이현지, 김환국,

Vol. 35, No. 6, pp. 1431-1440, 12월. 2025
10.13089/JKIISC.2025.35.6.1431, Full Text:
Keywords: O-RAN, Autoencoder, Network, Anomaly Detection, AI(Artificial Intelligence)
Abstract

본 논문은 O-RAN(Open Radio Access Network) 환경에서의 실시간 이상 탐지를 위해 Autoencoder 기반의 비지도 학습 모델을 설계하고, 이를 O-RAN의 AI/ML Framework에 통합하여 그 실용성과 성능을 검증하였다. 제안한 Autoencoder 모델은 입력 데이터를 점진적으로 압축하고 복원하는 대칭 구조를 갖추고 있으며, 정상 트래픽만을 학습하여 재구성 오차를 기반으로 이상 여부를 판단한다. 사전 실험을 통해 학습 epoch 100에서 가장 우수한 성능을 확인하였고, 해당 설정을 바탕으로 Kubeflow 기반 O-RAN AI/ML Framework에 모델을 연동하여 학습 및 추론을 수행하였다. 그 결과, 전반적인 성능 지표에서 연동 전 대비 향상된 결과를 확인할 수 있었다. 또한, 정상 데이터만을 학습하는 또 다른 비지도 학습 모델인 GAN과의 비교 실험을 통해 Autoencoder 모델의 상대적 우수성을 입증하였다. 본 연구는 Autoencoder 기반 비지도 이상 탐지 모델이 O-RAN 실시간 네트워크 환경에서도 안정적이고 효과적으로 적용 가능함을 보여주며, 향후 다양한 이상 트래픽 대응 및 rApp 연계를 통한 확장 가능성도 제시한다.

Statistics
Cite this article