論文の概要: NetGent: Agent-Based Automation of Network Application Workflows

• arxiv url: http://arxiv.org/abs/2509.00625v1
• Date: Sat, 30 Aug 2025 22:47:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 15:17:03.309635
• Title: NetGent: Agent-Based Automation of Network Application Workflows
• Title（参考訳）: NetGent: ネットワークアプリケーションワークフローのエージェントベースの自動化
• Authors: Jaber Daneshamooz, Eugene Vuong, Laasya Koduru, Sanjay Chandrasekaran, Arpit Gupta,
• Abstract要約: 我々は、複雑なアプリケーションを自動化し、リアルなネットワークトラフィックデータセットを生成するためのAIエージェントフレームワークであるNetGentを紹介する。 実験では、NetGentはビデオオンデマンドストリーミング、ライブビデオストリーミング、ビデオ会議、ソーシャルメディア、ウェブスクレイピングにまたがる50以上のインターフェースを自動化した。
• 参考スコア（独自算出の注目度）: 10.829519766490014
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We present NetGent, an AI-agent framework for automating complex application workflows to generate realistic network traffic datasets. Developing generalizable ML models for networking requires data collection from network environments with traffic that results from a diverse set of real-world web applications. However, using existing browser automation tools that are diverse, repeatable, realistic, and efficient remains fragile and costly. NetGent addresses this challenge by allowing users to specify workflows as natural-language rules that define state-dependent actions. These abstract specifications are compiled into nondeterministic finite automata (NFAs), which a state synthesis component translates into reusable, executable code. This design enables deterministic replay, reduces redundant LLM calls through state caching, and adapts quickly when application interfaces change. In experiments, NetGent automated more than 50+ workflows spanning video-on-demand streaming, live video streaming, video conferencing, social media, and web scraping, producing realistic traffic traces while remaining robust to UI variability. By combining the flexibility of language-based agents with the reliability of compiled execution, NetGent provides a scalable foundation for generating the diverse, repeatable datasets needed to advance ML in networking.
• Abstract（参考訳）: 我々は、複雑なアプリケーションワークフローを自動化するAIエージェントフレームワークであるNetGentを紹介し、リアルなネットワークトラフィックデータセットを生成する。 ネットワークのための一般化可能なMLモデルの開発には、さまざまな現実世界のWebアプリケーションによるトラフィックを伴うネットワーク環境からのデータ収集が必要である。 しかし、多様で、繰り返し可能で、現実的で、効率的である既存のブラウザ自動化ツールを使用することは、脆弱でコストがかかるままです。 NetGentは、状態依存アクションを定義する自然言語ルールとしてワークフローを指定可能にすることで、この課題に対処する。 これらの抽象的な仕様は非決定論的有限オートマトン(NFA)にコンパイルされ、状態合成コンポーネントが再利用可能なコードに変換する。 この設計は決定論的リプレイを可能にし、ステートキャッシュを通じて冗長なLCM呼び出しを減らし、アプリケーションインターフェースが変更されると迅速に適応する。 実験では、NetGentはビデオオンデマンドストリーミング、ライブビデオストリーミング、ビデオ会議、ソーシャルメディア、ウェブスクレーピングにまたがる50以上のワークフローを自動化する。 言語ベースのエージェントの柔軟性とコンパイルされた実行の信頼性を組み合わせることで、NetGentは、ネットワークでMLを前進させるために必要な、多種多様な反復可能なデータセットを生成するためのスケーラブルな基盤を提供する。

