論文の概要: AI-Paging: Lease-Based Execution Anchoring for Network-Exposed AI-as-a-Service
- arxiv url: http://arxiv.org/abs/2602.15286v1
- Date: Tue, 17 Feb 2026 01:11:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-18 16:03:17.950316
- Title: AI-Paging: Lease-Based Execution Anchoring for Network-Exposed AI-as-a-Service
- Title（参考訳）: AI-Paging: ネットワーク公開型AI-as-a-Serviceのためのリースベースの実行アンカリング
- Authors: Merve Saimler, Mohaned Chraiti,
- Abstract要約: 6Gサービスプロバイダは、ユーザが意図のみを提出する環境でAIを公開する上で、重要な役割を果たすと想定されている。
既存の制御・ユーザプレーン機構を用いたAI-Pagingの試作を行った。
- 参考スコア（独自算出の注目度）: 0.13750624267664155
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With AI-as-a-Service (AIaaS) now deployed across multiple providers and model tiers, selecting the appropriate model instance at run time is increasingly outside the end user's knowledge and operational control. Accordingly, the 6G service providers are envisioned to play a crucial role in exposing AIaaS in a setting where users submit only an intent while the network helps in the intent-to-model matching (resolution) and execution placement under policy, trust, and Quality of Service (QoS) constraints. The network role becomes to discover candidate execution endpoints and selects a suitable model/anchor under policy and QoS constraints in a process referred here to as AI-paging (by analogy to cellular call paging). In the proposed architecture, AI-paging is a control-plane transaction that resolves an intent into an AI service identity (AISI), a scoped session token (AIST), and an expiring admission lease (COMMIT) that authorizes user-plane steering to a selected AI execution anchor (AEXF) under a QoS binding. AI-Paging enforces two invariants: (i) lease-gated steering (without COMMIT, no steering state is installed) and (ii) make-before-break anchoring to support continuity and reliability of AIaaS services under dynamic network conditions. We prototype AI-Paging using existing control- and user-plane mechanisms (service-based control, QoS flows, and policy-based steering) with no new packet headers, ensuring compatibility with existing 3GPP-based exposure and management architectures, and evaluate transaction latency, relocation interruption, enforcement correctness under lease expiry, and audit-evidence overhead under mobility and failures.
- Abstract（参考訳）: AI-as-a-Service(AIaaS)が複数のプロバイダとモデル層にデプロイされるようになると、実行時に適切なモデルインスタンスを選択することは、エンドユーザの知識と運用管理の外でますます多くなっています。
したがって、6Gサービスプロバイダは、ユーザがインテントのみを提出する環境でAIaaSを公開する上で、ポリシ、信頼、品質オブサービス(QoS)制約の下でのインテント・ツー・モデルマッチング(解決)と実行の配置を支援する上で、重要な役割を果たすと想定されている。
ネットワークの役割は候補実行エンドポイントを発見し、ここではAIページングと呼ばれるプロセスでポリシーとQoS制約の下で適切なモデル/アンカーを選択する。
提案したアーキテクチャでは、AI-pagingは、AIサービスID(AISI)、スコープセッショントークン(AIST)、およびQoSバインディングの下で選択されたAI実行アンカー(AEXF)に対するユーザプレーンのステアリングを認可する expiring entry lease(COMMIT)への意図を解決するコントロールプレーントランザクションである。
AI-Pagingは2つの不変性を強制する。
(i)リースゲートステアリング(COMMITなしではステアリング状態は設置されない)
(II)動的ネットワーク条件下でのAIaaSサービスの継続性と信頼性をサポートするために、事前のアンカリングを行う。
