Open5GS项目中GUTI与P-TMSI映射问题的技术分析
2025-07-05 03:13:05作者:伍霜盼Ellen
在移动通信网络中,当用户设备(UE)在不同类型的核心网节点间移动时,需要正确处理用户标识的映射关系。本文针对Open5GS项目中发现的GUTI与P-TMSI映射问题进行分析。
问题背景
在4G/5G网络中,全球唯一临时标识(GUTI)用于标识用户设备。而在2G/3G网络中,则使用分组临时移动用户标识(P-TMSI)。当用户设备在4G和2G网络间切换时,核心网需要在这两种标识间进行正确转换。
问题现象
通过抓包分析发现,当用户设备从4G网络(MME)向2G网络(SGSN)切换时,SGSN Context Request消息中的P-TMSI值出现异常。具体表现为:
- 原始TMSI值为0xe99fc497
- 转换后的P-TMSI变为0x97c49fe9
- 这种转换看起来像是字节序问题,但实际原因更为复杂
技术规范要求
根据3GPP TS 23.003规范,GUTI与P-TMSI之间的映射关系分为两种情况:
-
从MME到SGSN的映射(4G→2G):
- 规范章节2.8.2.1.1定义了这种场景下的映射规则
- 用于UE从MME移动到SGSN的场景
-
从SGSN到MME的映射(2G→4G):
- 规范章节2.8.2.2.3定义了反向映射规则
- 用于UE从SGSN移动到MME的场景
Open5GS实现分析
Open5GS当前实现中,在mme_gn_build_sgsn_context_request()函数中调用了guti_to_rai_ptmsi()函数。这个函数实现了4G→2G方向的映射,但实际场景需要的是2G→4G方向的映射。
解决方案建议
正确的实现应该区分两种方向的映射:
-
从GUTI生成RAI和P-TMSI(4G→2G):
void guti_to_rai_ptmsi(ogs_nas_rai_t *rai, mme_p_tmsi_t *ptmsi, const ogs_nas_eps_guti_t *nas_guti) { rai->lai.nas_plmn_id = nas_guti->nas_plmn_id; rai->lai.lac = nas_guti->mme_gid; rai->rac = nas_guti->mme_code; *ptmsi = (nas_guti->m_tmsi & 0x00ffffff); } -
从RAI和P-TMSI生成GUTI(2G→4G):
void rai_ptmsi_to_guti(ogs_nas_eps_guti_t *nas_guti, const ogs_nas_rai_t *rai, mme_p_tmsi_t ptmsi) { nas_guti->nas_plmn_id = rai->lai.nas_plmn_id; nas_guti->mme_gid = rai->lai.lac; nas_guti->mme_code = rai->rac; nas_guti->m_tmsi = ptmsi & 0x00ffffff; }
总结
正确处理GUTI与P-TMSI之间的映射关系对于保证用户设备在不同网络间无缝切换至关重要。Open5GS需要根据实际切换方向选择正确的映射函数,确保标识转换符合3GPP规范要求。开发者在实现相关功能时,应仔细区分4G→2G和2G→4G两种不同场景下的映射规则。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.84 K
Ascend Extension for PyTorch
Python
381
456
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++
894
679
暂无简介
Dart
803
198
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
353
209
昇腾LLM分布式训练框架
Python
119
146
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
12
1
🔥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
68
20
🎉 (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
1.37 K
781