ReNO-2: Unterstützung von Netzwerkbetreibern durch ML – Ein kognitiver Ansatz

• Antragsteller: Professor Dr. Oliver Hohlfeld; Professor Dr. Stefan Schmid
• Fachliche Zuordnung: Sicherheit und Verlässlichkeit, Betriebs-, Kommunikations- und verteilte Systeme
• Förderung: Förderung seit 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 511099228

Wissenschaftlicher Kontext. Viele Netzwerk-Ausfälle heute werden durch menschliche Fehler verursacht. Dieses Projekt, ReNO-2, setzt unser ReNO-1-Projekt aus der ersten Phase des SPP Programms (Resilienz in vernetzten Welten) fort und zielt darauf ab, resiliente und adaptive Netzwerke zu entwerfen, selbst wenn die Menschen, die sie verwalten, Chaos einführen. Wie auch in ReNO-1 wollen wir Netzwerkbetreiber dabei unterstützen, mit der Komplexität der Netzwerkverwaltung umzugehen und Netzwerke mithilfe von Automatisierung und der Nutzung von Werkzeugen aus den Bereichen maschinelles Lernen (ML) und formale Methoden (FM) widerstandsfähiger zu machen. Hypothesen/Forschungsfragen/Ziele. Der Hauptfokus von ReNO-2 liegt auf dem menschlichen Betreiber und zielt darauf ab, die Auswirkungen menschlicher Fehler auf die Netzwerkwiderstandsfähigkeit zu untersuchen und zu begrenzen, wobei auch kognitive Aspekte berücksichtigt werden. Wir stellen die Hypothese auf, dass ein kognitiverer Ansatz notwendig ist, um menschliche Betreiber besser zu unterstützen, effizient und fehlerfrei zu arbeiten. Motiviert durch neue technologische Möglichkeiten und die Kombination aus menschlich-gesteuerten, ML-gesteuerten und formalen Methoden in der Netzwerkoperation sowie insbesondere der jüngsten Einführung von großen Sprachmodellen (LLM), werden wir zentrale Fragen untersuchen, wie: Wie können wir Netzwerkbetreiber optimal mit ML-, LLM- und FM-Tools unterstützen? Wie beeinflussen ML- und FM-Tools das Selbst-Vertrauen von Netzwerkbetreibern? Können wir LLM-Tools erweitern, um mehr Feedback zu liefern und deren Einschränkungen und Risiken hervorzuheben? Wir werden Methoden entwickeln, die menschliche Betreiber bei der Nutzung neuer ML-, LLM- und FM-Tools unterstützen und automatisch Feedback an die Benutzer geben. Unsere Methoden richten sich nicht nur an Netzwerkbetreiber, sondern auch an Studierende, die Kommunikationsnetzwerke lernen. Ansatz/Methoden. Wir werden speziell zwei Anwendungsszenarien betrachten: intra- und inter-domain Netzwerke. Diese sind nicht nur kritische Anwendungen, um das Internet verbunden zu halten, sondern bieten auch den Vorteil, dass formale Methoden-Tools zur Konfigurationsverifizierung und -synthese (inkl. eigener aus ReNO-1) existieren. Grad der Originalität/Innovation. Das Projekt ist aktuell, da die Chancen und Risiken der Nutzung von ML und insbesondere LLM-Netzwerktools noch schlecht verstanden sind. Auch die wesentlichen kognitiven Aspekte wie Selbst-Vertrauen (und wie Tools dieses beeinflussen können) haben in der Literatur noch nicht viel Aufmerksamkeit erhalten. Die PIs. Die PIs sind beide Experten im Bereich Netzwerk und haben bereits erfolgreich in der ersten Phase des SPP Programms zusammengearbeitet. PI Hohlfeld bringt zudem Expertise im Bereich der Qualitätswahrnehmung und Erfahrung mit Benutzerstudien ein. PI Schmid verfügt über zusätzliche Fachkenntnisse in intra-domain Resilienzthemen sowie in formalen Methoden.

• DFG-Verfahren: Schwerpunktprogramme
• Teilprojekt zu: SPP 2378: Resilienz in Vernetzten Welten – Beherrschen von Fehlern, Überlast, Angriffen und dem Unbekannten
• Internationaler Bezug: Israel
• Kooperationspartnerin: Professorin Dr. Rakefet Ackerman