関連論文リスト

• Skill Discovery for Software Scripting Automation via Offline Simulations with LLMs [63.10710876536337]
  検証済みスクリプトの集合であるソフトウェア固有のスキルセットをキュレートするためのオフラインシミュレーションフレームワークを提案する。 本フレームワークは,1)タスク作成,トップダウン機能の利用,およびボトムアップAPIのシナジー探索という2つのコンポーネントから構成される。 Adobe Illustratorでの実験では、我々のフレームワークは自動化の成功率を大幅に改善し、レスポンス時間を短縮し、ランタイムトークンのコストを削減しています。
  論文  参考訳（メタデータ） (2025-04-29T04:03:37Z)
• NetFlowGen: Leveraging Generative Pre-training for Network Traffic Dynamics [72.95483148058378]
  我々は,NetFlowレコードからのトラフィックデータのみを用いて,トラフィックダイナミクスをキャプチャする汎用機械学習モデルを事前学習することを提案する。 ネットワーク特徴表現の統一,未ラベルの大規模トラフィックデータ量からの学習,DDoS攻撃検出における下流タスクのテストといった課題に対処する。
  論文  参考訳（メタデータ） (2024-12-30T00:47:49Z)
• ROS-LLM: A ROS framework for embodied AI with task feedback and structured reasoning [74.58666091522198]
  非専門家による直感的なロボットプログラミングのためのフレームワークを提案する。 ロボットオペレーティングシステム(ROS)からの自然言語のプロンプトと文脈情報を活用する 我々のシステムは,大規模言語モデル (LLM) を統合し,非専門家がチャットインタフェースを通じてシステムにタスク要求を記述できるようにする。
  論文  参考訳（メタデータ） (2024-06-28T08:28:38Z)
• Semantic Routing for Enhanced Performance of LLM-Assisted Intent-Based 5G Core Network Management and Orchestration [10.981422497762837]
  大規模言語モデル(LLM)は人工知能(AI)アプリケーションで急速に普及している。 本稿では,5Gコアネットワークの意図に基づく管理とオーケストレーションにおける性能向上を目的としたセマンティックルーティングを提案する。
  論文  参考訳（メタデータ） (2024-04-24T13:34:20Z)
• netFound: Foundation Model for Network Security [10.84029318509573]
  本稿では,新しいトランスフォーマーベースネットワーク基盤モデルであるnetFoundを紹介する。 我々は、事前学習のために、豊富なラベルのないネットワークテレメトリデータに自己教師付き学習技術を採用する。 実運用環境では,netFoundが隠れたネットワークコンテキストを効果的にキャプチャすることを示す。
  論文  参考訳（メタデータ） (2023-10-25T22:04:57Z)
• Building a Graph-based Deep Learning network model from captured traffic traces [4.671648049111933]
  技術ネットワークモデルの現状は離散事象シミュレーション(DES)に基づいているか依存している DESは非常に正確であり、計算コストも高く、並列化も困難であり、高性能ネットワークをシミュレートするには実用的ではない。 我々は,実際のネットワークシナリオの複雑さをより正確に捉えるために,グラフニューラルネットワーク(GNN)ベースのソリューションを提案する。
  論文  参考訳（メタデータ） (2023-10-18T11:16:32Z)
• A Generative Approach for Production-Aware Industrial Network Traffic Modeling [70.46446906513677]
  ドイツにあるTrumpf工場に配備されたレーザー切断機から発生するネットワークトラフィックデータについて検討した。 我々は、トラフィック統計を分析し、マシンの内部状態間の依存関係をキャプチャし、ネットワークトラフィックを生産状態依存プロセスとしてモデル化する。 可変オートエンコーダ(VAE)、条件付き可変オートエンコーダ(CVAE)、生成逆ネットワーク(GAN)など、様々な生成モデルの性能の比較を行った。
  論文  参考訳（メタデータ） (2022-11-11T09:46:58Z)
• SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
  本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。 しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
  論文  参考訳（メタデータ） (2021-12-22T14:45:37Z)
• Multi-Agent Routing Value Iteration Network [88.38796921838203]
  疎結合グラフの学習値に基づいてマルチエージェントルーティングを行うことができるグラフニューラルネットワークに基づくモデルを提案する。 最大25ノードのグラフ上で2つのエージェントでトレーニングしたモデルでは,より多くのエージェントやノードを持つ状況に容易に一般化できることが示されている。
  論文  参考訳（メタデータ） (2020-07-09T22:16:45Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。