AI代理增强的DNS封锁：应对学生评估中的LLM服务
网络与互联网体系结构
2026-04-09 v1 人工智能
计算机与社会
新兴技术
机器学习
摘要
大型语言模型（LLMs）在教育中的变革性潜力（如提升可达性和个性化学习）正被显著挑战所掩盖。这些挑战源于LLMs可能通过规避关键思考而破坏学术评估，导致认知外化增加。为平衡发挥AI教育优势的同时维护关键思考和学术严谨性，本研究引入AI-Sinkhole——一种AI代理增强的DNS基框架，通过动态发现、语义分类和临时网络级封锁考试期间新出现的LLM聊天服务。AI-Sinkhole通过量化LLM（LLama 3、DeepSeek-R1、Qwen-3）实现可解释分类，通过Pi-Hole实现动态DNS封锁。我们分享使用LLM作为可解释分类器的观察，实现了稳健的跨语言性能（F1分数>0.83）。为支持本领域的后续研究与发展，我们提供可立即部署的AI-Sinkhole封锁列表代码，地址为https://github.com/AIMLEdu/ai-sinkhole。
关键词
引用
@article{arxiv.2604.02360,
title = {Fighting AI with AI: AI-Agent Augmented DNS Blocking of LLM Services during Student Evaluations},
author = {Yonas Kassa and James Bonacci and Ping Wang},
journal= {arXiv preprint arXiv:2604.02360},
year = {2026}
}
备注
accepted at ITNG 2026