我々は,既存のコントロールプレーン機構とユーザプレーン機構(サービスベースコントロール,QoSフロー,ポリシベースのステアリング)を新しいパケットヘッダなしで使用し,既存の3GPPベースの露出および管理アーキテクチャとの互換性を確保し,トランザクション遅延,再配置中断,リース期限下での強制的正当性,モビリティと障害時のオーディエビデンスオーバーヘッドを評価する。
関連論文リスト
- High-Fidelity Network Management for Federated AI-as-a-Service: Cross-Domain Orchestration [0.12234742322758417]
本稿では,Tail-Risk Envelopes(TRE)に基づく保証指向AI管理プレーンを提案する。
TREは、決定論的ガードレールとレート・レイテンシ・インペアメントモデルを組み合わせた、ドメインごとの構成可能な記述子に署名される。
テナントレベルの予約は,TRE契約下でのテール遅延の増大を防止する。
論文 参考訳（メタデータ） (2026-02-17T00:40:04Z) - Meta-Learning-Based Handover Management in NextG O-RAN [47.23997854845925]
O-RANアーキテクチャ内でTHOとCHOを協調的に最適化するフレームワークであるCONTRAを提案する。
ConTRAは、O-RAN xAppランタイムとして、ほぼリアルタイムでデプロイするために特別に設計されている。
CONTRAはユーザのスループットを向上し、THOとCHOの切り替えコストを削減できることを示す。
論文 参考訳（メタデータ） (2025-12-26T13:01:46Z) - QoS-Aware Hierarchical Reinforcement Learning for Joint Link Selection and Trajectory Optimization in SAGIN-Supported UAV Mobility Management [52.15690855486153]
宇宙空間統合ネットワーク (SAGIN) がユビキタスUAV接続を実現するための重要なアーキテクチャとして登場した。
本稿では,SAGINにおけるUAVモビリティ管理を制約付き多目的関節最適化問題として定式化する。
論文 参考訳（メタデータ） (2025-12-17T06:22:46Z) - AAGATE: A NIST AI RMF-Aligned Governance Platform for Agentic AI [2.430812125419517]
AAGATEは、自律的で言語モデル駆動のエージェントが本番環境で引き起こす、ユニークなセキュリティとガバナンスの課題に対処する。
ゼロトラストサービスメッシュ、説明可能なポリシエンジン、行動分析、分散説明責任フックが組み込まれている。
論文 参考訳（メタデータ） (2025-10-29T18:06:28Z) - A Novel Zero-Trust Identity Framework for Agentic AI: Decentralized Authentication and Fine-Grained Access Control [7.228060525494563]
本稿では,Agentic AI IAMフレームワークの提案について述べる。
リッチで検証可能なエージェント識別子(ID)に基づく包括的フレームワークを提案する。
また、Zero-Knowledge Proofs(ZKPs)によって、プライバシ保護属性の開示と検証可能なポリシーコンプライアンスを実現する方法について検討する。
論文 参考訳（メタデータ） (2025-05-25T20:21:55Z) - Intelligent Mobile AI-Generated Content Services via Interactive Prompt Engineering and Dynamic Service Provisioning [55.641299901038316]
AI生成コンテンツは、ネットワークエッジで協調的なMobile AIGC Service Providers(MASP)を編成して、リソース制約のあるユーザにユビキタスでカスタマイズされたコンテンツを提供することができる。
このようなパラダイムは2つの大きな課題に直面している: 1) 生のプロンプトは、ユーザーが特定のAIGCモデルで経験していないために、しばしば生成品質が低下する。
本研究では,Large Language Model (LLM) を利用してカスタマイズしたプロンプトコーパスを生成する対話型プロンプトエンジニアリング機構を開発し,政策模倣に逆強化学習(IRL)を用いる。
論文 参考訳（メタデータ） (2025-02-17T03:05:20Z) - A Learning-based Incentive Mechanism for Mobile AIGC Service in Decentralized Internet of Vehicles [49.86094523878003]
モバイルAIGCサービスアロケーションのための分散インセンティブ機構を提案する。
我々は、AIGCサービスのRSUへの供給と、IoVコンテキスト内のサービスに対するユーザ要求のバランスを見つけるために、マルチエージェントの深層強化学習を採用している。
論文 参考訳（メタデータ） (2024-03-29T12:46:07Z) - Enabling AI-Generated Content (AIGC) Services in Wireless Edge Networks [68.00382171900975]
無線エッジネットワークでは、不正に生成されたコンテンツの送信はネットワークリソースを不要に消費する可能性がある。
我々は、AIGC-as-a-serviceの概念を示し、エッジネットワークにAをデプロイする際の課題について議論する。
最適なASP選択のための深層強化学習可能なアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-01-09T09:30:23Z) - Predictive Closed-Loop Service Automation in O-RAN based Network Slicing [35.23159175375706]
オープン無線アクセスネットワーク(O-RAN)は、上記全ての機能を継承する最も有望なRANアーキテクチャである。
本稿では、SLA違反を防止するために、O-RANスライシングのためのクローズドループおよびインテリジェントリソースプロビジョニングスキームを提供する。
論文 参考訳（メタデータ） (2022-02-04T04:34:00Z)
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。