La empresa Subex anunció que pasaba a ser miembro de la O-RAN Alliance para apoyar el desarrollo y estandarización de OpenRAN. La empresa espera poder aportar su experiencia en el análisis de red basados en el aprendizaje automático para ayudar con el desarrollo de la nueva arquitectura que vienen demandando los operadores para tomar el control total de su RAN. TeleSemana.com pudo hablar con Suresh Chintada, CTO de Subex, para explorar su visión de la tecnología y entender por qué ahora es el momento de sumarse a O-RAN. Estas fueron sus respuestas.
En su opinión, ¿qué grado de madurez tiene OpenRAN en este momento?
Según las estimaciones, actualmente hay 35 implementaciones activas de O-RAN en todo el mundo y, según Deloitte, muchas de las cuales involucran a operadores que prueban O-RAN en mercados nuevos, rurales y emergentes. Si bien se espera que la tecnología pueda tardar entre tres y cinco años en madurar, deberíamos ver una aceleración de la adopción de OpenRAN, impulsada por operadores que buscan soluciones para disminuir la intensidad de Capex, junto con la disponibilidad de contar con una gran cantidad de opciones en el mercado debido a la utilización de estándares abiertos.
Los operadores pueden ganar en reducción de costos e innovación con OpenRAN pero, al mismo tiempo, podrían obtener un entorno RAN más complejo de gestionar, ¿es así?
OpenRAN implica, principalmente, desglosar las soluciones tradicionales adecuadas para su propósito a hardware off-the-shelf (COTS) y software basado en estándares abiertos, lo que permite el desarrollo de un ecosistema más grande de proveedores, así como mejorar la diversidad de proveedores. Se espera que la combinación de hardware COTS y soluciones basadas en estándares ofrezca a los operadores una ganancia significativa en la reducción de Capex. Los estudios indican que el RAN tradicional es la parte más cara de una red móvil y representa entre el 65 y el 70 por ciento de su costo total. Según Deloitte, OpenRAN puede reducir el Capex en un 40 o 50 por ciento. El estándar abierto promueve ciclos de innovación más rápidos, mejora la diversidad de la cadena de suministro y fomenta la automatización de las operaciones de red para permitir un costo total (TCO, por sus siglas en inglés) general de la red más bajo.
La diversidad y el ecosistema más grande también pueden crear desafíos de integración si no están bien orquestados o limitados por las opciones de hardware. A medida que la red se vuelve cada vez más dependiente de soluciones de software, se vuelve imperativo considerar los desafíos de integración desde un punto vista de sistemas impulsados por software.
¿OpenRAN cambia de alguna manera cómo se implementan AI y ML en una red 4G o 5G? ¿Si es así, cómo?
La inteligencia artificial (AI) y el aprendizaje de máquinas (ML) tendría un impacto mucho más completo y transformador en la red de un extremo a otro en un entorno O-RAN. Las especificaciones de la alianza O-RAN proporcionan un marco para usar AI y ML para optimizar los recursos de radio en redes LTE y 5G. El marco se basa en gran medida en tecnologías AI y ML para mejorar el rendimiento y la automatización de operaciones a través de algoritmos que aprenden de la experiencia para mejorar el sistema continuamente. Esto se hace a través de aplicaciones alojadas en la plataforma RAN Intelligent Controller (RIC), que se puede implementar para control casi en tiempo real (RT) y control en tiempo no real. Las políticas habilitadas para IA y los modelos basados en ML generan mensajes en RIC sin RT y se transmiten al RIC cercano a RT.
¿Por qué RIC es una parte tan esencial de la arquitectura RAN y qué tan maduro está actualmente (ambas versiones en tiempo real y tiempo no real)?
RIC es un elemento clave para permitir la mejor versión de OpenRAN para admitir la interoperabilidad entre diferentes componentes de hardware (RU, servidores) y software (DU y CU) y la optimización de recursos ideal para la mejor calidad del servicio (QoS) del suscriptor.
