The object of research, development or design (in Russian) : Архитектура Open RAN, технологии SDN и OpenFlow, виртуализированные распределенные узлы (vDU), интеллектуальные контроллеры (RIC), открытые интерфейсы, решения с открытым исходным кодом, базовая станция 5G SA, инструменты моделирования SDN, такие как Mininet, ONOS, OpenDaylight, Ryu, а также наборы данных для обучения моделей управления и оптимизации сетей.

The object of research, development or design (in Kazakh) : Зерттеу объектілері Open RAN архитектурасы, SDN және OpenFlow технологиялары, виртуалдандырылған таратылған блоктар (vDU), интеллектуалды контроллерлер (RIC), ашық интерфейстер, ашық кодты шешімдер, 5G SA базалық станциялары, сондай-ақ SDN модельдеу құралдары – Mininet, ONOS, OpenDaylight және Ryu, сонымен қатар желіні басқару мен оңтайландыруда қолданылатын модельдерді оқытуға арналған деректер жиынтығы.

Aim of work (in Russian) : Разработка комплекса интеллектуальных телекоммуникационных систем для развития современной инфокоммуникационной инфраструктуры региона на базе открытого доступа open source Open RAN.

Aim of work (in Kazakh) : Ашық қолжетімділік ашық бастапқы Open RAN негізінде облыстың заманауи ақпараттық-коммуникациялық инфрақұрылымын дамыту үшін интеллектуалды телекоммуникациялық жүйелер кешенін дамыту.

Методы исследования (на русском) : Проведен всесторонний анализ архитектуры Open RAN, включая изучение виртуализированных распределенных узлов (vDU), интеллектуальных контроллеров (RIC) и открытых интерфейсов. Исследованы стандарты и спецификации, регулирующие интероперабельность и дезагрегацию сетей для гибкого и масштабируемого развертывания. Выполнена оценка решений с открытым исходным кодом для обеспечения высокой скорости передачи данных и минимальной задержки в сетях 5G. Проведен обзор технологий SDN, включая OpenFlow, для автоматизации взаимодействия элементов сети через стандартизированные API. Изучены методы мониторинга сетевого трафика, анализ типов данных и расчет предельного числа подключений. Применены методы искусственного интеллекта и машинного обучения для оптимизации управления сетевыми ресурсами, маршрутизации трафика, выявления неисправностей и обеспечения кибербезопасности. Важным аспектом работы стало изучение инструментов моделирования для SDN, включая Mininet, ONOS, OpenDaylight и Ryu. В рамках экспериментов исследовались методы симуляции реальных сетевых ситуаций, таких как увеличение нагрузки, потеря пакетов, изменение пропускной способности каналов и моделирование отказов. В ходе работы создана платформа для тестирования и внедрения современных алгоритмов, таких как методы усиленного обучения (Reinforcement Learning), оптимизационные подходы и алгоритмы анализа сетевого поведения.

Методы исследования (на казахском) : Open RAN архитектурасына жан-жақты талдау жасалып, оның ішінде виртуалдандырылған таратылған блоктар (vDU), интеллектуалды контроллерлер (RIC) және ашық интерфейстер зерттелді. Желілердің икемді және ауқымды орналастырылуын қамтамасыз ететін өзара үйлесімділік пен декомпозицияны реттейтін стандарттар мен спецификациялар қарастырылды. Ашық кодты шешімдер 5G желілерінде жоғары деректер тасымалдау жылдамдығы мен минималды кідірісті қамтамасыз ету үшін бағаланды. Желілік элементтердің өзара әрекеттестігін стандартталған бағдарламалық интерфейстер (API) арқылы автоматтандыру мақсатында SDN технологиялары, соның ішінде OpenFlow, зерттелді. Желілік трафикті бақылау әдістері, деректер түрлерін талдау және қосылымдардың максималды санын есептеу әдістері қарастырылды. Желілік ресурстарды басқаруды оңтайландыру, трафикті бағыттау, ақауларды анықтау және киберқауіпсіздікті қамтамасыз ету үшін машиналық оқыту мен жасанды интеллект әдістері қолданылды. SDN модельдеу құралдары, соның ішінде Mininet, ONOS, OpenDaylight және Ryu мүмкіндіктерін зерттеуге ерекше назар аударылды. Эксперименттер барысында нақты желі жағдайларын, мысалы, трафиктің жоғарылауы, пакеттердің жоғалуы, өткізу қабілетінің өзгеруі және істен шығу модельдері симуляцияланды. Сондай-ақ, қазіргі заманғы алгоритмдерді, соның ішінде күшейтілген оқыту (Reinforcement Learning), оңтайландыру әдістері және желілік мінез-құлықты талдау алгоритмдерін тестілеу және енгізу платформасы құрылды.

