| 1 |
1
FL(federation learning) 서버의 동작 방법에 있어서,제1 NF(network function)의 요청에 응답하여 FL 동작 트리거를 수행하는 동작;상기 FL 동작 트리거에 응답하여 분석 ID에 대해 복수의 제2 NF들을 선택하는 동작; 및상기 복수의 제2 NF들에게 FL을 요청하는 동작을 포함하고,상기 제1 NF는 FL 소비자이고,상기 복수의 제2 NF들은 FL 클라이언트인, 방법
|
| 2 |
2
제1항에 있어서,상기 FL 서버 및 상기 복수의 제2 NF들은,FL 능력(FL capability)을 포함하고,상기 FL 능력은 해당 분석 ID에 대해 FL 서버(FL server) 능력(capability) 및 FL 클라이언트(FL client) 능력(capability) 중 하나 이상을 지원함을 나타내는 것인, 방법
|
| 3 |
3
제1항에 있어서,상기 제1 NF가 MTLF(model training logical function)를 포함하는 NWDAF인 경우, 상기 제1 NF의 요청은 Nnwdaf_MLModelTraining_Subscribe 서비스로 수행되고,상기 제1 NF가 AnLF(analytics logical function)를 포함하는 NWDAF인 경우, 상기 제1 NF의 요청은 Nnwdaf_MLModelProvsion_Subscribe 서비스로 수행되는 것인, 방법
|
| 4 |
4
제1항에 있어서,상기 FL을 요청하는 동작은,제1 FL 파라미터들로 구성된 상기 FL 서버가 상기 제1 FL 파라미터들과 다른 제2 FL 파라미터들을 상기 복수의 제2 NF들에게 전송하는 동작을 포함하는, 방법
|
| 5 |
5
제4항에 있어서,상기 제1 FL 파라미터들은,FL 라운드 수(Number of FL rounds), 프로세스에서 사용된 총 FL 클라이언트 수(Total number of FL clients used in the process), 및 분석 ID에 대한 관심 영역을 포함하는, 방법
|
| 6 |
6
제4항에 있어서,상기 제2 FL 파라미터들은,ML ID(identifier), 또는 로컬 훈련 활성화(Enabling Local Training)에 대한 인디케이션(indication), 또는 ML 모델 동작을 요청하기 위한 ML 모델 정보를 포함하는, 방법
|
| 7 |
7
제6항에 있어서,상기 복수의 제2 NF들에게 각각 다른 ML ID가 할당되는 것인, 방법
|
| 8 |
8
제1항에 있어서,상기 FL 요청에 따라 상기 복수의 제2 NF들로부터 훈련된 중간 ML 모델(interim ML model)들을 집계하는 동작을 더 포함하는, 방법
|
| 9 |
9
제8항에 있어서,상기 중간 ML 모델들은,분석 ID와 상기 복수의 제2 NF들에 각각에 할당된 ML ID를 통해 식별되는 것인, 방법
|
| 10 |
10
제1항에 있어서,관심 영역(Area Of Interest), ML 모델 보고 정보(ML(machine learning) model Reporting Information), 만료 시간(Expiry time), 및 로컬 운영자 구성(local operator configuration)에 기초하여 FL 동작의 필요 여부를 판단하는 동작을 더 포함하는, 방법
|
| 11 |
11
FL(federation learning) 서버 장치에 있어서,프로세서; 및상기 프로세서와 전기적으로 연결되고 상기 프로세서에 의해 실행 가능한 인스트럭션들을 저장하는 메모리를 포함하고,상기 프로세서에 의해 상기 인스트럭션들이 실행될 때, 상기 프로세서는 복수의 동작들을 수행하고,상기 복수의 동작들은,제1 NF(network function)의 요청에 응답하여 FL 동작 트리거를 수행하는 동작;상기 FL 동작 트리거에 응답하여 분석 ID에 대해 복수의 제2 NF들을 선택하는 동작; 및상기 복수의 제2 NF들에게 FL을 요청하는 동작을 포함하고,상기 제1 NF는 FL 소비자이고,상기 복수의 제2 NF들은 FL 클라이언트인, FL 서버 장치
|
| 12 |
12
제11항에 있어서,상기 FL 서버 장치 및 상기 복수의 제2 NF들은,FL 능력(FL capability)을 포함하고,상기 FL 능력은 해당 분석 ID에 대해 FL 서버(FL server) 능력(capability) 및 FL 클라이언트(FL client) 능력(capability) 중 하나 이상을 지원함을 나타내는 것인, FL 서버 장치
|
| 13 |
13
제11항에 있어서,상기 제1 NF가 MTLF(model training logical function)를 포함하는 NWDAF인 경우, 상기 제1 NF의 요청은 Nnwdaf_MLModelTraining_Subscribe 서비스로 수행되고,상기 제1 NF가 AnLF(analytics logical function)를 포함하는 NWDAF인 경우, 상기 제1 NF의 요청은 Nnwdaf_MLModelProvsion_Subscribe 서비스로 수행되는 것인, FL 서버 장치
|
| 14 |
14
제11항에 있어서,상기 FL을 요청하는 동작은,제1 FL 파라미터들로 구성된 상기 FL 서버 장치가 상기 제1 FL 파라미터들과 다른 제2 FL 파라미터들을 상기 복수의 제2 NF들에게 전송하는 동작을 포함하는, FL 서버 장치
|
| 15 |
15
제14항에 있어서,상기 제1 FL 파라미터들은,FL 라운드 수(Number of FL rounds), 프로세스에서 사용된 총 FL 클라이언트 수(Total number of FL clients used in the process), 및 분석 ID에 대한 관심 영역을 포함하는, FL 서버 장치
|
| 16 |
16
제14항에 있어서,상기 제2 FL 파라미터들은,ML ID(identifier), 또는 로컬 훈련 활성화(Enabling Local Training)에 대한 인디케이션(indication), 또는 ML 모델 동작을 요청하기 위한 ML 모델 정보를 포함하는, FL 서버 장치
|
| 17 |
17
제16항에 있어서,상기 복수의 제2 NF들에게 각각 다른 ML ID가 할당되는 것인, FL 서버 장치
|
| 18 |
18
제11항에 있어서,상기 복수의 동작들은,상기 FL 요청에 따라 상기 복수의 제2 NF들로부터 훈련된 중간 ML 모델(interim ML model)들을 집계하는 동작을 더 포함하는, FL 서버 장치
|
| 19 |
19
제18항에 있어서,상기 중간 ML 모델들은,분석 ID와 상기 복수의 제2 NF들에 각각에 할당된 ML ID를 통해 식별되는 것인, FL 서버 장치
|
| 20 |
20
제11항에 있어서,상기 복수의 동작들은,관심 영역(Area Of Interest), ML 모델 보고 정보(ML(machine learning) model Reporting Information), 만료 시간(Expiry time), 및 로컬 운영자 구성(local operator configuration)에 기초하여 FL 동작의 필요 여부를 판단하는 동작을 더 포함하는, FL 서버 장치
|
