Predictive OMS Switchover towards Proactive Disaster Recovery in 5G Networks

• Charles F. Santos IFRN / UFRN
• Augusto V. Neto UFRN
• Ramon R. Fontes UFRN
• Roger Immich UFRN
• Vicente Sousa Jr. UFRN
• Helber W. da Silva IFRN / UFRN

DOI: https://doi.org/10.5753/sbrc.2025.6402

Resumo

A crescente complexidade e a natureza crítica dos Sistemas de Operações e Manutenção (OMS) em redes móveis 5G exigem soluções robustas de Recuperação de Desastres (DR) para garantir a continuidade do serviço e o mínimo de tempo de inatividade. Os Sistemas de Recuperação de Desastres (DRS) são essenciais para manter a resiliência da rede, facilitando processos de failover e recuperação sem interrupções. A função principal da comutação permite que um DRS assegure a continuidade do serviço 5G durante desastres imprevistos. Esta pesquisa aborda as limitações das técnicas tradicionais de tomada de decisão baseadas em regras que frequentemente dependem de lógica de comutação binária, inadequada para as demandas intrincadas das redes 5G. Propomos a Comutação Preditiva do OMS (pOM2S), uma abordagem orientada por aprendizado de máquina (ML) que utiliza dados sobre métricas de computação e rede para estimar o tempo de transição para cada um dos candidatos redundantes. Com essa estimativa, nossa solução é capaz de selecionar o OMS de backup mais rápido em um evento de desastre. Avaliados em um ambiente de emulação 5G que simula condições do mundo real, os resultados demonstraram a precisão superior da Floresta Aleatória (MAE: 1,68s, R²: 0,94) em comparação com Regressão Linear, Redes Neurais Artificiais e técnicas de Máquinas de Vetores de Suporte. Os resultados experimentais validam a eficácia do pOM2S em equilibrar precisão preditiva e praticidade operacional, sugerindo que o método de tomada de decisão preditiva depende de um modelo altamente preciso.

Palavras-chave: 5G/6G networks and applications, Fault tolerance and resilience Future Internet, Management, operation, design, and analysis of networks, Network simulation and emulation Performance, scalability, and reliability, Anomaly and Attack Detection and Prevention

Referências

Abdelaziz, A. S., Harb, H., Zaghloul, A., and Salem, A. (2023). An enhanced MCDM model for cloud service provider selection. International Journal of Advanced Computer Science and Applications, 14(2).

Al-Essa, H. A. and Abdulbaki, A. A. (2016). Disaster recovery datacenter’s architecture on network replication solution. In 2016 European Modelling Symposium (EMS), pages 175–180.

Chang, W.-C. and Lin, F. J. (2021). Coordinated management of 5G core slices by MANO and OSS/BSS. Journal of Computer and Communications, 9(6):52–72.

Group, G.-P. S. N. W. (2020). Cloud native and 5G verticals services. Technical report, 5G PPP.

Haleplidis, E., Pentikousis, K., Denazis, S., Salim, J. H., Meyer, D., and Koufopavlou, O. (2015). Software-Defined Networking (SDN): Layers and Architecture Terminology. RFC 7426.

Lawler, C. M., Harper, M. A., and Thornton, M. A. (2007). Components and analysis of disaster tolerant computing. In 2007 IEEE International Performance, Computing, and Communications Conference, pages 380–386.

Leiter, A., Hegyi, A., Galambosi, N., Lami, E., and Fazekas, P. (2022). Automatic failover of 5G container-based user plane function by ONAP closed-loop orchestration. In NOMS 2022-2022 IEEE/IFIP Network Operations and Management Symposium, pages 1–2.

Liang, M., Gao, F., and Shi, M. (2022). A failure detection method of remote disaster recovery and backup system. In ITM Web of Conferences, volume 47, page 01002. EDP Sciences.

Mijumbi, R., Serrat, J., Gorricho, J., Bouten, N., De Turck, F., and Boutaba, R. (2016). Network function virtualization: State-of-the-art and research challenges. IEEE Communications Surveys & Tutorials.

Saha, M., Panda, S. K., and Panigrahi, S. (2021). A hybrid multi-criteria decision making algorithm for cloud service selection. International Journal of Information Technology, 13(4):1417–1422.

Xie, H., Du, S., Zhang, Q., Yang, Y., and Wang, H. (2023). Application of UPF disaster tolerant networking in power private network. In 2023 IEEE 6th Information Technology, Networking, Electronic and Automation Control Conference (ITNEC), volume 6, pages 811–815.

Zaretalab, A., Hajipour, V., and Tavana, M. (2020). Redundancy allocation problem with multistate component systems and reliable supplier selection. Reliability Engineering & System Safety, 193:106629.

Zheng, Y., Fu, Y., Zhang, Y., Hao, S., and Cai, Y. (2020). Research and practice of intelligent operation and maintenance system for essential load guarantee based on 5G and IoT technology. In 2020 4th International Conference on Power and Energy Engineering (ICPEE), pages 53–57.

Zhu, H., Li, J., Hu, J., and Li, W. (2022). Failure-aware and automated disaster backup in the 5G core network. In 2022 International Communication Engineering and Cloud Computing Conference (CECCC), pages 48–53.

Zunino, C., Cena, G., Scanzio, S., and Valenzano, A. (2024). Adaptive seamless redundancy to achieve highly dependable MQTT communication. IEEE Transactions on Industrial Informatics, 20(1):984–994.