論文の概要: From Prompts to Packets: A View from the Network on ChatGPT, Copilot, and Gemini

• arxiv url: http://arxiv.org/abs/2510.11269v1
• Date: Mon, 13 Oct 2025 10:58:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 20:23:38.956582
• Title: From Prompts to Packets: A View from the Network on ChatGPT, Copilot, and Gemini
• Title（参考訳）: PromptsからPacketsへ: ChatGPT, Copilot, Geminiのネットワークから
• Authors: Antonio Montieri, Alfredo Nascita, Antonio Pescapè,
• Abstract要約: 本研究では,3つの主要なチャットボット(ChatGPT,Copilot,Gemini)が,テキストおよび画像生成用のAndroidモバイルアプリからアクセスした場合に発生するトラフィックを詳細に調査する。 トラヒック,フロー,プロトコルレベルでのトラフィック特性を微粒化し,マルチモーダルマルコフ連鎖を用いたパケット列ダイナミクスをモデル化する。 本稿では,アプリケーション固有のトラフィックパターン,特にボリューム,アップリンク/ダウンリンクプロファイル,プロトコルの採用について述べる。
• 参考スコア（独自算出の注目度）: 4.214795904343115
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Generative AI (GenAI) chatbots are now pervasive in digital ecosystems, yet their network traffic remains largely underexplored. This study presents an in-depth investigation of traffic generated by three leading chatbots (ChatGPT, Copilot, and Gemini) when accessed via Android mobile apps for both text and image generation. Using a dedicated capture architecture, we collect and label two complementary workloads: a 60-hour generic dataset with unconstrained prompts, and a controlled dataset built from identical prompts across GenAI apps and replicated via conventional messaging apps to enable one-to-one comparisons. This dual design allows us to address practical research questions on the distinctiveness of GenAI traffic, its differences from widely deployed traffic categories, and its novel implications for network usage. To this end, we provide fine-grained traffic characterization at trace, flow, and protocol levels, and model packet-sequence dynamics with Multimodal Markov Chains. Our analyses reveal app- and content-specific traffic patterns, particularly in volume, uplink/downlink profiles, and protocol adoption. We highlight the predominance of TLS, with Gemini extensively leveraging QUIC, ChatGPT exclusively using TLS 1.3, and app- and content-specific Server Name Indication (SNI) values. A payload-based occlusion analysis quantifies SNI's contribution to classification: masking it reduces F1-score by up to 20 percentage points in GenAI app traffic classification. Finally, compared with conventional messaging apps when carrying the same content, GenAI chatbots exhibit unique traffic characteristics, highlighting new stress factors for mobile networks, such as sustained upstream activity, with direct implications for network monitoring and management. We publicly release the datasets to support reproducibility and foster extensions to other use cases.
• Abstract（参考訳）: ジェネレーティブAI(GenAI)チャットボットは、今やデジタルエコシステムに広く浸透しているが、ネットワークトラフィックはほとんど探索されていない。 本研究では,3つの主要なチャットボット(ChatGPT,Copilot,Gemini)が,テキストおよび画像生成用のAndroidモバイルアプリからアクセスした場合に発生するトラフィックを詳細に調査する。 専用のキャプチャアーキテクチャを使用して、制約のないプロンプトを備えた60時間のジェネリックデータセットと、GenAIアプリ全体で同じプロンプトから構築されたコントロールデータセットの2つの補完的なワークロードを収集し、ラベル付けします。 この二重設計により、GenAIトラフィックの特異性、広く展開されているトラフィックカテゴリとの違い、そしてネットワーク利用における新たな意味について、実用的な研究課題に取り組むことができる。 この目的のために、トレース、フロー、プロトコルレベルでのきめ細かいトラフィック特性を提供し、マルチモーダルマルコフ連鎖を用いたパケット列ダイナミクスをモデル化する。 分析では、特にボリューム、アップリンク/ダウンリンクプロファイル、プロトコルの採用など、アプリケーション固有のトラフィックパターンとコンテンツ固有のトラフィックパターンを明らかにした。 We highlight the predominance of TLS, GeminiはQUIC、ChatGPTのみをTLS 1.3で活用し、アプリおよびコンテンツ固有のServer Name Indication (SNI) の値を広く活用している。 ペイロードベースのオクルージョン分析は、SNIの分類への貢献を定量化する: マスキングにより、GenAIアプリのトラフィック分類において、F1スコアを最大20パーセント削減する。 最後に、同じコンテンツを運ぶ場合の従来のメッセージングアプリと比較して、GenAIチャットボットは独自のトラフィック特性を示し、ネットワーク監視と管理に直接的な意味を持つ上流活動などのモバイルネットワークの新しいストレス要因を強調している。 再現性をサポートし、他のユースケースの拡張を促進するために、データセットを公開しています。

