論文の概要: AI Agent Architecture for Decentralized Trading of Alternative Assets
- arxiv url: http://arxiv.org/abs/2507.11117v1
- Date: Tue, 15 Jul 2025 09:11:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-16 19:46:03.05023
- Title: AI Agent Architecture for Decentralized Trading of Alternative Assets
- Title（参考訳）: 代替資産の分散取引のためのAIエージェントアーキテクチャ
- Authors: Ailiya Borjigin, Cong He, Charles CC Lee, Wei Zhou,
- Abstract要約: GoldMine OSは、ブロックチェーンベースのStablecoin("OZ")への物理的な金のトークン化と交換を自動化するために、複数の専門的AIエージェントを使用する研究指向アーキテクチャである。
本稿では,4つの協調エージェント(コンプライアンス,トークン発行,マーケットメイキング,リスクコントロール)とコーディネートコアについて述べる。
実験では、プロトタイプは需要トークンを1.2秒未満で提供し、手動よりも100倍以上高速である。
- 参考スコア（独自算出の注目度）: 2.8195433571821162
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Decentralized trading of real-world alternative assets (e.g., gold) requires bridging physical asset custody with blockchain systems while meeting strict requirements for compliance, liquidity, and risk management. We present GoldMine OS, a research oriented architecture that employs multiple specialized AI agents to automate and secure the tokenization and exchange of physical gold into a blockchain based stablecoin ("OZ"). Our approach combines on chain smart contracts for critical risk controls with off chain AI agents for decision making, blending the transparency and reliability of blockchains with the flexibility of AI driven automation. We describe four cooperative agents (Compliance, Token Issuance, Market Making, and Risk Control) and a coordinating core, and evaluate the system through simulation and a controlled pilot deployment. In experiments the prototype delivers on demand token issuance in under 1.2 s, more than 100 times faster than manual workflows. The Market Making agent maintains tight liquidity with spreads often below 0.5 percent even under volatile conditions. Fault injection tests show resilience: an oracle price spoofing attack is detected and mitigated within 10 s, and a simulated vault mis reporting halts issuance immediately with minimal user impact. The architecture scales to 5000 transactions per second with 10000 concurrent users in benchmarks. These results indicate that an AI agent based decentralized exchange for alternative assets can satisfy rigorous performance and safety requirements. We discuss broader implications for democratizing access to traditionally illiquid assets and explain how our governance model -- multi signature agent updates and on chain community voting on risk parameters -- provides ongoing transparency, adaptability, and formal assurance of system integrity.
- Abstract（参考訳）: 現実の代替資産(例えば金)の分散取引では、コンプライアンス、流動性、リスク管理の厳格な要件を満たしながら、ブロックチェーンシステムによる物理的資産保持をブリッジする必要がある。
研究指向のアーキテクチャであるGoldMine OSを紹介します。複数の専門的なAIエージェントを使用して、物理的な金のトークン化と交換をブロックチェーンベースのstablecoin(“OZ”)に自動化し、セキュアにします。
当社のアプローチは、重要なリスク管理のためのチェーンスマートコントラクトと意思決定のためのオフチェーンAIエージェントを組み合わせることで、ブロックチェーンの透明性と信頼性と、AI駆動自動化の柔軟性を融合します。
本稿では,4つの協調エージェント(コンプライアンス,トークン発行,マーケットメイキング,リスクコントロール)とコーディネートコアについて述べる。
実験では、プロトタイプはオンデマンドトークンを1.2秒未満で提供し、手動のワークフローよりも100倍以上高速である。
マーケットメイキングエージェントは、揮発性条件下であっても0.5%未満のスプレッドで密な流動性を維持している。
フォールトインジェクションテストはレジリエンスを示す: 10秒以内にオラクルの価格偽造攻撃を検出して緩和し、シミュレーションされたVaultのミスレポートは、最小限のユーザインパクトで即座に発行を停止する。
アーキテクチャは毎秒5000トランザクションにスケールし、ベンチマークでは1万の同時ユーザを持つ。
これらの結果から,AIエージェントによる代替資産の分散交換は,厳格な性能と安全性の要求を満たすことが示唆された。
従来の不正資産へのアクセスを民主化する上でのより広範な意味について議論し、我々のガバナンスモデル -- マルチシグネチャエージェントのアップデートとリスクパラメータに関するチェーンコミュニティの投票 -- が、継続的な透明性、適応性、システム完全性の正式な保証を提供する方法を説明します。
