論文の概要: NetInspector: Measuring and Improving LLM Capabilities for Reliable Intent-Based Networking Policy Generation
- arxiv url: http://arxiv.org/abs/2609.21103v1
- Date: Thu, 17 Sep 2026 21:26:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-21 18:40:16.784005
- Title: NetInspector: Measuring and Improving LLM Capabilities for Reliable Intent-Based Networking Policy Generation
- Title（参考訳）: NetInspector:信頼度の高いネットワークポリシー生成のためのLCM能力の測定と改善
- Abstract要約: 大規模言語モデル(LLM)は、IBNポリシー生成の自然な候補である。
微調整LDMは意図翻訳において優れているが,提案した意図が既存のセキュリティポリシーに違反しているかどうかを確認する際に偽陰性を示す。
この発見に触発されたNetInspectorは、バリデーション・then-actプロトコルを強制する3層エージェントフレームワークである。
- 参考スコア（独自算出の注目度）: 18.849963639339737
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Modern networks are large in scale and heterogeneous in configuration, making manual policy management increasingly impractical. Intent-Based Networking (IBN) addresses this by automating the translation of high-level operator goals into low-level network configurations. Yet existing IBN systems rely on static heuristics and fixed-feature classifiers that generalize poorly to distribution shifts such as new service definitions or evolving phrasing in operator requests. Large Language Models (LLMs), with strong reasoning and translation capabilities demonstrated across many domains, are a natural candidate for IBN policy generation. However, it is unclear whether LLMs can be reliably applied to this task, nor whether their use mitigates or worsens the underlying security risk. In this work, we show that while fine-tuned LLMs excel at intent translation, they exhibit false negative rates when checking whether a proposed intent violates an existing security policy. The root cause is not a lack of logical reasoning capability, but LLMs lack of persistent grounding in network topology and group hierarchy. Motivated by this finding, we introduce NetInspector, a three-layer agentic framework that enforces a verify-then-act protocol, decoupling information retrieval from reasoning so that the LLM focuses on symbolic reasoning while every policy decision is grounded in verifiable network facts retrieved from a live Environment Layer before approval. On NetInspector-Bench, a 2,224-sample synthetic benchmark spanning campus, enterprise, and WAN topologies, NetInspector reduces FNR by over 30\% relative to ungrounded baselines and remains robust under linguistic distribution shifts.
- Abstract（参考訳）: 現代のネットワークは規模が大きく、構成が不均一であり、手動のポリシー管理はますます非現実的になっている。
Intent-Based Networking (IBN)は、高レベルの演算子の目標を低レベルのネットワーク構成に自動変換することで、この問題に対処する。
しかし、既存のISNシステムは静的ヒューリスティックと固定機能分類器に依存しており、新しいサービス定義やオペレーター要求の進化するフレーズのような分散シフトをうまく一般化している。
大規模言語モデル(LLM)は、多くのドメインで強い推論と翻訳能力を持つが、IBNポリシー生成の自然な候補である。
しかし、LSMがこのタスクに確実に適用できるかどうか、その使用がセキュリティリスクを軽減または悪化させるかどうかは不明である。
本研究は、微調整LDMが意図翻訳において優れているが、提案された意図が既存のセキュリティポリシーに違反しているかどうかを確認する際に偽陰性を示すことを示す。
根本原因は論理的推論能力の欠如ではなく、LLMはネットワークトポロジとグループ階層の永続的な基盤の欠如である。
この発見に触発されたNetInspectorは,実環境層から取得した検証可能なネットワーク事実がすべて根拠となっている間に,LLMが象徴的推論に重点を置くように,情報検索を推論から分離する3層エージェントフレームワークである。
