Chimera：面向可信数据平面智能的神经符号注意力原语
网络与互联网体系结构
2026-04-22 v3 人工智能
密码学与安全
机器学习
摘要
将表达性强的学习模型直接部署在可编程数据平面上，虽能实现线速低延迟的流量分析，却受限于严格的硬件约束，以及对可预测、可审计行为的需求。Chimera 提出了一种原则性框架，将面向注意力的神经计算和符号约束映射到数据平面原语上，实现可信推理于匹配-操作管道中。Chimera 将一种核化、线性化的注意力近似与两种层级的键选择结构相结合，采用级联融合机制，在保持神经表达力的同时强制执行硬符号保证。该设计包括硬件感知的映射协议和双时间尺度的更新方案，共同实现在现实数据平面预算下稳定的线速运行。本文提出了 Chimera 架构、硬件映射策略，并通过实证研究表明，神经符号注意力原语可在商品化可编程交换机的资源范围内实现高保真推理。
引用
@article{arxiv.2602.12851,
title = {Chimera: Neuro-Symbolic Attention Primitives for Trustworthy Dataplane Intelligence},
author = {Rong Fu and Xiaowen Ma and Kun Liu and Wangyu Wu and Ziyu Kong and Jia Yee Tan and Tailong Luo and Xianda Li and Zeli Su and Youjin Wang and Yongtai Liu and Simon Fong},
journal= {arXiv preprint arXiv:2602.12851},
year = {2026}
}
备注
22 pages, 10 figures