대규모 언어 모델이 생성한 코드를 활용한 네트워크 관리 개선

초록

네트워크 토폴로지와 통신 그래프 분석은 현대 네트워크 관리에서 중요한 역할을 합니다. 그러나 일관된 접근 방식의 부재는 학습 곡선의 가파름, 오류 증가, 그리고 비효율성을 초래합니다. 본 논문에서는 자연어 기반 네트워크 관리 경험을 용이하게 하는 새로운 접근 방식을 소개하며, 대규모 언어 모델(LLM)을 활용하여 자연어 질의에서 작업별 코드를 생성합니다. 이 방법은 생성된 코드를 검사할 수 있도록 함으로써 설명 가능성, 확장성, 그리고 프라이버시 문제를 해결하며, LLM과 네트워크 데이터를 공유할 필요를 없애고, 일반적인 프로그램 합성 기술과 결합된 애플리케이션 특화 요청에 집중합니다. 벤치마크 애플리케이션을 사용하여 프로토타입 시스템을 설계하고 평가하며, 높은 정확도, 비용 효율성, 그리고 보완적인 프로그램 합성 기술을 통한 추가 개선 가능성을 보여줍니다.

English

Analyzing network topologies and communication graphs plays a crucial role in contemporary network management. However, the absence of a cohesive approach leads to a challenging learning curve, heightened errors, and inefficiencies. In this paper, we introduce a novel approach to facilitate a natural-language-based network management experience, utilizing large language models (LLMs) to generate task-specific code from natural language queries. This method tackles the challenges of explainability, scalability, and privacy by allowing network operators to inspect the generated code, eliminating the need to share network data with LLMs, and concentrating on application-specific requests combined with general program synthesis techniques. We design and evaluate a prototype system using benchmark applications, showcasing high accuracy, cost-effectiveness, and the potential for further enhancements using complementary program synthesis techniques.

대규모 언어 모델이 생성한 코드를 활용한 네트워크 관리 개선

Enhancing Network Management Using Code Generated by Large Language Models

초록

Support