LLM 기반 프라이버시 인텐트 오케스트레이션 클라우드 엣지 연속체

초록

본 논문은 GPT‑4o와 같은 대형 언어 모델을 활용해 자연어 형태의 프라이버시 인텐트를 자동으로 해석하고, 이를 쿠버네티스 노드 셀렉터와 SDN 흐름 규칙으로 변환하여 클라우드‑엣지 연속체 전반에 걸친 컴퓨팅·네트워크 자원을 프라이버시‑준수 방식으로 배치·경로 제어하는 프레임워크를 제안한다. 90개의 다양한 인텐트와 자동 검증 파이프라인을 구축해 95.6%의 정책 생성 정확도와 평균 21초의 응답 지연을 달성하였다.

상세 분석

이 연구는 세 가지 핵심 기술적 기여를 제공한다. 첫째, 자연어 프라이버시 인텐트를 LLM이 직접 파싱해 쿠버네티스의 node‑selector와 ONOS 기반 SDN의 flow rule로 컴파일한다는 점에서 기존 DSL‑기반 혹은 수동 정책 정의 방식과 차별화된다. GPT‑4o는 복합적인 규제 요구(예: “EU 내에 데이터 보관”, “신뢰할 수 없는 스위치 회피”)를 정확히 추출하고, 라벨 기반 인프라 메타데이터와 매핑해 자동 정책을 생성한다. 둘째, 컴퓨팅과 네트워킹 레이어를 동시에 고려한 통합 오케스트레이션 모델을 제시한다. 배치 제약(노드 속성)과 라우팅 제약(경로 속성)을 각각 수학적 제약식 ΦC, ΦN으로 정의하고, 배치 함수 σ와 라우팅 집합 ρ가 라벨 λ와 네트워크 그래프 G에 대해 만족하는지를 검증한다. 이는 정책 일관성을 보장하면서도 동적 워크로드 변화에 대응할 수 있는 형식적 기반을 제공한다. 셋째, 90개의 프라이버시 인텐트와 자동 검증기(쿠버네티스+ONOS 테스트베드)를 포함한 벤치마크를 공개함으로써 향후 연구의 재현성을 높였다. 실험 결과는 정책 생성 정확도 95.6%, 평균 변환 지연 21 초, 다운타임 < 50 ms, TTFT·TPOT 오버헤드 < 10%라는 실용적 성능을 보여준다. 그러나 몇 가지 한계도 존재한다. LLM 출력의 신뢰성을 보장하기 위해 프롬프트 엔지니어링과 후처리 검증이 필요하며, 라벨의 신뢰성(조작 방지)과 SDN 컨트롤러의 보안이 전제 조건이다. 또한 현재는 정적인 라벨 기반 정책에 국한되며, 실시간 데이터 흐름에 대한 암호화·키 관리와 같은 심층 보안 메커니즘은 포함되지 않는다. 향후 연구는 멀티‑클라우드·멀티‑벤더 환경에서 라벨 연동 표준화, 정책 충돌 해결 알고리즘, 그리고 LLM‑기반 정책 생성에 대한 형식 검증 기법을 확장하는 방향으로 진행될 수 있다.