NWDAF (Network Data Analytics Function) – 3GPP TS 23.288

NWDAF (Network Data Analytics Function) – 3GPP TS 23.288 기반 분석

**NWDAF (Network Data Analytics Function)**은 5G 네트워크에서 **데이터 분석 및 AI 기반 최적화를 수행하는 핵심 네트워크 기능(NF)**입니다.
3GPP TS 23.288에서 정의하며, 실시간 네트워크 상태 모니터링, AI 기반 예측, 자동 네트워크 최적화, 서비스 품질(QoS) 보장 등의 역할을 합니다.

---

1. NWDAF의 역할 및 기능

NWDAF는 5G Core(5GC) 내에서 AI 기반 네트워크 데이터 분석을 수행하여 네트워크 운영을 최적화하는 역할을 합니다.
이를 통해 네트워크 장애 예방, 부하 관리, QoS 최적화, 서비스 경험 개선을 지원합니다.

(1) NWDAF 주요 역할

• 실시간 네트워크 상태 분석
• AI 기반 트래픽 예측 및 최적화
• 네트워크 슬라이싱 성능 모니터링
• QoS 및 사용자 경험(QoE) 보장
• NF 부하 및 네트워크 리소스 최적화

(2) 주요 기능

기능설명

네트워크 부하 분석 (Load Analysis)	NF, 슬라이싱, PDU 세션의 부하를 실시간 분석
트래픽 혼잡 관리 (Congestion Control)	AI 기반 트래픽 예측 및 자동 부하 분산 수행
QoE 모니터링 (Service Experience Analytics)	VoNR, 스트리밍, 클라우드 게임 QoE 개선
핸드오버 최적화 (Mobility Analytics)	이동 패턴을 분석하여 최적의 핸드오버 결정
보안 이상 탐지 (Security Anomaly Detection)	AI 기반으로 DDoS, 네트워크 공격 탐지

---

2. NWDAF와 5G 네트워크 구조

NWDAF는 5G Core Network(5GC)의 다양한 네트워크 기능(NF)과 연동하여 작동합니다.

(1) 주요 연동 네트워크 기능 (NF)

NWDAF 연동 NF역할

AMF (Access and Mobility Management Function)	UE 이동성 관리, 핸드오버 최적화
SMF (Session Management Function)	PDU 세션 트래픽 최적화, QoS 적용
UPF (User Plane Function)	데이터 트래픽 경로 최적화 및 MEC 지원
PCF (Policy Control Function)	QoS 정책 기반 네트워크 트래픽 관리
NSSF (Network Slice Selection Function)	네트워크 슬라이싱 최적화 및 부하 관리

(2) NWDAF 분석 모델

• 실시간 네트워크 상태 모니터링 (Real-time Network Monitoring)
• 머신러닝 기반 예측 분석 (AI-Based Predictive Analytics)
• 이상 탐지 및 보안 분석 (Anomaly Detection & Security Monitoring)

---

3. NWDAF의 주요 분석 요소 (3GPP TS 23.288 기준)

NWDAF는 다음과 같은 주요 네트워크 분석 항목을 처리합니다.

분석 요소설명

네트워크 슬라이싱 부하(Network Slice Load Level)	각 슬라이스의 부하 및 자원 사용률 분석
NF 부하 분석 (NF Load Level)	개별 네트워크 기능(NF)의 부하 상태 분석
서비스 경험 (Service Experience)	VoNR, 영상 스트리밍, 클라우드 게임 QoE 측정
데이터 혼잡 분석 (User Data Congestion)	트래픽 집중 지역에서 혼잡 감지 및 최적화
PDU 세션 트래픽 분석 (PDU Session Traffic)	PDU 세션 기반 트래픽 최적화
핸드오버 최적화 (Mobility & Handover Analytics)	UE 이동 시 최적의 핸드오버 경로 예측

---

아래는 Ericsson, Huawei, Nokia의 NWDAF(Network Data Analytics Function) 기능 비교표를 보기 쉽게 정리한 것입니다.

