Hur kan stora språkmodeller göra nätverkskonfigurationen användarvänlig?

Nya generativa AI-modeller

Studien undersöker hur framväxande generativa AI-modeller kan förenkla komplex nätverkshantering genom att tolka mänskliga krav på hög nivå, utveckla routingalgoritmer och generera nätverkskonfigurationer på låg nivå. Changjie Wang, doktorand vid KTH, ledde arbetet.

"På lång sikt förväntar vi oss att bygga AI-assisterade verktyg som inte bara hjälper till att automatiskt skapa mjukvarukonfigurationer av nätverkssystem, utan också verifierar riktigheten och tillförlitligheten av de föreslagna implementeringarna. Detta kommer att bidra till mer tillförlitlig, effektiv och skalbar nätverkshantering i framtiden", säger Marco Chiesa, docent vid KTH och Wangs huvudhandledare.

Prisbelönt forskning

"IRTF/IETF Applied Networking Research Prize uppmärksammar endast ett fåtal uppsatser årligen, utvalda från ledande konferenser som SIGCOMM, NSDI, CCS och IMC. Vi är hedrade över att vårt arbete har inkluderats bland dessa effektfulla bidrag. Detta erkännande lyfter fram relevansen av tillämpad forskning som kopplar samman teoretiska insikter med praktiska utmaningar i nätverket," säger Wang.

Arbetet är en del av en större satsning inom ett Vinnova-finansierat projekt som leds av Marco Chiesa, i samarbete med RedHat, RISE och SAAB, som syftar till att fullt ut integrera AI-intelligens i mjukvarusystem.

"Changjies forskning är i linje med de senaste genombrotten inom AI-utveckling, vilket för oss närmare helautomatiska nätverkssystem", avslutar Chiesa.

Arbetet är en gemensam insats av Changjie Wang (KTH), Mariano Scazzariello (RISE), Alireza Farshin (Nvidia), Simone Ferlin (RedHat), Dejan Kostić (KTH/RISE, medhandledare för Wang) och Marco Chiesa.

Läs den prisbelönta artikeln: NetConfEval: Kan LLM:er underlätta nätverkskonfiguration?
Publicerad på ACM International Conference on emerging Networking EXperiments and Technologies (CoNEXT), 2024.

​​​​​​​https://doi.org/10.1145/3656296 ​​​​​​​

Kontakt: