面向5G核心网的信令风暴检测与基于AI的异常流量清洗设计.docxVIP

PAGE2

面向5G核心网的信令风暴检测与基于AI的异常流量清洗设计

摘要

随着5G网络的大规模商用，海量物联网设备与动态网络切片极大地增加了核心网信令交互的复杂度与频度，极易引发信令风暴，导致AMF等核心网元过载甚至网络瘫痪。传统基于固定阈值的检测与清洗方案存在响应滞后、误报率高及缺乏动态自适应能力等痛点。本课题旨在构建面向5G核心网的信令风暴早期检测与动态流量清洗系统，提升核心网的韧性与安全防护水平。

本文首先针对5G核心网SBI接口信令流特性，构建了多维时频特征模型，精准刻画正常与异常信令的分布差异。其次，设计了基于孤立森林与长短期记忆网络的双级联检测机制，实现风暴的毫秒级早期预警。最后，提出了基于机器学习的动态流量清洗策略，依据异常评分与网元负载状态自适应计算限流比例，实现精准平滑的异常流量清洗。

全文按工程递进思路展开：第一章分析需求痛点；第二章论证AI与信令解析技术的选型；第三章细化系统需求；第四章完成总体架构设计；第五章深入阐述特征提取与双级联检测算法；第六章展示系统实现与难点突破；第七章进行功能与性能测试验证；第八章总结全文并展望未来。本设计的核心创新在于将AI异常检测与动态限流清洗深度闭环联动，突破了传统静态规则的局限，实现了5G核心网信令风暴的自适应敏捷防御。

第一章绪论

1.1研究背景

5G核心网采用云原生与服务化架构（SBA），控制面信令交互基于H