Los cursos de seguridad de redes se basan en laboratorios prácticos donde los estudiantes configuran redes virtuales de Linux para practicar ataques y defensas. La retroalimentación automatizada es escasa porque no existe un estándar para intercambiar configuraciones detalladas: interfaces, puentes, tablas de enrutamiento, políticas de iptables, entre el software de ejercicios y los modelos de lenguaje grande (LLMs) que podrían servir como tutores. Abordamos esta brecha de interoperabilidad con un perfil YANG orientado a ejercicios que complementa el módulo ietf-network del Grupo de Trabajo de Ingeniería de Internet (IETF) con un nuevo módulo de dispositivos de red. El perfil expresa configuraciones de interfaces de Linux, enrutamiento y reglas de firewall, y etiqueta cada nodo con roles como servidor-linux o firewall-linux. Integrado en nuestra plataforma LiNeS Cloud, permite a los LLMs tanto analizar como generar estados de red legibles por máquina. Evaluamos el perfil en cuatro topologías, desde un simple par cliente-servidor hasta escenarios de múltiples subredes con dispositivos de seguridad dedicados, utilizando ChatGPT-4o, Claude 3.7 Sonnet y Gemini 2.0 Flash. A través de 1050 tareas de evaluación que cubren la comprensión del perfil (n = 180), análisis de instancias (n = 750) y generación de instancias (n = 120), los tres LLMs respondieron correctamente en 1028 casos, lo que da una precisión general del 97.9%. Incluso con solo pistas mínimas de seguimiento (3 turnos), en lugar de cadenas de indicaciones elaboradas, las tareas de análisis alcanzaron una precisión del 98.1% y las tareas de generación del 93.3%. Hasta donde sabemos, este es el primer perfil YANG enfocado en ejercicios que captura simultáneamente la semántica de Linux/iptables y está validado empíricamente en tres LLMs propietarios, alcanzando una precisión general del 97.9% en las tareas. Estos resultados sientan una base práctica para laboratorios de seguridad asistidos por inteligencia artificial (IA) donde la retroalimentación en tiempo real y la generación de escenarios deben escalar más allá de la capacidad de los instructores humanos.