Version française

Les architectures modernes (Cloud-Native, 5G/Edge) exigent une observabilité ultra-réactive et flexible. La technologie eBPF permet un monitoring de pointe, mais l'écriture manuelle des sondes est lente et demande une expertise noyau complexe.
Pour les systèmes du futur, nous devons pouvoir déployer des outils de monitoring à la volée pour investiguer une anomalie. L'objectif est de combler le fossé entre l'intention de monitoring (par exemple : "Mesurer la latence réseau d’un flux X") et la complexité du code eBPF nécessaire.

L'objectif principal est de concevoir et prototyper un agent intelligent (basé sur les modèles LLM) capable de : (i) traduire une requête de monitoring en langage naturel en un programme eBPF fonctionnel ; (ii) intégrer ce programme en temps réel dans une chaîne de monitoring standard basée sur SDN.
Ce projet vise à valider un Proof of Concept qui augmente la flexibilité de l'observabilité en réduisant le temps d'instrumentation de plusieurs heures à quelques minutes.
Le travail inclura :
- Génération et Validation de Code : Définir une stratégie de prompting efficace pour un modèle LLM. 

- Développement de l'Exportateur Dynamique des sondes eBPF générées, de lire les données collectées et de les exposer dynamiquement.

- Démonstration de l'approche à travers d'un prototype réel

-----------------------------------------------------------

English version

 Title: Development of an intelligent agent for dynamic observability of communication networks

Modern architectures (Cloud-Native, 5G/Edge) require ultra-responsive and flexible observability. While eBPF technology enables cutting-edge monitoring, manually writing probes is slow and demands complex kernel expertise.
For future systems, we need the ability to deploy monitoring tools on the fly to investigate anomalies. The goal is to bridge the gap between a monitoring intent (e.g., "Measure the network latency of flow X") and the complexity of the necessary eBPF code.

The main objective is to design and prototype an intelligent agent (based on LLM models) capable of: (i) translating a monitoring request in natural language into a functional eBPF program; (ii) integrating this program in real-time into a standard monitoring chain based on SDN.
This project aims to validate a Proof of Concept that enhances observability flexibility by reducing instrumentation time from several hours to just a few minutes.

The work will include:
- Code Generation and Validation: Defining an effective prompting strategy for an LLM.

- Dynamic Exporter Development that will loads eBPF probes, gets the collected data, and exposes it dynamically

- Demonstration using a real prototype.

Vous êtes en formation pour un diplôme d'ingénieur ou master 2 en réseau informatique.

Vous appréciez travailler en équipe mais savez être autonome dans vos missions. Vous êtes ouvert aux nouvelles expériences et vous êtes force de proposition.

La connaissance ou une expérience des outils suivant est un plus :

• Langages C/C++, Python
• Systèmes Linux
• Bonnes connaissances sur le les algorithmes de l'intelligence artificielle et notamment les modèles LLM 

Conformément aux engagements pris par le CEA en faveur de l’intégration de personnes en situation de handicap, cet emploi est ouvert à tous et toutes.

In line with CEA's commitment to integrating people with disabilities, this job is open to all.