5G-GUTI详解

简介: 5G-GUTI(5G Globally Unique Temporary Identifier)是5G系统中全局唯一的临时UE标识,目的是提供在5G系统(5GS)中不泄露UE或用户永久身份的UE明确标识,提升安全性。它被用于接入、AMF和网络识别中,可以使用它在5GS中网络和UE之间的信令期间建立UE的身份。

1. 5G-GUTI定义

       5G-GUTI(5G Globally Unique Temporary Identifier)是5G系统中全局唯一的临时UE标识,目的是提供在5G系统(5GS)中不泄露UE或用户永久身份的UE明确标识,提升安全性。它被用于接入、AMF和网络识别中,可以使用它在5GS中网络和UE之间的信令期间建立UE的身份。5G-GUTI由AMF进行分配,并且AMF可以在指定条件下随时为UE重新分配5G-GUTI。当UE处于CM-IDLE 时,AMF可能会延迟到发生下一次NAS事务时分配新的5G-GUTI。

2. 5G-GUTI组成

       5G-GUTI主要由两部分组成:1)第一部分标识是由哪个AMF分配的5G-GUTI,2)第二部分表示UE在AMF内唯一的id。

       全局唯一AMF标识符(GUAMI)由MCC,MNC和AMF 标识符(AMFI)构成。AMFI由AMF Region ID,AMF Set ID和AMF Pointer构成。 AMF Region ID标识区域,AMF Set ID唯一标识AMF区域内的AMF集,AMF Pointer标识AMF集中的一个或多个AMF。

       AMF通过5G-TMSI来识别终端,TMSI在AMF内唯一。

       AMF Region ID可以使运营商在不同的区域内重复使用相同的AMF集合ID和AMF指针。运营商需要确保 AMF Set ID 和AMF Pointer的组合在一个AMF Region内是唯一的,并且如果使用重叠的AMF Region,则在重叠的AMF Region内也是唯一的。

       对于寻呼功能,AMF使用5G-S-TMSI来寻呼移动设备。5G-S-TMSI由AMF Set ID,AMF Pointer和5G-TMSI 构成。 5G-S-TMSI是GUTI的缩短形式,用于实现更有效的无线信令过程 (例如寻呼和服务请求)。

       5G-GUTI 的格式和大小如下:

GUTI.png

5G-GUTI格式

<5G-GUTI> = <GUAMI><5G-TMSI>

其中,<GUAMI> = <MCC><MNC><AMF Identifier>

<AMF Identifier> = <AMF Region ID><AMF Set ID><AMF Pointer>

MCC 和 MNC均为12bit

5G-TMSI:长32bit,AMF内唯一

AMF Region ID:长8bit

AMF Set ID:长10bit

AMF Pointer:长6bit

3. 编码定义

typedef struct {

 uint8_t  mccdigit2:4;

 uint8_t  mccdigit1:4;

 uint8_t  mncdigit3:4;

 uint8_t  mccdigit3:4;

 uint8_t  mncdigit2:4;

 uint8_t  mncdigit1:4;

 uint8_t  amfregionid;

 uint16_t amfsetid:10;

 uint16_t amfpointer:6;

 uint32_t tmsi;

} Guti5GS_t;


4. 5G-GUTI与GUTI的映射

GUTI是LTE中使用的全局唯一临时UE标识,目的和5G-GUTI一致。

GUTI 的格式和大小如下:

<GUTI> = <GUMMEI> <M-TMSI>,

其中<GUMMEI> = <MCC> <MNC> <MME Identifier>

<MME Identifier> = <MME Group ID> <MME Code>

MCC 和 MNC 长度均为12位。

M-TMSI 的长度为 32 位。

MME Group ID 长度为 16 位。

MME Code长度为 8 位。

GUTI-5GGUTI.png

5G-GUTI与GUTI映射关系

4.1 5G-GUTI 映射到 GUTI

当 UE 从 5GS 移动到 E-UTRAN 时,UE 需要将 5G-GUTI 映射到 GUTI。

5G-GUTI 到 GUTI 的映射应按如下方式进行:

  • 5GS <MCC>映射到 E-UTRAN <MCC>
  • 5GS <MNC>映射到 E-UTRAN <MNC>
  • 5GS <AMF Region ID>和 5GS <AMF Set ID>映射到 E-UTRAN <MME Group ID>和 E-UTRAN <MME Code>的一部分,如下:

       - 从第7位开始到第0位的5GS <AMF Region ID>的8bit,映射到从第15位直到第8位的E-UTRAN < MME Group ID>;

       - 从第9位开始向下到第2位的5GS <AMF Set ID>的 8 bit,映射到从第7位直到第0位的E-UTRAN< MME Group ID>;

       - 从第1位开始向下到第0位的5GS <AMF Set ID>的 2 bit,映射到从第7位到第6位的E-UTRAN <MME Code>;

