面向全方位 IoT 流量解释的 LLM 驱动 AI 代理框架
计算与语言
2025-10-17 v1 密码学与安全
网络与互联网体系结构
摘要
物联网 (IoT) 网络生成多样且高流量的流量，这些流量反映正常活动和潜在威胁。从此类遥测数据中派生有意义的洞察需要对行为、协议和上下文进行跨层解释，而不仅仅是孤立检测。本工作提出一种 LLM 驱动的 AI 代理框架，将原始数据包捕获转换为结构化和语义丰富的表示，以进行交互式分析。该框架集成了特征提取、基于转换器的异常检测、数据包和流摘要、威胁情报丰富以及检索增强问答。由大型语言模型指导的 AI 代理对索引过的流量制品进行推理，组装证据，以产生准确且人类可读的解释。实验评估在多个 IoT 抓包和六个开放模型上显示，混合检索(结合词典检索和语义检索并进行重新排序)在 BLEU、ROUGE、METEOR 和 BERTScore 结果上显著优于仅使用密集检索。系统剖析进一步表明，框架在低 CPU、GPU 和内存开销下实现了全方位且高效的 IoT 网络流量解释。
引用
@article{arxiv.2510.13925,
title = {An LLM-Powered AI Agent Framework for Holistic IoT Traffic Interpretation},
author = {Daniel Adu Worae and Spyridon Mastorakis},
journal= {arXiv preprint arXiv:2510.13925},
year = {2025}
}