| 講演抄録/キーワード |
| 講演名 |
2026-03-04 13:25
RAGとKVキャッシュを活用したローカルLLMによるコアネットワークログ解析手法 ○内田隼輔・小野翔多・中尾彰宏(東大) NS2025-242 |
| 抄録 |
(和) |
ネットワーク障害の検知や予測にはログデータのリアルタイム解析が不可欠であり,その手法としてLarge Language Model(LLM)の活用が注目されている.特にローカルLLMは低遅延での実行が可能である一方,GPU資源が限定される環境においては推論精度と処理速度の両立が課題となる.本研究の目的は,リソース制約下においてドメイン知識を効果的に活用することでローカルLLMによるリアルタイムかつ高精度なログ解析を実現することである.本研究では,Retrieval-Augmented Generation(RAG)と推論結果のKey-Value Cache(KVキャッシュ)を組み合わせたログ解析システムを提案する.提案手法をコアネットワークのログ解析に適用した結果,リアルタイム性を維持しつつ,加入者情報の管理を担うUnified Data Management(UDM)のpodにおけるCPU使用率上昇の問題箇所特定の正答率が,単純にローカルLLMを用いる場合と比較して最大30%向上できることを示す. |
| (英) |
Real-time analysis of log data is essential for detecting and predicting network failures, and the use of Large Language Model (LLM) for log analysis is drawing attention. While we can execute local LLMs in low latency, achieving both high inference accuracy and processing speed remains a challenge in environments with limited GPU resources. The objective of this research is to achieve real-time, high-accuracy log analysis using local LLMs by effectively leveraging domain knowledge. We propose a log analysis system combining Retrieval-Augmented Generation (RAG) with a Key-Value Cache (KV Cache) of past inference results. Applying our method to core network metric analysis tasks demonstrates that it maintains real-time performance while achieving up to a 30% improvement in the accuracy of identification of the problem spot(high CPU usage on UDM pod) compared to using a local LLM alone. |
| キーワード |
(和) |
LLM / ローカルLLM / RAG / ログ解析 / KVキャッシュ / / / |
| (英) |
LLM / Local LLMs / RAG / Log analysis / KV Cache / / / |
| 文献情報 |
信学技報, vol. 125, no. 385, NS2025-242, pp. 125-130, 2026年3月. |
| 資料番号 |
NS2025-242 |
| 発行日 |
2026-02-25 (NS) |
| ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
| PDFダウンロード |
NS2025-242 |