Vers un handover multi-domaine intelligent et proactif pour les réseaux 5G

Les réseaux 5G offrent un débit élevé, une latence ultra-faible et une différenciation flexible des services, permettant de prendre en charge un large éventail d’applications. Toutefois, les services critiques — tels que la sécurité publique — nécessitent une connectivité ininterrompue, résiliente et sécurisée à travers des domaines réseau hétérogènes. L’un des principaux défis dans ce contexte est le handover multi-domaine (MDHO), où les transitions entre différents opérateurs ou domaines administratifs peuvent entraîner des délais significatifs et une dégradation de la qualité de service en raison de politiques hétérogènes, de conditions radio fluctuantes et de procédures de signalisation complexes.

Dans ce projet, nous proposons de développer des modèles prédictifs d’apprentissage automatique (ML) capables de déclencher de manière proactive le MDHO dans les réseaux 5G afin d’assurer des transitions transparentes entre opérateurs et domaines réseau. Le fondement scientifique de ces modèles repose sur leur capacité à analyser des conditions réseau en temps réel et historiques afin d’anticiper les événements de handover, réduisant ainsi la latence associée et préservant la continuité de service. Les modèles proposés seront entraînés à partir de jeux de données inter-domaines collectés sur notre banc d’essai Open RAN, puis intégrés dans un banc d’essai 5G multisites, en s’appuyant sur des approches d’apprentissage collaboratif et fédéré (FL) permettant un entraînement évolutif des modèles tout en préservant la confidentialité des données.