IPGeoAI는 IP 지오로케이션을 정적 조회 문제가 아닌 순차 모델링 과제로 재정의한 딥러닝 아키텍처로, 트랜스포머 인코더로 IP 서브넷 구조의 계층적 의존성을 포착한다. AS(자율시스템) 설명 같은 비정형 텍스트를 제로샷 LLM으로 'University vs ISP' 등 구조화된 메타데이터로 변환한 뒤, 멀티헤드 교차어텐션으로 이 의미 신호를 네트워크 위상 정보와 결합해 지리적 모호성을 해소했다. 20만 개 도시를 아우르는 자체 데이터셋 오프라인 평가에서 선도 외부 벤더 대비 도시급 정밀도를 크게 앞섰으며, 계층적 추론 전략으로 도시급 정확도를 6% 개선하면서 트래픽 커버리지를 100%까지 확장했다. 대규모 온라인 프로덕션 테스트에서는 1차 다운스트림 지표가 통계적으로 유의미하게 0.35% 개선됐다.

• •트랜스포머 인코더로 IP 서브넷 구조의 계층적 의존성을 학습하는 지오로케이션 모델 IPGeoAI 제안
• •제로샷 LLM으로 AS 설명을 구조화된 메타데이터로 변환, 교차어텐션으로 네트워크 위상과 결합
• •20만 개 도시 데이터셋에서 선도 외부 벤더 대비 도시급 정확도 우위, 계층적 추론으로 정확도 6% 개선·커버리지 100% 달성
• •온라인 프로덕션 테스트에서 1차 다운스트림 지표 +0.35% 통계적 유의 개선