Fighting AI with AI: AI-Agent Augmented DNS Blocking of LLM Services during Student Evaluations

arXiv cs.LG / 4/6/2026

💬 OpinionDeveloper Stack & InfrastructureIdeas & Deep AnalysisTools & Practical UsageModels & Research

共有:

Key Points

論文は、LLMの活用が進む一方で、評価（試験）での不正回避や認知的依存（cognitive offloading）を招きうる点を課題として提示しています。
その対策として、AI-Sinkholeという「AIエージェント＋DNSベース」の仕組みを提案し、試験中に現れ始めるLLMチャットボット系サービスを動的に発見・意味的に分類し、ネットワーク全体で一時的にブロックします。
分類には量子化LLM（Llama 3、DeepSeek-R1、Qwen-3）を用い、説明可能な形で運用することを目指しています。
DNSブロックはPi-Holeを用いて実行し、LLMを分類器として使う際の観測として、説明可能分類でのクロスリンガル性能がF1 > 0.83と報告されています。
将来の研究・開発に向けて、AI-Sinkholeの初期コード（すぐにデプロイ可能なブロッカー部）をGitHubで公開しています。

Abstract

The transformative potential of large language models (LLMs) in education, such as improving accessibility and personalized learning, is being eclipsed by significant challenges. These challenges stem from concerns that LLMs undermine academic assessment by enabling bypassing of critical thinking, leading to increased cognitive offloading. This emerging trend stresses the dual imperative of harnessing AI's educational benefits while safeguarding critical thinking and academic rigor in the evolving AI ecosystem. To this end, we introduce AI-Sinkhole, an AI-agent augmented DNS-based framework that dynamically discovers, semantically classifies, and temporarily network-wide blocks emerging LLM chatbot services during proctored exams. AI-Sinkhole offers explainable classification via quantized LLMs (LLama 3, DeepSeek-R1, Qwen-3) and dynamic DNS blocking with Pi-Hole. We also share our observations in using LLMs as explainable classifiers which achieved robust cross-lingual performance (F1-score > 0.83). To support future research and development in this domain initial codes with a readily deployable 'AI-Sinkhole' blockist is available on https://github.com/AIMLEdu/ai-sinkhole.