---

4. NWDAF 세부 기능 비교

기능EricssonHuaweiNokia

데이터 수집 (Data Collection)	고속 데이터 스트리밍 지원	대량 데이터 병렬 수집	다중 소스 데이터 통합
데이터 저장 (Data Storage)	클라우드 네이티브 데이터 관리	분산 스토리지 시스템	데이터 웨어하우스 최적화
AI/ML 분석 (AI/ML Analytics)	딥러닝 기반 이상 탐지	자체 개발 AI 모델 적용	경량화된 AI 알고리즘
추론 엔진 (Inference Engine)	AI 기반 자동 정책 생성	규칙 기반 및 AI 혼합 모델	하이브리드 머신러닝 적용
정책 피드백 (Policy Feedback)	자동 QoS 조정	사용자 맞춤형 정책 생성	실시간 정책 피드백 시스템
외부 연동 (External NFs)	5G SA 및 NSA 연동	클라우드 및 MEC 연동	3GPP 표준 기반 연동
네트워크 최적화 (Network Optimization)	네트워크 슬라이싱 최적화	지능형 네트워크 운영	네트워크 부하 예측 최적화
예측 분석 (Predictive Analytics)	실시간 트래픽 분석	기지국 및 코어망 예측 분석	QoS 및 서비스 품질 분석

---

이 표를 통해 각 기업의 NWDAF 기술적 차별점을 쉽게 비교할 수 있습니다.
필요하시면 추가적인 분석도 가능합니다!

5. NWDAF 활용 사례 및 기대 효과

(1) 5G 네트워크 운영 자동화

• AI 기반으로 트래픽 패턴을 분석하여 네트워크 자원을 자동 조정.
• 예측 분석을 통해 NF 부하를 실시간 조정하여 다운타임 방지.

(2) QoS 기반 사용자 경험(QoE) 최적화

• VoNR(5G 음성), 클라우드 게이밍, 스트리밍 서비스의 QoE 모니터링 및 최적화.
• MEC 활용으로 데이터 전송 지연 최소화 및 속도 향상.

(3) AI 기반 이동 패턴 분석 및 핸드오버 최적화

• 이동성이 높은 UE를 AI가 사전에 예측하여 끊김 없는 핸드오버 제공.
• 지하철, 고속도로, 경기장 등에서 트래픽 자동 최적화.

(4) 5G 기업용 네트워크 슬라이싱 최적화

• 기업 고객의 네트워크 슬라이싱을 AI 기반으로 자동 관리.
• 스마트 팩토리, 자율주행, 헬스케어 등 B2B 서비스 최적화.

---

6. NWDAF의 3GPP 관련 규격

3GPP 규격설명

TS 23.288	NWDAF 아키텍처 및 데이터 분석 기능 정의
TS 23.501	5G Core 및 NWDAF 연동 네트워크 기능 정의
TS 28.552	NWDAF 기반 5G 네트워크 성능 관리

---

7. 결론: NWDAF가 5G에서 중요한 이유

(1) AI 기반 네트워크 자동화 → 운영비 절감 (OPEX 감소)

• AI가 실시간으로 네트워크 부하를 분석하고 자동 조정하여 OPEX 절감.
• NWDAF를 활용한 예측 분석 기반 네트워크 자원 최적화.

(2) 사용자 경험(QoE) 극대화 → 가입자 유지율 향상

• VoNR(5G 음성), 클라우드 게임, 스트리밍 품질 최적화.
• 혼잡 구간에서 트래픽 자동 조정으로 서비스 품질 유지.

(3) 네트워크 슬라이싱 최적화 → 기업 고객 시장 확대

• B2B 맞춤형 5G 슬라이싱 제공으로 기업 수익 증대.
• 스마트 팩토리, 자율주행, 헬스케어 등 5G 산업 확장 지원.

---

8. 최종 결론: NWDAF가 5G의 핵심 기술이 되는 이유

NWDAF는 5G 네트워크의 "AI 두뇌" 역할을 수행하며,

• 네트워크 자동화(AIOps)
• QoS & QoE 최적화
• 기업 맞춤형 5G 네트워크 슬라이싱 최적화
• 트래픽 및 부하 관리 최적화 를 통해 비용 절감(OPEX & CAPEX) 및 서비스 품질 개선을 동시에 달성할 수 있습니다.

➤ NWDAF는 AI 기반 5G 네트워크의 핵심 기술이며, 미래 6G에서도 지속적인 발전이 예상됩니다.