  • 5GS <AMF Pointer>映射到 E-UTRAN <MME Code>的一部分,如下:

       - 从第5位开始到第 0 位的<AMF Pointer>的5bit,映射到从第 5 位到第 0 位的E-UTRAN

<MME Code>。

  • 5GS <5G-TMSI>映射到 E-UTRAN <M-TMSI>

4.2 GUTI 映射到5G-GUTI

当 UE 从 E-UTRAN 移动到5GS时,UE 需要将GUTI映射到要发送到AMF的5G-GUTI。

GUTI到5G-GUTI的映射应按如下方式执行:

  • E-UTRAN <MCC>映射到5GS <MCC>
  • E-UTRAN <MNC>映射到5GS <MNC>
  • E-UTRAN <MME Group ID>映射到 5GS <AMF Region ID>和 5GS <AMF Set ID>的一部分,如下:

       - 从第15位开始直到第8位的E-UTRAN <MME Group ID>的8bit,映射到从第7位直到第0位的 5GS<AMF Region ID>;

       -从第7位开始直到第0位的E-UTRAN <MME Group ID>的8bit,映射到从第9位直至第2位的5GS <AMF Set ID>;

  • E-UTRAN <MME Code>映射到 5GS <AMF Set ID>,5GS <AMF Pointer>如下:

       - 从第7位开始到第6位的E-UTRAN <MME Code>的2bit,映射到5GS <AMF Set ID>的第1位和第 0 位;

       - 从第5位开始一直到第0位的E-UTRAN <MMEC Code>的6bit,映射到从第5位直到第0位的5GS <AMF Pointer>;

  • E-UTRAN<M-TMSI>映射到 5GS <5G-TMSI>

5. 5G-S-TMSI格式

5G-S-TMSI 是 5G-GUTI 的缩短形式,用以实现更高效的无线信令过程(例如寻呼和服务请求)。5G-S-TMSI 由 AMF Set ID,AMF Pointer和 5G-TMSI 构成:

<5G-S-TMSI> = <AMF Set ID> <AMF Pointer> <5G-TMSI>

相关文章
|
存储 5G Windows
5G NR Paging 寻呼
寻呼消息由PCCH逻辑信道承载,PCCH逻辑信道的数据块又是由PCH传输信道来承载,而PCH传输信道的数据块又是由PDSCH物理信道来承载的。
1832 0
5G NR Paging 寻呼
wireshark解析rtp协议,流媒体中的AMR/H263/H264包的方法
抓到完整的流媒体包之后,用wireshark打开,其中的包可能不会自动映射成RTP+AMR/H263/H264的包,做如下修改操作即可:1.  把UDP 包解析成RTP/RTCP包。选中UDP包,右键,选择Decode As,选RTP2.  把RTP Payload映射成实际的媒体格式。
3585 0
|
敏捷开发 监控 数据可视化
项目仪表盘的妙用:让管理更清晰、更高效、更智能
项目仪表盘是现代项目管理中的重要工具,提供实时数据、多维分析及高度定制的可视化界面,帮助管理者快速决策、优化资源分配、提高团队协作效率和项目可控性。推荐的工具包括板栗看板、Jira、Trello、Asana 和 ClickUp,它们各有特色,适用于不同规模和类型的团队。
634 4
|
数据采集 SQL 安全
Minerva -- Airbnb 的大规模数据指标系统 Part 1
Minerva -- Airbnb 的大规模数据指标系统 Part 1
1363 0
Minerva -- Airbnb 的大规模数据指标系统 Part 1
|
机器学习/深度学习 边缘计算 5G
|
安全 虚拟化 Windows
|
机器学习/深度学习 PyTorch 语音技术
【文献学习】Conformer: Convolution-augmented Transformer for Speech Recognition
文章介绍了Conformer模型,这是一种结合了Transformer的自注意力机制和CNN卷积模块的混合模型,旨在提高语音识别任务的性能,通过自注意力捕捉全局上下文信息,同时利用卷积模块有效捕获局部特征。
829 0
|
测试技术 数据安全/隐私保护 Java
基于SpringBoot+Vue+uniapp的校园兼职管理系统的详细设计和实现(源码+lw+部署文档+讲解等)
基于SpringBoot+Vue+uniapp的校园兼职管理系统的详细设计和实现(源码+lw+部署文档+讲解等)
403 2
|
机器学习/深度学习 人工智能 自然语言处理
一文速通半监督学习(Semi-supervised Learning):桥接有标签与无标签数据
一文速通半监督学习(Semi-supervised Learning):桥接有标签与无标签数据
1249 0
|
负载均衡 Java API
SpringCloud - Zuul路由网关使用详解
SpringCloud - Zuul路由网关使用详解
753 0