5G領航企業

本專題以O-RAN開放式無線接取網路架構為基礎，設計並實作一套部署於Near-RT RIC的入門級xApp，主題聚焦小區負載感知之動態分流控制。目的在改善多小區環境中負載不均、壅塞及使用者體驗下降問題，透過智慧控制提升資源利用效率與服務品質。系統經E2介面自O-DU/O-CU取得近即時RAN量測資料，包括各小區PRB使用率、活躍UE數、平均吞吐量、排程指標及UE無線品質參數。xApp以固定週期訂閱 KPI，並採用滑動視窗平滑處理，降低瞬時波動誤判。壅塞判定採多條件門檻：需同時滿足PRB使用率超標、活躍UE數超過閾值、吞吐量下降或延遲上升，方觸發分流；短暫尖峰不介入。壅塞發生後，建立鄰區候選清單，按資源使用率、可用容量及無線風險排序，選取最佳目標。控制策略強調可解釋性，主要調整Cell Individual Offset (CIO)或切換門檻，引導邊緣/中等品質UE轉移至低負載小區；同時保護高風險UE，降低掉話與ping-pong handover。導入限幅、漸進調整及冷卻時間，避免過度控制或網路震盪。控制後持續監測PRB變化、UE分布、全網吞吐量及切換次數。若handover異常增加，啟動保護機制暫停或回復；壅塞解除後逐步回歸基準值，確保穩態。驗證於模擬平台建構2–3小區情境：初始集中UE造成單小區壅塞，其餘低負載；逐步增加流量，觀察xApp啟動後UE分布均衡、壅塞小區PRB下降，以及整體吞吐量與體驗改善，驗證實務可行性與效能提升。

本專題主要在於開發一套適用於 5G 與低軌衛星異質網路環境的內生安全防禦系統。利用聯邦學習 (Federated Learning) 之隱私保護特性，解決異質節點（如基站、地面站、衛星終端）在數據不互通情況下的協同防禦難題。
實戰任務包含：
1.    策略驅動聯邦學習 (FL) 架構部署：針對衛星鏈路頻寬受限與節點異質性，設計非同步參數聚合策略以提升收斂效率。
2.    網路安全威脅偵測：利用 FL 訓練跨節點的入侵偵測模型 (IDS)，在不交換原始數據的前提下，識別分散式阻斷服務 (DDoS) 或模型中毒攻擊。
3.    安全性驗證與實作：於邊緣運算設備上實作輕量化加密技術，對齊國際資安規範，縮短研發與商用差距。