論文の概要: TopoEdge: Topology-Grounded Agentic Framework for Edge Networking Code Generation and Repair
- arxiv url: http://arxiv.org/abs/2603.00569v1
- Date: Sat, 28 Feb 2026 09:36:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-03 19:50:56.265491
- Title: TopoEdge: Topology-Grounded Agentic Framework for Edge Networking Code Generation and Repair
- Title（参考訳）: TopoEdge: エッジネットワークコード生成と修復のためのトポロジが取り巻くエージェントフレームワーク
- Authors: Haomin Qi, Bohan Liu, Zihan Dai, Yunkai Gao,
- Abstract要約: TopoEdgeは、SDN(Software-Defined Network)構成の生成と修復のためのフレームワークである。
TopoEdgeは、各ターゲットトポロジをルータレベルのグラフとして表現し、対照的に訓練されたグラフニューラルネットワーク(GNN)を使用してそれを埋め込む。
対象トポロジ、検索基準トポロジ、参照ドライバをトポロジ基底検索拡張生成コンテキスト(TopoRAG)に組み立てる。
- 参考スコア（独自算出の注目度）: 1.8860840010379987
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: TopoEdge is a topology-grounded, edge-deployable framework for end-to-end software-defined networking (SDN) configuration generation and repair, motivated by the brittleness of configuration artefacts under topology variation and by strict operational constraints on latency, privacy, and on-site execution. TopoEdge represents each target topology as a router-level graph and embeds it using a contrastively trained graph neural network (GNN), enabling nearest-neighbour retrieval of a verified reference configuration paired with an executable Python driver (a Topotest/pytest test script that orchestrates the emulated network and checks protocol assertions). The target topology, retrieved reference topology, and reference driver are assembled into a topology-grounded retrieval-augmented generation context (TopoRAG), which grounds a distributed, execution-centric generate--verify--repair loop coordinated by a central controller and realised by three role-specialised agents: (i) a Planning agent that produces a topology-consistent configuration plan and a per-device skeleton; (ii) a Generation agent that materialises executable configuration artefacts, including device configurations and the driver; and (iii) a Verification agent that runs the FRRouting Topotest/pytest harness, compresses failures into a compact trace, and emits localised patch directives for iterative repair.
- Abstract（参考訳）: TopoEdgeは、トポロジを基盤とした、エンドツーエンドのソフトウェア定義ネットワーク(SDN)の構成生成と修復のための、エッジデプロイ可能なフレームワークである。
TopoEdgeは、各ターゲットトポロジをルータレベルのグラフとして表現し、対照的に訓練されたグラフニューラルネットワーク(GNN)を使用してそれを埋め込み、実行可能Pythonドライバ(エミュレートされたネットワークを編成し、プロトコルアサーションをチェックするTopotest/pytestテストスクリプト)と組み合わせて、検証済みの参照設定を最寄りで検索することを可能にする。
対象トポロジ、検索基準トポロジ、参照ドライバをトポロジ基底の検索拡張生成コンテキスト(TopoRAG)に組み立て、中央コントローラによって調整され、3つのロール特定エージェントによって実現される分散実行中心の生成-検証-再生ループを基盤とする。
一 トポロジに一貫性のある構成計画及びデバイス毎の骨格を作成する計画エージェント
二 装置の構成及び運転者を含む、実行可能な構成品を生産する生成エージェント
三 FRRouting Topotest/pytest ハーネスを実行し、障害をコンパクトなトレースに圧縮し、反復的な修復のために局所化されたパッチディレクティブを出力する検証エージェント。
関連論文リスト
- ANCHOR: Branch-Point Data Generation for GUI Agents [52.22377425487]
