高阶自智网络的MLOps

V1.0ngmn.org MLOps FOR HIGHLYAUTONOMOUS NETWORKS by NGMN Alliance For Public documents (P): © 2025 Next Generation Mobile Networks Alliance e.V. All rights reserved. No part of this documentmay be reproduced or transmitted in any form or by any means without prior written permission from NGMN Alliance e.V. The information contained in this document represents the current view held by NGMN Alliance e.V. on the issues discussed as ofthe date of publication. This document is provided «as is» with no warranties whatsoever including any warranty of merchantability,non-infringement, or fitness for any particular purpose. All liability (including liability for infringement of any property rights)relating to the use of information in this document is disclaimed. No license, express or implied, to any intellectual propertyrights are granted herein. This document is distributed for informational purposes only and is subject to change without notice.Readers should not design products based on this document. ABSTRACT: SHORTINTRODUCTION ANDPURPOSE OF DOCUMENT This document describes guidelines and requirements for enabling technologies, as an extension to theAutonomous system framework – Phase 2 . This document focuses on general MLOps, and will exploresMLOps applicable to an autonomous network, with advanced levels of autonomy for automation, in terms ofexamining the MLOps process, requirements, architecture, and end-to-end deployment and standardizationrecommendations. DOCUMENT HISTORY CONTENTS 01INTRODUCTION�������������������������������������������������������������������������������������������������������������������� 5 03MOTIVATION��������������������������������������������������������������������������������������������������������������������������7 PROCESS��������������������������������������������������������������������������������������������������������������������������������������8 05REQUIREMENTS��������������������������������������������������������������������������������������������������������������������9 06ARCHITECTURE��������������������������������������������������������������������������������������������������������������������11 07DEPLOYMENT OPTIONS����������������������������������������������������������������������������������������������13 7�1 Embedded Network Element Deployment���������������������������������������������������������������������������� 137�2 Integrated Single-Domain Deployment��������������������������������������������������������������������������������� 147�3 Real-Time Single-Domain Deployment���������������������������������������������������������������������������������� 157�4 Cross-Domain Deployment�����������������������������������������������������������������������������������������������������16 08STANDARDIZATION RECOMMENDATIONS����������������������������������������������� 17 8�1 Current status��������������������������������������������������������������������������������������������������������������������������� 178�2 Recommendations��������������������������������������������������������������������������������������������������������������������18 09LIST OF ABBREVIATIONS��������������������������������������������������������������������������������������������20 10REFERENCES���������������������������������������������������������������������������������������������������������������������������21 11FIGURES�������������������������������������������������������������������������������������������������������������������������������������22 ACKNOWLEDGEMENTS����������������������������������������������������������������������������������������������23 01INTRODUCTION This document, titled «MLOps for Highly Autonomous Network,» aims at providing comprehensive guidelinesand requirements, specific to enabling technologies for highly autonomous networks. It focuses on a generalizedML model development and operation, elaborating the MLOps process, requirements, architecture, andend-to-end deployment for Level 4+ autonomous network AI applications. In this context it examines theexisting and relevant management standards applicable to AI applications and provides standardizationrecommendations. 02DEFINITIONS DEVOPS A set of processes, methods and systems established to facilitate joint development, technology operations,and quality assurance, across different teams for software products. ML MODEL Output of a Machine Learning (ML) algorithm trained with a training dataset that generates predictionsusing patterns in the input data.[1] MLOPS A coined term from Machine Learning (ML) and DevOps, which stands for a set of processes, methods andsystems established to facilitate the requirements management, data engineering, model development,model delivery and model operations, across different teams for ML models. NOTE: MLOps integrates machine learning (ML), DevOps, and data engineering to bring ML systems into production,enabli