基于人工智能的意图网络原型系统研发
电子工程学院
随着全球技术的不断发展，互联网已经进入数字时代。在数字时代的技术改革中，网络技术成为了重点研究的领域。随着大数据、物联网等新兴技术的到来以及网络规模的扩张,越来越多企业的传统网络架构已经难以应对快速部署业务的需求，传统网络的弊端也日益暴露。比如制造商研发各种型号的网络设备,不同设备的网络部署方式不同,管理难度较大。传统的网络运营模式已经难以对用户多类型、高质量的业务需求做出快速部署，也难以为客户提供满足当前需求的业务体验。针对现有网络的不足，基于意图的网络(Intent-based networking, IBN)被提出，它是一种新型的网络结构，实现了网络配管方式的本质改变，能够更好的为用户和业务提供支持。
IBN 强调意图的概念，意图是指用户期望网络达到的状态。人们在表达自身的意图后,IBN 自主地分析意图内容并完成转译、策略生成、验证和部署等环节，并能够根据当前网络状态做出相应的调整。IBN能够持续监测意图的状态，直到意图被完成。总体来说，IBN是一个自主网络，一个基于用户意图进行网络管理的和实施的网络架构。在实际应用中，IBN的成功实施不仅可以提升网络管理的效率，还可以降低网络运营的成本。
IBN 设计的相关研究涉及意图获取、意图转译、策略生成与验证、策略下发与执行等多个方面。其中，意图转译是指当IBN接收到用户意图时，根据自身的资源和状态，通过信息抽取等技术手段将意图转化成为网络配置要求的过程。如果用户使用自然语言来表述意图，那么IBN的意图转译模块就应该使用自然语言理解的相关技术手段对用户表述进行处理，生成能够被网络所理解的意图，并将该意图转为网络策略部署下去。意图转译是IBN 实现的重要环节，其目标是实现自动化转译过程，无需网络管理人员的干预，直接由整个意图网络完成网络用户提出的业务需求。网络管理工程师不需要使用或学习特定的网络策略语言，而直接表述期望达到的网络状态，网络根据意图将自动完成后续的意图转化和部署工作。
本课题将进行以下探索：使用开源SDN仿真工具Mininet构建意图网络拓扑。Mininet可在单台计算机上模拟完整网络拓扑，包括主机、交换机、控制器和链路，支持OpenFlow协议，与SDN控制器集成，便于测试和验证SDN应用。在深度学习方面，调用大语言模型LLM，通过知识库和提示词prompt，提升LLM对网络术语的理解能力，并研究实体抽取方法。通过在控制器中集成深度学习语言模型，实现人类与控制器对话时自动转化意图为Mininet网络指令，从而达到网络运维效果。本项目旨在结合网络仿真、深度学习AI技术和网络运维场景，研发一个自动理解和执行用户意图的网络原型系统。
