在5G网络快速发展的今天，一套能够“听懂人话”的智能网络管理系统正悄然改变行业格局。由多国科研团队联合开发的开源网络数据分析功能（NWDAF）系统，不仅实现了对5G核心网络的全面监控，更通过集成大语言模型（LLM）接口，让网络运维人员首次能够用自然语言直接管理复杂的网络功能。
传统5G核心网络采用服务化架构，包含接入和移动管理功能（AMF）、会话管理功能（SMF）等数十个网络功能模块。这些模块通过标准化接口动态协作，形成了一个高度灵活的网络系统。然而，作为网络“数据分析部门”的NWDAF，在开源实现中长期存在功能缺失问题——多数项目仅提供基础框架，缺乏实际的数据采集和分析能力，更无法支持自然语言交互。
科研团队基于Free5GC开源平台构建的完整NWDAF系统，通过三部分创新设计破解了这一难题。核心网络部分完整实现了AMF、SMF等标准功能，并开发了事件订阅机制，使NWDAF能够实时接收设备注册、会话建立等关键事件通知。无线接入网络模拟则采用UERANSIM工具，创新性地引入基于活动的移动模型，让虚拟设备按照真实人类行为模式移动，产生具有时间规律性的网络事件数据。
该系统的革命性突破在于NWDAF模块的智能化升级。研究人员构建了包含“智能秘书”功能的架构：通过标准化流程主动订阅网络事件，将接收到的数据格式化存储并转化为Prometheus监控指标，同时集成机器学习模型预测设备切换行为。最引人注目的是大语言模型接口的设计，采用语义嵌入模型将自然语言请求转换为数字向量，通过余弦相似度匹配预定义意图类别，确保操作指令的准确执行。
在为期两周的实测中，系统展现了卓越的性能表现。数据显示，设备活跃度呈现明显的早晚高峰特征，单台设备最长连续在线时间达2.5小时。切换行为分析发现，某基站因地理位置优势，流量和切换次数显著高于其他基站。系统资源占用极低，仅消耗0.06%的CPU和27MB内存，对核心网络运行几乎无影响。机器学习模型在切换预测任务中达到80%的准确率，验证了用户移动模式的可预测性。
大语言模型接口的测试结果颠覆了传统认知。专门设计的语义嵌入模型text-embedding-ada-002在意图分类任务中取得98.43%的准确率，远超GPT-4o等生成式模型的89.5%。研究团队指出，这种差异源于嵌入模型通过数学匹配确保结果确定性，而生成式模型在专业场景中易受训练数据偏差影响。在端到端问答测试中，系统能准确回答设备切换历史、注册状态统计等问题，虽在回答修饰和数值呈现上存在改进空间，但已展现出实用价值。
这项突破为6G网络发展提供了重要技术储备。面对元宇宙、超低延迟通信等复杂场景，传统API管理模式将难以满足需求。研究团队提出的自主决策、成本优化和自编程网络等发展方向，预示着未来网络管理系统可能像智能助手一样，能够理解高层目标并自动生成解决方案。该系统的完整源代码和实验数据集已在GitHub公开，为全球开发者提供了可参考的技术范式。