NetInspector-Benchは、キャンパス、企業、WANのトポロジにまたがる2,224サンプルの総合ベンチマークである。
関連論文リスト
- NetConfArena: An Executable Benchmark for LLM Agents in Closed-Loop Network Configuration [14.126948395559987]
本稿では,大規模言語モデル (LLM) エージェントをクローズドループネットワーク構成で評価するためのベンチマークであるNetConfArenaを提案する。
このベンチマークは、人間指向のネットワーク材料を再利用可能なパラメータ化タスクテンプレートに変換するLLM支援エミュレーション地上パイプラインに依存している。
96のプロトコル中心のタスクテンプレートからインスタンス化された480のタスクインスタンス上で,代表的なLCMエージェントを評価し,エラーがコマンドエラーに制限されないことを示す。
論文 参考訳（メタデータ） (2026-08-24T12:26:37Z) - An LLM-Based Framework for Intent-Driven Network Topology Design [0.8538830579425146]
本研究では,大規模言語モデルが構造的に妥当で制約に順応するネットワークトポロジを生成する能力について検討する。
このフレームワークは、4つの現実的なネットワークシナリオにわたるプロプライエタリおよびオープンウェイトLLMのマルチモデル比較によって評価される。
全体として、この研究は、LLMがトポロジー合成における構造的およびレジリエンス的制約をどのように扱うかを理解するための体系的なベンチマークを提供する。
論文 参考訳（メタデータ） (2026-07-01T00:38:36Z) - From Detection to Response: A Deep Learning and Retrieval-Augmented Generation Framework for Network Intrusion Mitigation [0.7136933021609079]
本稿では,脅威検出と行動応答のギャップを埋める統一的なエンドツーエンドフレームワークを提案する。
まず、独立に訓練された3つのバイナリディープニューラルネットワーク(DNN)のアンサンブルで、ネットワークトラフィックフローをBenign, Denial of Service(DoS)またはDistributed Denial of Service(DDoS)に分類する。
第2に、Retrieval-Augmented Generation (RAG)パイプラインは、トップ5の異常な機能から説明対応プロンプトを構築する。
論文 参考訳（メタデータ） (2026-05-18T07:17:55Z) - PRISM: : Planning and Reasoning with Intent in Simulated Embodied Environments [59.07829883257003]
5つの集合住宅の上に建設され、PRISMは300の人間認証タスクを3つの能力レベルに構成する。
PRISMはエージェントに依存しない実行可能なアクションAPIを公開し、任意のエージェントをエンドツーエンドで評価できるようにする。
論文 参考訳（メタデータ） (2026-05-12T04:59:47Z) - Understanding Network Behaviors through Natural Language Question-Answering [11.90560159315518]
自然言語(NL)を用いたネットワーククエリのための新しいフレームワークであるNetMindを提案する。
本手法では,セマンティック・コヒーレンスを維持するために,ツリーベースの構成チャンキング戦略を導入する。
次に、ベンダー固有の設定を正規化するための中間表現として、統合されたファクトグラフを構築します。
論文 参考訳（メタデータ） (2025-10-24T08:54:29Z) - Federated Learning-Enabled Hybrid Language Models for Communication-Efficient Token Transmission [87.68447072141402]
ハイブリッド言語モデル(HLM)は、エッジデバイス上でのSLM(Small Language Model)の低レイテンシ効率と、集中型サーバ上でのLLM(Large Language Model)の高精度を組み合わせたものである。
我々は、不確実性を考慮した推論とフェデレートラーニング(FL)を統合する通信効率の高いHLMフレームワークであるFedHLMを提案する。
論文 参考訳（メタデータ） (2025-06-30T02:56:11Z) - Confident or Seek Stronger: Exploring Uncertainty-Based On-device LLM Routing From Benchmarking to Generalization [61.02719787737867]
大規模言語モデル(LLM)はますますエッジデバイスにデプロイされ、民主化されている。
1つの有望な解決策は不確実性に基づくSLMルーティングであり、SLM上での低信頼応答が発生すると、高い要求を強いLCMにオフロードする。
我々は1500以上の設定でSLMからLLMへの不確実性駆動型ルーティング戦略のベンチマークと一般化を包括的に調査する。
論文 参考訳（メタデータ） (2025-02-06T18:59:11Z) - Not all tokens are created equal: Perplexity Attention Weighted Networks for AI generated text detection [49.15148871877941]
大規模言語モデル(LLM)の検出に理論的に魅力的なアプローチを提供する次点分布出力
本稿では,LLMの最後の隠蔽状態を用いて,列長の次トーケン分布のメトリクスに基づく一連の特徴量の重み付けを行うパープレキシティ注意重み付けネットワーク(PAWN)を提案する。
PAWNは、トレーニング可能なパラメータのごく一部を持つ最強のベースラインよりも、競争力があり、より優れた分散性能を示している。
論文 参考訳（メタデータ） (2025-01-07T17:00:49Z) - 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)
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。