TopoIntent、自然言語のセキュリティ要件を実行可能なネットワークへコンパイル――修正後の CIS カバレッジは 0.78 から 1.00 に向上

企業ネットワークの自動化は通常、既定のトポロジーを出発点とする。一方、TopoIntent が取り組むのは、さらに前段にあり、検証もより難しい工程だ。「決済システムを分離する」「ベンダーのアクセスを制限する」「特定のセキュリティレベルに準拠する」といった自然言語の要件を、実行可能なセグメンテーション、境界デバイス、経路、ACL へコンパイルする。

[論文](https://arxiv.org/abs/2608.13389)では、まず schema contract によって、モデルが有効なノード、接続、ポリシーフィールドのみを生成するよう制約する。続いて、22 件の参照アーキテクチャを対象にベクトル検索を実行する。システムは段階的に要件をテンプレートへ統合し、トポロジーから観測可能な [CIS Controls v8.1](https://www.cisecurity.org/controls/v8-1) の保護策に照らして不足を検査する。修正ではノード、接続、ルールの追加のみが許可され、確認済みの設計を任意に書き換えることはできない。トポロジーだけでは判定できないコントロールは、人手によるレビューの対象として残される。

出力は単なる図ではない。TopoIntent は Mininet の Python スクリプトとコア層の iptables ACL を生成し、実際に reachability テストと allow／deny テストを実行する。著者らは5種類のシナリオに基づいて44件の合成要件を作成し、さらに金融および政府機関向けアーキテクチャに含まれる7個のテンプレートと14件の要件を検索ライブラリから完全に除外した。ホールドアウトセットでは、平均1.5回未満の修正を経て、トポロジーから確認可能な CIS 適合率が 0.78 から 1.00 に向上した。また、1回の診断フィードバックにより、ACL ポリシーの合格率は 0.78 から 0.88 へ改善した。

エンジニアリング上の価値は、LLM の出力を直接信頼するのではなく、型チェック、コンプライアンスルール、ネットワークシミュレーターへ接続した点にある。ただし、データセットは小規模で、参照図と合成要件から構築されている。1.00 という数値は、選定されたトポロジーレベルのコントロールのみを示すものであり、完全なコンプライアンスと同一視することはできない。次に注目すべきなのは、コードとデータが公開されるかどうか、そして既存ネットワーク、クラウドの security group、ベンダー機器固有の構文、相互に矛盾する要件を扱う場合でも同様の結果を維持できるかどうかだ。