RIC consta de un controlador de tiempo no real y un controlador de tiempo casi real. Las funciones que no son de RT ayudan a la gestión de políticas y servicios, el análisis de RAN y el entrenamiento de modelos para Near-RT RAN y brindan visibilidad en la red. Non-RT RIC también maneja funcionalidades de alto nivel, por ejemplo, administración de configuración, administración de dispositivos, administración de fallas, administración del desempeño y administración del ciclo de vida para todos los elementos de red en la red.
Near-RT RIC aprovecha la inteligencia integrada y es responsable del equilibrio de carga controlado por equipos de los usuarios, la gestión del bloque de recursos (RB por su siglas en inglés) Resource Block, la detección de interferencias y la mitigación. Esto proporciona administración de QoS, administración de conectividad y control de traspaso sin interrupciones. RIC está evolucionando y hay varios proyectos en curso. Por ejemplo, a finales de agosto de 2020, la Open Networking Foundation (ONF) había introducido un proyecto de red de acceso de radio definida por software (SD-RAN) para desarrollar un controlador inteligente RAN casi en tiempo real de código abierto (nRT-RIC) que es compatible con la arquitectura O-RAN. En septiembre de 2020 Samsung y KDDI demostraron un caso de uso de network slicing que involucra un RIC para administrar los recursos de radio para garantizar los niveles de servicio requeridos.
El grupo de proyectos TIP OpenRAN 5G NR también está activo en este espacio, con el lanzamiento de su subgrupo RAN Intelligence and Automation (RIA) para desarrollar e implementar aplicaciones basadas en AI y ML, como xApps, para una variedad de casos de uso del RAN, que incluyen gestión de recursos de radio, MIMO masivo, optimización de QoE, entre otras.
Hace algún tiempo Ericsson dijo que las interfaces OpenRAN no eran totalmente seguras, ¿estás de acuerdo con esta visión de la seguridad O-RAN?
Las nuevas interfaces aumentan la posibilidad de nuevas amenaza; Las xApps RIC y 3GPP en tiempo casi real introducen nuevas amenazas explotables; el desacoplamiento del hardware aumenta la amenaza para eslabón de la cadena y las interfaces de administración no aseguradas según las mejores prácticas de la industria.
Es cierto que O-RAN agrega interfaces y API, e incluso componentes a la superficie de amenazas, pero esto en realidad no es nada nuevo. O-RAN enfrenta los mismos desafíos de seguridad que la RAN actual y otras arquitecturas virtualizadas. Si se implementa con las mejores prácticas de seguridad, OpenRAN, de hecho, no solo minimizaría el número de vulnerabilidades, sino que también permitiría una respuesta rápida en caso de que se encontrara o explotara una nueva vulnerabilidad.
Al reconocer los posibles desafíos de seguridad y la importancia de una RAN segura, O-RAN Alliance sigue las prácticas de diseño de seguridad 3GPP de modelado riguroso de amenazas y análisis de riesgos para identificar los requisitos y las soluciones de seguridad. Estos elementos permitirían a O-RAN proporcionar el nivel de seguridad esperado por la industria y los usuarios de 5G.
¿Pueden AI y ML aliviar las amenazas asociadas con tener demasiados proveedores involucrados en la construcción de la RAN de un operador?
Dada la naturaleza dinámica de la red móvil de un operador, una interrupción menor puede costar una pérdida significativa de ingresos y una degradación de la experiencia del cliente. Un sistema O-RAN de varios proveedores debe funcionar con mayor estabilidad y confiabilidad. Tradicionalmente, la interoperabilidad de los sistemas RAN de diferentes proveedores solo necesitaba enfocarse en un traspaso exitoso de una llamada activa de una RAN a otra. Si bien es muy relevante en un ecosistema de RAN abierto, los traspasos fallidos entre proveedores no son el único aspecto que se debe cuidar de la interoperabilidad. También se vuelve crucial identificar y erradicar los riesgos de incompatibilidades entre las unidades remotas (RU), las distribuidas (DU) y las centralizadas (CU) de diferentes proveedores. En tal escenario, la automatización, administración y orquestación de redes impulsadas por AI y ML de sistemas O-RAN de múltiples proveedores se convierten en capacidades increíblemente críticas y obligatorias para abordar los desafíos de interoperabilidad y garantizar un funcionamiento sin problemas que conduzca a eficiencias en los costos.
