基于聊天的虚拟网络服务的最佳管理

于红博

摘要: 本文提出了一种聊天驱动的网络管理框架，该框架将自然语言处理（NLP）与基于优化的虚拟网络分配集成在一起，实现了直观且可靠的虚拟网络服务重新配置。传统的基于意图的网络（IBN）方法依赖于统计语言模型来解释用户意图，但无法保证生成的配置的可行性。为了克服这一问题，我们开发了一个由Interpreter和Optimizer组成的两阶段框架。Interpreter使用NLP从自然语言提示中提取意图，而Optimizer通过整数线性规划计算可行的虚拟机（VM）放置和路由。特别是，Interpreter将用户聊天转换为更新方向，即增加、减少或维持参数（如CPU需求和延迟界限），从而实现网络配置的迭代优化。本文介绍了两种意图提取器，分别是带有支持向量机（SVM）分类器的Sentence-BERT模型和大型语言模型（LLM）。在单用户和多用户设置中的实验表明，该框架在保持可行性的同时动态更新VM的放置和路由。基于LLM的提取器在较少标记样本的情况下实现了更高的准确性，而带有SVM分类器的Sentence-BERT则提供了适合实时操作的更低延迟。这些结果强调了将NLP驱动的意图提取与基于优化的分配相结合，实现了安全、可解释和用户友好的虚拟网络管理。

更新时间: 2025-12-31 04:14:23

领域: cs.NI,cs.AI

下载: http://arxiv.org/abs/2512.24614v1