Classificação de tráfego por classes de serviço no núcleo 5G

Abstract

A 5G objective is to support an extense variety of scenarios such as: end-to-end latency less than 1 ms for autonomous cars and drones, downlink speeds around Gbit/s for cell phones and personal computers and connect millions of sensors and smart devices simultaneously with great energy efficiency, all of this using only one network infrastruc ture. With these diverse demands, the challenge of providing a good access experience to all these equipment and users. In order to meet these different demands, the concept of service grades is created. The division of traffic into service grades alongside with the use of techniques such as network slicing and QoS enforcement, allocates resources more efficiently in the core, improving the quality of user experience, mitigating the network bottlenecks. In this context, functions are proposed to classify the packets travelling thru 5G core in this different scenarios in its corresponding service grades. Using simulated 5G environment and user equipment, three classification approaches, implemented as python functions, use packets headers and payload to identify them as one of the grades: eMBB, mmTC and URLLC. With these functions it was possible to perform a satisfactory classification, reaching more than 99% of accuracy in some cases

Um dos objetivos do 5G é atender à uma extensa variedade de cenários como: latências fim-a-fim menores que 1 ms para carros autônomos e drones, velocidades de downlink na casa de Gbit/s para celulares e computadores pessoais e conectar milhões de sensores e equipamentos inteligentes simultaneamente com grande eficiência energética, tudo isto utilizando apenas uma infraestutura de rede. Com estas demandas diversas, surge o desafio de proporcionar uma boa experiência de acesso a todos estes equipamentos e usuários. A fim de atender essas diferentes demandas, o conceito de classes de serviço é criado. A divisão do tráfego nestas classes de serviço em conjunto com o uso de técnicas de fatiamento de rede e aplicação de QoS, aloca recursos de maneira mais eficiente no núcleo, aprimorando a qualidade da experiência dos usuários, mitigando os gargalos de rede. Neste contexto, propõe-se funções para classificar os pacotes que trafegam no core 5G nestes diferentes cenários em suas grades de serviço correspondentes. Utilizando um ambiente 5G e equipamentos de usuário simulados, três abordagens de classificação implementadas como funções em python, usam características dos cabeçalhos e área de dados dos pacotes para identificá-los como uma das três classes: eMBB, mMTC e URLLC. Com estas funções foi possível realizar uma classificação satisfatória obtendo 99% de precisão em alguns casos.