Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
IoT 자동화 규칙의 파편화와 안전성 문제를 해결하기 위해 의도 기반 요구사항 완성(intent driven requirements completion) 접근 방식을 제안합니다. LLM과 멀티 에이전트 프레임워크를 활용하여 규칙을 의도로 재구성하고 다시 생성하는 이중 프로세스를 통해 시스템의 신뢰성을 높입니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv Codex (cs.SE)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기엔드 유저(End users)는 트리거 액션 프로그래밍(trigger action programming)을 통해 IoT 자동화 규칙을 생성하지만, 이들의 표현은 종종 파편화되어 있어 상위 수준의 의도(intents)보다는 장치 동작을 포착하는 데 그치는 경우가 많습니다. 이러한 격차는 조건 누락, 논리적 충돌, 간과된 안전 제약 조건으로 이어져 위험한 동작을 초래할 위험이 있습니다. 이를 해결하기 위해, 우리는 규칙 완성을 이중 프로세스로 재구성하는 의도 기반 요구사항 완성(intent driven requirements completion) 접근 방식을 제안합니다. 즉, 파편화된 규칙으로부터 의도를 재구성한 다음, 그 의도로부터 규칙을 재생성하며, 이 과정 전반에 안전성을 내재화합니다. 우리는 규칙, 의도, 품질 관심사(quality concerns)를 연결하는 3계층 모델인 양방향 요구사항 추적성 트리(Bidirectional Requirements Traceability Tree)를 도입하고, LLM 추론과 구조화된 추적성을 결합한 멀티 에이전트(multiagent) 프레임워크를 설계합니다. 이를 통해 기능적으로 완전할 뿐만 아니라 본질적으로 안전하면서도, 추적 가능하고 설명 가능한 완성을 가능하게 합니다. 평가 결과, 우리의 방법론은 베이스라인(baselines)보다 성능이 크게 뛰어남을 보여주었으며, 규칙 완성률을 43% 향상시키고 논리적 충돌을 21% 이상 감소시켰습니다. 완성을 의도 이해에 기반함으로써, 우리는 패러다임을 사용자 책임에서 시스템 책임으로, 기능적 정확성에서 총체적 신뢰성(holistic trustworthiness)으로 전환합니다.