[논문] 동적 네트워크 모니터링·오케스트레이션을 위한 저지연 의미 상태 추정기, 잠재 예측 학습 활용

출처: arXiv - 2606.08869v1

Overview

폐쇄 루프 네트워크 모니터링 및 오케스트레이션은 이제 원시 카운터 수집을 넘어 실시간 텔레메트리의 의미적 해석을 요구하고 있다. 그러나 동적인 클라우드‑엣지 환경에서는 활성 노드 집합과 모니터링 쿼리가 런타임에 따라 변하고, 제어 루프는 밀리초 수준의 제한된 응답 시간을 필요로 한다. 우리는 스트리밍 텔레메트리를 기반으로 한 잠재 예측 학습에 기반한 동적 네트워크 모니터링 및 오케스트레이션을 위한 잠재 예측 상태 추정기(LPSE)를 제안한다. 이 프레임워크는 가변 크기의 노드 텔레메트리를 토폴로지에 적응하는 시계열 표현으로 변환하고, 이를 모니터링 질문과 결합하여 자동 회귀 텍스트 생성이 아니라 의미 코드북에서 제한된 답변을 반환한다. 이러한 설계는 의미적 해석 가능성을 유지하면서 고정 비용의 단일 패스 추론을 가능하게 한다. 안정적인 식별자를 키로 하는 순열 불변, 슬롯 라우팅된 노드 표현 위에서 동작함으로써 모델은 입력 공간을 고정하고, 재학습 없이도 노드 추가·제거·재배열에 일반화한다. 다중 노드 쿠버네티스 클러스터에 대한 실험 결과, 의미 예측 정확도 82.42%를 달성했으며, 평균 추론 지연은 약 41배 낮고 메모리 사용량은 15배 작아 배포 가능한 40억 파라미터 LLM 엔드포인트와 비교해 큰 효율성을 보였다.

Key Contributions

이 논문은 다음 분야의 연구를 제시한다:

• cs.DC

Methodology

자세한 방법론은 전체 논문을 참고하시기 바란다.

Practical Implications

본 연구는 cs.DC 분야의 발전에 기여한다.

Authors

• Hari Madhukumar
• Haiyuan Li
• Xiaolan Liu
• Andy Corston-Petrie
• Dimitra Simeonidou

Paper Information

• arXiv ID: 2606.08869v1
• Categories: cs.DC
• Published: 2026년 6월 7일
• PDF: PDF 다운로드