関連論文リスト

• MIETT: Multi-Instance Encrypted Traffic Transformer for Encrypted Traffic Classification [59.96233305733875]
  トラフィックの分類は、セキュリティの脅威を検出し、ネットワーク管理を最適化するために不可欠である。 トークンレベルとパケットレベルの両方の関係をキャプチャするMulti-Instance Encrypted Traffic Transformer (MIETT)を提案する。 MIETTは5つのデータセットにまたがって結果を達成し、暗号化されたトラフィックの分類と複雑なネットワーク動作の理解の有効性を示す。
  論文  参考訳（メタデータ） (2024-12-19T12:52:53Z)
• Towards Multi-agent Reinforcement Learning based Traffic Signal Control through Spatio-temporal Hypergraphs [19.107744041461316]
  交通信号システム(TSCS)は、効率的な車両の流れを育むインテリジェントな交通管理に不可欠である。 本稿では,インテリジェントトラフィックエッジネットワークを実現するための新しいTSCSフレームワークを提案する。 我々は,マルチエージェントソフトアクター・クリニック(MA-SAC)強化学習アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2024-04-17T02:46:18Z)
• Lens: A Foundation Model for Network Traffic [19.3652490585798]
  Lensは、T5アーキテクチャを活用して、大規模な未ラベルデータから事前訓練された表現を学習するネットワークトラフィックの基礎モデルである。 Masked Span Prediction(MSP)、Packet Order Prediction(POP)、Homologous Traffic Prediction(HTP)の3つの異なるタスクを組み合わせた新しい損失を設計する。
  論文  参考訳（メタデータ） (2024-02-06T02:45:13Z)
• InfraParis: A multi-modal and multi-task autonomous driving dataset [4.6740600790529365]
  我々は、RGB、深さ、赤外線という3つのモードで複数のタスクをサポートするInfraParisという新しいデータセットを紹介した。 本研究では,意味的セグメンテーション,オブジェクト検出,深さ推定といったタスクのモデルを含む,最先端のベースライン技術の評価を行う。
  論文  参考訳（メタデータ） (2023-09-27T16:07:43Z)
• Graph-based Topology Reasoning for Driving Scenes [102.35885039110057]
  TopoNetは、従来の知覚タスクを超えてトラフィック知識を抽象化できる最初のエンドツーエンドフレームワークである。 TopoNetを,難解なシーン理解ベンチマークOpenLane-V2で評価した。
  論文  参考訳（メタデータ） (2023-04-11T15:23:29Z)
• Multi-view Multi-label Anomaly Network Traffic Classification based on MLP-Mixer Neural Network [55.21501819988941]
  畳み込みニューラルネットワーク(CNN)に基づく既存のネットワークトラフィック分類は、グローバルな情報関連を無視しながら、トラフィックデータの局所的なパターンを強調することが多い。 本稿では,エンドツーエンドのネットワークトラフィック分類手法を提案する。
  論文  参考訳（メタデータ） (2022-10-30T01:52:05Z)
• 5G Traffic Prediction with Time Series Analysis [0.0]
  本プロジェクトは,将来的な交通の性質と発生を予測するために,交通履歴を活用することを目的としている。 機械学習のパワーを活用して、トラフィックを生成するアプリケーションの分類、パケット到着強度の予測、バースト発生の3つの目的を達成する。
  論文  参考訳（メタデータ） (2021-10-07T20:24:34Z)
• MFGNet: Dynamic Modality-Aware Filter Generation for RGB-T Tracking [72.65494220685525]
  可視データと熱データ間のメッセージ通信を促進するために,新しい動的モダリティ対応フィルタ生成モジュール(MFGNet)を提案する。 我々は、2つの独立ネットワークを持つ動的モダリティ対応フィルタを生成し、その可視フィルタとサーマルフィルタをそれぞれ、対応する入力特徴写像上で動的畳み込み演算を行う。 重閉塞,高速移動,外見による問題に対処するため,新たな方向認識型目標誘導型アテンション機構を活用することで,共同で局所的・グローバル検索を行うことを提案する。
  論文  参考訳（メタデータ） (2021-07-22T03:10:51Z)
• LiDAR-based Panoptic Segmentation via Dynamic Shifting Network [56.71765153629892]
  LiDARベースのパノプティカルセグメンテーションは、オブジェクトとシーンを統一的に解析することを目的としている。 本稿では,ポイントクラウド領域における効果的な単視分割フレームワークとして機能する動的シフトネットワーク(DS-Net)を提案する。 提案するDS-Netは,現在の最先端手法よりも優れた精度を実現する。
  論文  参考訳（メタデータ） (2020-11-24T08:44:46Z)
• 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。