Obtained results and novelty (in Russian) : В ходе работы проведен комплексный анализ и реализованы ключевые компоненты для развертывания сетей 5G SA в концепции Open-RAN и SDN. Выполнен обзор архитектур радиодоступа с дезагрегированными решениями CU/DU/RU, поддержкой SBA и интерфейсами F1, NG и Xn, что позволило адаптировать технологии под локальные условия. Создан программно-определяемый стенд 5G SA на базе Open5GS и srsRAN с эмуляцией радиоэфира через ZeroMQ, обеспечивший детерминированную среду для тестирования и сбора эталонных данных. Проведены экспериментальные исследования маршрутизации с использованием KEMDRL и базовой RL-модели. Получены показатели улучшения: рост среднего вознаграждения на 22–23 %, снижение разброса на 37 %, сокращение потерь пакетов на 50 % и оптимизация загрузки каналов на 19 %. Разработан прогнозирующий подход на базе LSTM с точностью R² > 0.998 и объяснительный анализ XGBoost с использованием SHAP, выявивший ключевые параметры dl_ul_ratio и brate_ul. Выполнен анализ «программно-определяемого разрыва», определены ограничения аппаратной платформы и влияние джиттера ОС на соблюдение целей URLLC. Новизна работы заключается в интеграции Open-RAN, SDN, машинного обучения и RL для построения интеллектуальных 5G-сетей с высокой воспроизводимостью, предсказуемостью и эффективностью. Разработанные алгоритмы и стенд создают основу для импортозамещения, оптимизации маршрутизации, балансировки нагрузки и кибербезопасности в локальной инфраструктуре.

Obtained results and novelty (in Kazakh) : Жұмыс барысында 5G SA желілерін Open-RAN және SDN концепциясында енгізу үшін кешенді талдау жүргізіліп, негізгі компоненттер іске асырылды. CU/DU/RU бөлшектелген шешімдерін, SBA қолдауын және F1, NG, Xn интерфейстерін қамтитын радиоқабылдау архитектуралары қарастырылып, технологияларды жергілікті инфрақұрылымға бейімдеу қамтамасыз етілді. Open5GS және srsRAN негізінде ZeroMQ арқылы радио толқынын эмуляциялайтын бағдарламалық анықталған 5G SA сынақ стенді құрылып, сынақ жүргізу мен эталондық деректер жинауға детерминирленген орта қамтамасыз етілді. Маршрутизацияны зерттеу мақсатында KEMDRL және базалық RL-модель қолданылып, эксперименттер жүргізілді. Жетістіктер бойынша көрсеткіштер анықталды: орташа марапаттың 22–23 %-ға өсуі, марапаттың өзгеру диапазонының 37 %-ға төмендеуі, пакет жоғалтудың 50 %-ға азаюы және каналдардың жүктемесін 19 %-ға оңтайландыру. LSTM негізінде болжамдық тәсіл әзірленіп, R² > 0.998 дәлдікке қол жеткізілді, XGBoost пен SHAP әдісін қолдана отырып, жүйенің өнімділігіне әсер ететін негізгі параметрлер – dl_ul_ratio және brate_ul анықталды. Жұмыстың жаңалығы Open-RAN, SDN, машиналық оқыту және RL әдістерін біріктіру арқылы интеллектуалды 5G желілерін жоғары деңгейде қайта жасалатын, алдын ала болжанатын және тиімді ету болып табылады. Дамытылған алгоритмдер мен стенд жергілікті инфрақұрылымда импортты алмастыру, маршрутизацияны оңтайландыру, жүктемені теңестіру және киберқауіпсіздікті қамтамасыз ету үшін негіз болады.

The main constructive and technical economic indicators (in Russian) : Основные конструктивные и технико-экономические показатели определяются в рамках проведенного анализа и подготовительного этапа. Выявлена значимость применения концепции Open-RAN для развертывания сетей 5G, что позволяет обеспечить гибкость инфраструктуры и снизить зависимость от проприетарных решений. Предварительные исследования показывают перспективы использования решений с открытым исходным кодом для оптимизации капитальных и операционных затрат, а также повышения технологической независимости. Анализ текущих технологий и архитектур продемонстрировал их соответствие требованиям к сетям пятого поколения, включая низкую задержку, поддержку высоких скоростей передачи данных и интеграцию интеллектуальных алгоритмов управления. Подготовительный этап позволил сформировать перечень перспективных технологий, которые обеспечат высокую пропускную способность и масштабируемость инфраструктуры, а также возможности для экономически эффективного внедрения решений в условиях Казахстана. Данные показатели будут уточнены и конкретизированы на следующем этапе разработки, по мере выполнения опытно-конструкторских работ и проведения экспериментального тестирования.

