論文の概要: Game Theory Meets LLM and Agentic AI: Reimagining Cybersecurity for the Age of Intelligent Threats

• arxiv url: http://arxiv.org/abs/2507.10621v1
• Date: Mon, 14 Jul 2025 00:49:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-16 19:46:02.786731
• Title: Game Theory Meets LLM and Agentic AI: Reimagining Cybersecurity for the Age of Intelligent Threats
• Title（参考訳）: ゲーム理論とLLMとエージェントAI:知的脅威の時代におけるサイバーセキュリティの再考
• Authors: Quanyan Zhu,
• Abstract要約: 従来のサイバーセキュリティ手法は手動の応答と脆さに依存している。 ゲーム理論は敵の振る舞いをモデル化するための厳密な基礎を提供する。 エージェントAIはソフトウェア設計を思い起こさせる。
• 参考スコア（独自算出の注目度）: 15.764094200832071
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Protecting cyberspace requires not only advanced tools but also a shift in how we reason about threats, trust, and autonomy. Traditional cybersecurity methods rely on manual responses and brittle heuristics. To build proactive and intelligent defense systems, we need integrated theoretical frameworks and software tools. Game theory provides a rigorous foundation for modeling adversarial behavior, designing strategic defenses, and enabling trust in autonomous systems. Meanwhile, software tools process cyber data, visualize attack surfaces, verify compliance, and suggest mitigations. Yet a disconnect remains between theory and practical implementation. The rise of Large Language Models (LLMs) and agentic AI offers a new path to bridge this gap. LLM-powered agents can operationalize abstract strategies into real-world decisions. Conversely, game theory can inform the reasoning and coordination of these agents across complex workflows. LLMs also challenge classical game-theoretic assumptions, such as perfect rationality or static payoffs, prompting new models aligned with cognitive and computational realities. This co-evolution promises richer theoretical foundations and novel solution concepts. Agentic AI also reshapes software design: systems must now be modular, adaptive, and trust-aware from the outset. This chapter explores the intersection of game theory, agentic AI, and cybersecurity. We review key game-theoretic frameworks (e.g., static, dynamic, Bayesian, and signaling games) and solution concepts. We then examine how LLM agents can enhance cyber defense and introduce LLM-driven games that embed reasoning into AI agents. Finally, we explore multi-agent workflows and coordination games, outlining how this convergence fosters secure, intelligent, and adaptive cyber systems.
• Abstract（参考訳）: サイバースペースを保護するためには、高度なツールだけでなく、脅威や信頼、自律性の理由も変えなければならない。 従来のサイバーセキュリティ手法は手動の応答と不安定なヒューリスティックに依存している。 能動的かつインテリジェントな防衛システムを構築するためには、理論的なフレームワークとソフトウェアツールを統合する必要がある。 ゲーム理論は、敵の振る舞いをモデル化し、戦略的な防御を設計し、自律システムへの信頼を可能にするための厳格な基盤を提供する。 一方、ソフトウェアツールはサイバーデータを処理し、攻撃面を視覚化し、コンプライアンスを検証し、緩和を提案する。 しかし、理論と実践的な実装の間には断絶が残っている。 大規模言語モデル(LLM)とエージェントAIの台頭は、このギャップを埋める新たな道を提供する。 LLMを駆使したエージェントは、抽象戦略を実世界の決定に運用することができる。 逆に、ゲーム理論は複雑なワークフローにまたがるエージェントの推論と調整を知らせることができる。 LLMはまた、完全な合理性や静的なペイオフのような古典的なゲーム理論の仮定に挑戦し、認知的および計算的現実と整合した新しいモデルを促す。 この共進化はよりリッチな理論の基礎と新しい解の概念を約束する。 Agentic AIはまた、ソフトウェア設計を再認識する。 この章では、ゲーム理論、エージェントAI、サイバーセキュリティの交差点について解説する。 ゲーム理論の主要なフレームワーク(静的,動的,ベイジアン,シグナリングゲームなど)とソリューションの概念についてレビューする。 次に、LLMエージェントがサイバー防御を強化し、AIエージェントに推論を組み込むLLM駆動ゲームを導入する方法について検討する。 最後に、マルチエージェントのワークフローとコーディネートゲームについて検討し、この収束がセキュアでインテリジェントで適応的なサイバーシステムをいかに促進するかを概説する。

