Open5GS UDM组件SM-Data查询问题分析与修复
2025-07-05 09:26:56作者:幸俭卉
在Open5GS核心网项目中,UDM(统一数据管理)组件负责处理用户订阅数据的管理和查询。近期发现了一个与SM-Data查询相关的功能性问题,该问题会影响与其他厂商SMF(会话管理功能)的互操作性。
问题背景
当SMF向UDM查询特定网络切片(S-NSSAI)和DNN(数据网络名称)的订阅数据时,UDM组件存在一个不符合标准行为的实现。按照3GPP规范要求,当查询请求中指定了具体的DNN参数时,UDM应当只返回与该DNN相关的订阅数据信息。
问题现象
在实际测试中发现,Open5GS UDM组件在接收到包含特定DNN参数的查询请求时,会返回该网络切片下配置的所有DNN信息,而不是仅返回请求中指定的DNN。这种行为会导致以下问题:
- 与其他厂商SMF的互操作性问题,因为这些SMF实现通常严格遵循规范,期望只收到请求的DNN数据
- 可能引发SMF侧的数据处理错误或会话建立失败
- 增加了不必要的网络传输负载
技术分析
该问题源于UDM组件在处理Nudm_SDM_Get服务时的数据过滤逻辑不完善。具体表现为:
- 在解析查询参数时,虽然正确识别了DNN参数
- 但在构建响应消息时,没有正确应用DNN过滤条件
- 导致将切片配置中的所有DNN信息都包含在响应中
解决方案
项目维护团队已经针对该问题发布了修复补丁,主要修改内容包括:
- 增强查询参数处理逻辑,严格区分带DNN参数和不带DNN参数的查询场景
- 在数据准备阶段增加DNN过滤条件
- 确保响应消息中只包含请求的DNN相关数据
影响评估
该修复主要影响以下场景:
- 多DNN配置环境下的SM-Data查询
- 跨厂商互操作场景
- 严格遵循3GPP规范实现的SMF对接
对于纯Open5GS环境,由于SMF实现能够处理多DNN响应,因此问题表现不明显。但在异构网络环境中,这个问题可能导致会话建立失败。
最佳实践建议
对于使用Open5GS UDM组件的运营商和开发者,建议:
- 及时更新到包含该修复的版本
- 在多厂商环境中进行充分的互操作性测试
- 监控SMF日志中的会话建立失败情况
- 在配置多个DNN时,确保每个DNN的订阅数据配置完整且准确
该问题的修复体现了Open5GS项目对标准符合性和互操作性的持续改进,有助于提升其在多厂商5G核心网环境中的适用性。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
Ascend Extension for PyTorch
Python
228
258
暂无简介
Dart
679
160
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
325
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492