Example Generalizing Network Configuration Synthesizer via Graph-Informed Large Language Models

Jianmin Liu

doi:10.1109/ton.2026.3688476

Example Generalizing Network Configuration Synthesizer via Graph-Informed Large Language Models

2026-01-01

0

PRE

AI

DOI：10.1109/ton.2026.3688476

原文链接

原文求助

摘要

En 中文

网络配置合成通过减少人工参与来提高网络管理效率。然而，尽管该领域取得了显著进展，现有合成器在起草配置模板或使用特定领域语言编码时仍需大量人工努力。我们认为，主要原因是当前合成器缺乏一项核心能力：识别和遵循设备文档中的配置示例，并将其推广到任意拓扑结构。本研究利用人工智能的两个最新进展填补了这一能力差距：图神经网络（GNN）和大型语言模型（LLM）。我们构建了fastCEGS，能够自动识别适当的配置示例，并遵循和推广它们以适应目标网络场景。fastCEGS具有基于LLM的Builder，用于将意图嵌入拓扑；基于图变换器的Querier，用于从设备文档中识别相关示例；基于GNN的Classifier和Context Mapper，用于高效推广示例到任意拓扑；以及高效的LLM驱动的合成方法，用于快速正确地合成符合意图的配置。对真实网络和复杂意图的评估表明，fastCEGS无需人工参与即可为1094个设备的网络自动合成正确配置。相比之下，最先进的基于LLM的合成器即使有人工参与，其平均速度也比fastCEGS慢40倍以上。

Keyword:

Configuration synthesis

graph neural networks

large language models

intent-based network

Configuration synthesis

graph neural networks

large language models

intent-based network

Example Generalizing Network Configuration Synthesizer via Graph-Informed Large Language Models

摘要

期刊

机构

引用论文