関連論文リスト

• Agentic Web: Weaving the Next Web with AI Agents [109.13815627467514]
  大規模言語モデル(LLM)を活用したAIエージェントの出現は、エージェントWebに対する重要な転換点である。 このパラダイムでは、エージェントが直接対話して、ユーザに代わって複雑なタスクを計画、コーディネート、実行します。 本稿では,エージェントWebの理解と構築のための構造化フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-28T17:58:12Z)
• FAIRTOPIA: Envisioning Multi-Agent Guardianship for Disrupting Unfair AI Pipelines [1.556153237434314]
  AIモデルは積極的な意思決定者となり、しばしば人間の監督なしに行動している。 エージェントは彼らの環境から学ぶので、公正な保護者としてエージェントを想定する。 本稿では,マルチロールエージェントをエンドツーエンド(人間からAI)のシナジースキームに組み込むフェアネス・バイ・デザイン手法を提案する。
  論文  参考訳（メタデータ） (2025-06-10T17:02:43Z)
• Do LLMs trust AI regulation? Emerging behaviour of game-theoretic LLM agents [61.132523071109354]
  本稿では、異なる規制シナリオ下での戦略選択をモデル化する、AI開発者、規制当局、ユーザ間の相互作用について検討する。 我々の研究は、純粋なゲーム理論エージェントよりも「悲観的」な姿勢を採用する傾向にある戦略的AIエージェントの出現する振る舞いを特定する。
  論文  参考訳（メタデータ） (2025-04-11T15:41:21Z)
• Advances and Challenges in Foundation Agents: From Brain-Inspired Intelligence to Evolutionary, Collaborative, and Safe Systems [133.45145180645537]
  大規模言語モデル(LLM)の出現は、人工知能の変革的シフトを触媒している。 これらのエージェントがAI研究と実践的応用をますます推進するにつれて、その設計、評価、継続的な改善は複雑で多面的な課題を呈している。 この調査は、モジュール化された脳にインスパイアされたアーキテクチャ内でインテリジェントエージェントをフレーミングする、包括的な概要を提供する。
  論文  参考訳（メタデータ） (2025-03-31T18:00:29Z)
• Artificial Intelligence as the New Hacker: Developing Agents for Offensive Security [0.0]
  本稿では,人工知能(AI)の攻撃的サイバーセキュリティへの統合について検討する。 サイバー攻撃をシミュレートし実行するために設計された、自律的なAIエージェントであるReaperAIを開発している。 ReaperAIは、セキュリティ脆弱性を自律的に識別し、悪用し、分析する可能性を実証する。
  論文  参考訳（メタデータ） (2024-05-09T18:15:12Z)
• Symbiotic Game and Foundation Models for Cyber Deception Operations in Strategic Cyber Warfare [16.378537388284027]
  私たちは現在、戦術の急速な進化、知性の非対称性の向上、ハッキングツールのアクセシビリティ向上など、前例のないサイバー戦争に直面しています。 本章は、サイバー詐欺戦術の分析、設計、実施におけるゲーム理論モデルと基礎モデル(FM)の重要な役割を強調することを目的とする。
  論文  参考訳（メタデータ） (2024-03-14T20:17:57Z)
• Pangu-Agent: A Fine-Tunable Generalist Agent with Structured Reasoning [50.47568731994238]
  人工知能(AI)エージェント作成の鍵となる方法は強化学習(RL)である 本稿では,構造化推論をAIエージェントのポリシーに統合し,学習するための一般的なフレームワークモデルを提案する。
  論文  参考訳（メタデータ） (2023-12-22T17:57:57Z)
• The Rise and Potential of Large Language Model Based Agents: A Survey [91.71061158000953]
  大規模言語モデル(LLM)は、人工知能(AGI)の潜在的な火花と見なされる まず、エージェントの概念を哲学的起源からAI開発まで追跡し、LLMがエージェントに適した基盤である理由を説明します。 単一エージェントシナリオ,マルチエージェントシナリオ,ヒューマンエージェント協調の3つの側面において,LLMベースのエージェントの広範な応用について検討する。
  論文  参考訳（メタデータ） (2023-09-14T17:12:03Z)
• The Feasibility and Inevitability of Stealth Attacks [63.14766152741211]
  我々は、攻撃者が汎用人工知能システムにおける決定を制御できる新しい敵の摂動について研究する。 敵対的なデータ修正とは対照的に、ここで考慮する攻撃メカニズムには、AIシステム自体の変更が含まれる。
  論文  参考訳（メタデータ） (2021-06-26T10:50:07Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。