Configuração de Redes Baseada em Intenções com Modelos de Linguagem

• Pedro Nicolau Lacerda UNICAMP
• Allan M. de Souza UNICAMP

DOI: https://doi.org/10.5753/sbrc_estendido.2026.23383

Resumo

Este trabalho investiga o uso de modelos de linguagem para a automação da configuração de redes no contexto de Intent-Based Networking (IBN). A proposta tem como foco traduzir instruções de alto nível escritas em linguagem natural em ações de rede estruturadas e operacionalizáveis, reduzindo a complexidade das tarefas de configuração manual. Para isso, a pesquisa explora o uso de pipelines de orquestração com planejamento intermediário, grounding orientado pela topologia e geração controlada de comandos, além de estratégias de adaptação desses modelos ao domínio de redes. Como resultado esperado, busca-se uma abordagem mais confiável e escalável para aplicar modelos de linguagem ao gerenciamento e à operação de redes.

Referências

Abdulghani, A., Ahmed, A. H. M., Riegler, M., and Cicic, T. (2024). An intent-based networks framework based on large language models. In 2024 IEEE 10th International Conference on Network Softwarization (NetSoft).

Bakhshi, T. and Tempest, A. (2017). State of the art and recent research advances in software defined networking. Wireless Communications and Mobile Computing, 2017:7191647.

Chen, M., Tworek, J., Jun, H., Yuan, Q., de Oliveira Pinto, H. P., Kaplan, J., Edwards, H., Burda, Y., Joseph, N., Brockman, G., et al. (2021). Evaluating large language models trained on code. arXiv preprint arXiv:2107.03374.

Comer, D. and Rastegarnia, A. (2018). Osdf: An intent-based software defined network programming framework. arXiv preprint arXiv:1807.02205.

FRRouting Project (2026). FRRouting User Guide. Stable documentation and protocol configuration reference.

Leivadeas, A. and Falkner, M. (2023). A survey on intent-based networking. IEEE Communications Surveys & Tutorials, 25(1):625–655.

Masterman, T., Besen, S., Sawtell, M., and Chao, A. (2024). The landscape of emerging ai agent architectures for reasoning, planning, and tool calling: A survey. arXiv preprint arXiv:2404.11584.

Meta (2024a). Llama 3.1 8b instruct.

Meta (2024b). Llama 3.2 1b instruct.

Qwen Team (2025). Qwen3-4b-instruct-2507.

Qwen Team (2026). Qwen3.5-35b-a3b.

Sumers, T. R., Yao, S., Narasimhan, K., and Griffiths, T. L. (2024). Cognitive architectures for language agents. arXiv preprint arXiv:2309.02427.

Tu, N. et al. (2024). Intent-based network configuration using large language models. International Journal of Network Management.

Zhu, C., Dai, D., Zhang, Y., Hui, B., Wang, Z., Wang, X., Zhao, H., Qiu, X., and Lin, D. (2023). On the calibration of large language models and alignment. In Findings of the Association for Computational Linguistics: EMNLP 2023, pages 9751–9778.