ 943-2024.

2 Полигон машинного обучения предназначен для предотвращения воздействия приложения машинного обучения на сеть или для ограничения использования определенных функций машинного обучения.

3.11 производительность сети (network performance): Производительность сегмента телекоммуникационной сети, измеряемая между парой интерфейсов "сеть - пользователь" или "сеть - сеть" с использованием объективно определенных и наблюдаемых параметров производительности.

Примечание - См. [7].

3.12 сетевая функция (в контексте IMT-2020) (network function): Функция обработки в сети.

Примечания

1 См. [2].

Доступ к полной версии документа ограничен
Этот документ или информация о нем доступны в системах «Техэксперт» и «Кодекс».