The main constructive and technical economic indicators (in Kazakh) : Талдау және дайындық кезеңінде негізгі жобалау және техникалық-экономикалық көрсеткіштер анықталуда. 5G желісін орналастыру үшін Open-RAN тұжырымдамасын пайдаланудың маңыздылығы анықталды, бұл инфрақұрылымның икемділігін қамтамасыз етеді және меншікті шешімдерге тәуелділікті азайтады. Алдын ала зерттеулер капиталдық және пайдалану шығындарын оңтайландыру және технологиялық тәуелсіздікті арттыру үшін ашық бастапқы кодты шешімдерді пайдалану әлеуетін көрсетеді. Қолданыстағы технологиялар мен архитектураларды талдау олардың бесінші буын желі талаптарына, соның ішінде төмен кідіріске, жоғары деректер жылдамдығын қолдауға және интеллектуалды басқару алгоритмдерін интеграциялауға сәйкес келетінін көрсетті. Дайындық кезеңі инфрақұрылымның жоғары өткізу қабілеті мен масштабталуын, сондай-ақ Қазақстанда тиімді енгізу әлеуетін қамтамасыз ететін перспективалы технологиялардың тізімін жасауға мүмкіндік берді. Бұл көрсеткіштер әзірлеу жұмыстары жүріп жатқанда және пилоттық сынақтар жүргізілген сайын әзірлеудің келесі кезеңінде нақтыланады және нақтыланады.

Level of implementation (in Russian) : Степень внедрения определяется созданием научно-исследовательской инфраструктуры для моделирования и анализа архитектуры 5G/ORAN. Сформирован виртуальный стенд, завершён подбор оборудования для физической части экспериментов и подготовлена структура будущего стенда. Определены направления и набор экспериментов, которые будут реализованы в третьем году проекта.

Level of implementation (in Kazakh) : Іске асыру кезеңі 5G/ORAN архитектурасын модельдеу және талдау үшін зерттеу инфрақұрылымын құру арқылы анықталады. Виртуалды қондырғы жасалды, эксперименттердің физикалық бөлігі үшін жабдықтар таңдалды және болашақ қондырғының құрылымы дайындалды. Жобаның үшінші жылында жүзеге асырылатын эксперименттердің аумақтары мен жиынтығы анықталды.

Efficiency (in Russian) : Эффективность работы подтверждается выполнением всех запланированных аналитических задач, публикационной активностью и созданием практических инструментов для моделирования подсистем 5G/ORAN. Полученные результаты обеспечили переход от теоретического анализа к формированию экспериментальной базы, позволив уточнить требования, сократить риски и повысить качество подготовки к последующим этапам исследования.

Efficiency (in Kazakh) : Жұмыстың тиімділігі барлық жоспарланған аналитикалық тапсырмалардың орындалуымен, жариялау қызметімен және 5G/ORAN ішкі жүйелерін модельдеуге арналған практикалық құралдардың жасалуымен расталады. Алынған нәтижелер теориялық талдаудан эксперименттік базаны әзірлеуге көшуді жеңілдетті, бұл талаптарды нақтылауға, тәуекелдерді азайтуға және зерттеудің келесі кезеңдеріне дайындықты жақсартуға мүмкіндік берді.

Field of application (in Russian) : Телекоммуникационная инфраструктура Казахстана. Проектирование, развертывание и оптимизация сетей 5G. Разработка решений для автоматизации управления сетями и обеспечения кибербезопасности. Создание программно-определяемых систем управления сетевыми ресурсами для гибкого масштабирования сетей. Использование симуляционных инструментов для анализа и тестирования сетевых архитектур и внедрения современных алгоритмов управления.

Field of application (in Kazakh) : Бұл зерттеудің нәтижелері Қазақстанның телекоммуникациялық инфрақұрылымында, 5G желілерін жобалау, орналастыру және оңтайландыру, сондай-ақ желіні автоматты басқару және киберқауіпсіздікті қамтамасыз ету бойынша шешімдерді әзірлеуде қолданылуы мүмкін. Нәтижелер SDN негізіндегі желілік ресурстарды икемді масштабтауға арналған жүйелерді құруды және желі архитектураларын талдау мен тестілеу үшін модельдеу құралдарын пайдалануды қолдайды, сондай-ақ заманауи басқару алгоритмдерін енгізуге мүмкіндік береді.