デスクトップ環境向けのエンドツーエンドGUIエージェントは、大量の高品質なインタラクションデータを必要とする。
本稿では,拡張フレームワークであるAnchorについて紹介する。このフレームワークは,小規模で検証済みのシードデモから,スケーラブルなデスクトップ監視をブートストラップする。
OSWorldとWindowsAgentArenaの標準デスクトップベンチマークの実験では、拡張されたコーパスに微調整されたモデルが一貫した改善を実現している。
論文 参考訳（メタデータ） (2026-02-06T19:55:26Z) - Single-Edge Node Injection Threats to GNN-Based Security Monitoring in Industrial Graph Systems [2.405577583760006]
グラフニューラルネットワーク(GNN)は、産業用グラフベースの監視システムにますます採用されている。
少数のエッジデバイスを侵害する敵は、下流の判断をバイアスするために偽造ノードを注入する可能性がある。
本稿では,制約リソース下での配置指向ノード注入攻撃を定式化し,EmphSingle-Edge Graph Injection Attack (SEGIA)を提案する。
論文 参考訳（メタデータ） (2026-02-01T09:19:54Z) - BGPFuzz: Automated Configuration Fuzzing of the Border Gateway Protocol [3.0013352260516744]
BGP(Border Gateway Protocol)の設定ミスは、深刻な機能停止とセキュリティ侵害につながる可能性がある。
本稿では,BGPの構成を体系的に変更し,ネットワーク上での効果を評価する構造対応かつステートフルなファジィフレームワークであるBGPFuzzを紹介する。
論文 参考訳（メタデータ） (2025-12-05T01:53:14Z) - AegisMCP: Online Graph Intrusion Detection for Tool-Augmented LLMs on Edge Devices [5.081228499547384]
本稿では,プロトコルレベルの侵入検知器であるAegisMCPを紹介する。
AegisMCPは、ウィンドウ毎のサブ秒モデル推論とエンドツーエンドの警告を実現する。
論文 参考訳（メタデータ） (2025-10-22T10:50:22Z) - Repairing Networks of $\mathcal{EL_\perp}$ Ontologies using Weakening and Completing -- Extended version [4.287175019018556]
本稿では,この問題に対処するオントロジーネットワークの修復フレームワークを提案する。
弱体化や完成などの基本的な操作を定義する。
修復したネットワークの品質に及ぼす組み合わせ演算子の影響と実装ツールについて述べる。
論文 参考訳（メタデータ） (2024-07-26T16:15:33Z) - Refined Edge Usage of Graph Neural Networks for Edge Prediction [51.06557652109059]
We propose a novel edge prediction paradigm named Edge-aware Message PassIng neuRal nEtworks (EMPIRE)。
まず,各エッジをトポロジや監督のためにのみ使用するエッジ分割手法を提案する。
監視エッジで接続されたペアと接続されていないペアの差を強調するために、さらにメッセージを重み付けして、その差を反映できる相対的なペアを強調します。
論文 参考訳（メタデータ） (2022-12-25T23:19:56Z) - Towards AIOps in Edge Computing Environments [60.27785717687999]
本稿では,異種分散環境に適用可能なaiopsプラットフォームのシステム設計について述べる。
高頻度でメトリクスを収集し、エッジデバイス上で特定の異常検出アルゴリズムを直接実行することが可能である。
論文 参考訳（メタデータ） (2021-02-12T09:33:00Z) - Geometry Constrained Weakly Supervised Object Localization [55.17224813345206]
弱教師付きオブジェクトローカライゼーションのための幾何制約付きネットワークであるGC-Netを提案する。
検出器は、幾何学的形状を記述する係数の集合によって定義された物体の位置を予測する。
ジェネレータは、得られたマスクされた画像を入力として、オブジェクトとバックグラウンドの2つの補完的な分類タスクを実行する。
従来のアプローチとは対照的に、GC-Netはエンドツーエンドでトレーニングされ、後処理なしでオブジェクトの位置を予測する。
論文 参考訳（メタデータ） (2020-07-19T17:33:42Z) - End-to-End Object Detection with Transformers [88.06357745922716]
本稿では,オブジェクト検出を直接セット予測問題とみなす新しい手法を提案する。
我々のアプローチは検出パイプラインを合理化し、手作業で設計された多くのコンポーネントの必要性を効果的に除去する。
この新しいフレームワークの主な構成要素は、Detection TRansformerまたはDETRと呼ばれ、セットベースのグローバルな損失である。
論文 参考訳（メタデータ） (2020-05-26T17:06:38Z) - DHP: Differentiable Meta Pruning via HyperNetworks [158.69345612783198]
本稿では,ネットワークの自動プルーニングのためのハイパーネットによる識別可能なプルーニング手法を提案する。
遅延ベクトルは、バックボーンネットワーク内の畳み込み層の出力チャネルを制御し、レイヤのプルーニングのハンドルとして機能する。
画像分類、単一画像超解像、復調のための様々なネットワークで実験が行われた。
論文 参考訳（メタデータ） (2020-03-30T17:59:18Z)
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。