関連論文リスト
- Security Challenges in AI Agent Deployment: Insights from a Large Scale Public Competition [101.86739402748995]
44の現実的なデプロイメントシナリオを対象とした,22のフロンティアAIエージェントを対象にしています。
Agent Red Teamingベンチマークを構築し、19の最先端モデルで評価します。
私たちの発見は、今日のAIエージェントの重要かつ永続的な脆弱性を浮き彫りにしたものです。
論文 参考訳（メタデータ） (2025-07-28T05:13:04Z) - Hide-and-Shill: A Reinforcement Learning Framework for Market Manipulation Detection in Symphony-a Decentralized Multi-Agent System [4.808769904090313]
分散金融(DeFi)は、新たな無許可金融革新の時代をもたらしたが、前例のない市場操作につながった。
本稿では,マニピュレータと検出器間の相互作用を動的対向ゲームとしてモデル化し,分散操作検出のためのマルチエージェント強化学習フレームワークを提案する。
このフレームワークは、遅延トークン価格反応を金融指標として不審なパターンを特定する。
論文 参考訳（メタデータ） (2025-07-12T07:55:40Z) - Building crypto portfolios with agentic AI [46.348283638884425]
暗号通貨市場の急速な成長は投資家に新たな機会を与えたが、同時に高いボラティリティがもたらされた。
本稿では,暗号アロケーションを自律的に構築し,評価するためのマルチエージェントシステムの実用化について述べる。
論文 参考訳（メタデータ） (2025-07-11T18:03:51Z) - AI-Governed Agent Architecture for Web-Trustworthy Tokenization of Alternative Assets [3.0801485631077457]
代替アセットトークン化は、非伝統的な金融商品がWeb上で表現され、取引されるように変化している。
本稿では、インテリジェントエージェントをブロックチェーンに統合し、代替資産のWeb信頼に値するトークン化を実現するAI統治エージェントアーキテクチャを提案する。
論文 参考訳（メタデータ） (2025-06-30T11:28:51Z) - Hybrid Stabilization Protocol for Cross-Chain Digital Assets Using Adaptor Signatures and AI-Driven Arbitrage [0.2621730497733947]
スタブルコインは、分散化、安定性、規制遵守のバランスをとる未解決のトリレンマに直面している。
本稿では,暗号コライズド・リザーブ,アルゴリズム・フューチャーズ契約,クロスチェーン・プールを組み合わせたハイブリッド暗号安定化プロトコルを提案する。
論文 参考訳（メタデータ） (2025-06-06T03:14:05Z) - BotDetect: A Decentralized Federated Learning Framework for Detecting Financial Bots on the EVM Blockchains [3.4636217357968904]
本稿では、仮想マシン(EVM)ベースのブロックチェーン内の金融ボットを検出するために、分散フェデレーション学習(DFL)アプローチを提案する。
提案するフレームワークでは,スマートコントラクトによって編成されたフェデレーション学習を活用して,悪意のあるボット動作を検出する。
実験の結果,我々のDFLフレームワークは,スケーラビリティと堅牢性を維持しつつ高い検出精度を実現していることがわかった。
論文 参考訳（メタデータ） (2025-01-21T13:15:43Z) - When AI Meets Finance (StockAgent): Large Language Model-based Stock Trading in Simulated Real-world Environments [55.19252983108372]
LLMによって駆動される、StockAgentと呼ばれるマルチエージェントAIシステムを開発した。
StockAgentを使えば、ユーザーはさまざまな外部要因が投資家取引に与える影響を評価することができる。
AIエージェントに基づく既存のトレーディングシミュレーションシステムに存在するテストセットのリーク問題を回避する。
論文 参考訳（メタデータ） (2024-07-15T06:49:30Z) - Collaborative Learning Framework to Detect Attacks in Transactions and Smart Contracts [26.70294159598272]
本稿では、ブロックチェーントランザクションとスマートコントラクトの攻撃を検出するために設計された、新しい協調学習フレームワークを提案する。
当社のフレームワークは,マシンコードレベルでの複雑な攻撃を含む,さまざまな種類のブロックチェーン攻撃を分類する機能を示している。
我々のフレームワークは、広範囲なシミュレーションによって約94%の精度を達成し、リアルタイム実験では91%のスループットで毎秒2,150トランザクションを処理している。
論文 参考訳（メタデータ） (2023-08-30T07:17:20Z) - Uniswap Liquidity Provision: An Online Learning Approach [49.145538162253594]
分散取引所(DEX)は、テクノロジーを活用した新しいタイプのマーケットプレイスである。
そのようなDECの1つ、Unixwap v3は、流動性プロバイダが資金のアクティブな価格間隔を指定することで、より効率的に資金を割り当てることを可能にする。
これにより、価格間隔を選択するための最適な戦略を見出すことが問題となる。
我々は、この問題を非確率的な報酬を伴うオンライン学習問題として定式化する。
論文 参考訳（メタデータ） (2023-02-01T17:21:40Z) - ESCORT: Ethereum Smart COntRacTs Vulnerability Detection using Deep
Neural Network and Transfer Learning [80.85273827468063]
既存の機械学習ベースの脆弱性検出方法は制限され、スマートコントラクトが脆弱かどうかのみ検査される。
スマートコントラクトのための初のDeep Neural Network(DNN)ベースの脆弱性検出フレームワークであるESCORTを提案する。
ESCORTは6種類の脆弱性に対して平均95%のF1スコアを達成し,検出時間は契約あたり0.02秒であることを示す。
論文 参考訳（メタデータ） (2021-03-23T15:04:44Z) - Regulation conform DLT-operable payment adapter based on trustless -
justified trust combined generalized state channels [77.34726150561087]
物の経済(EoT)は、ピアツーピアの信頼性のないネットワークで動作するソフトウェアエージェントに基づいています。
基本的価値と技術的可能性が異なる現在のソリューションの概要を述べる。
我々は,暗号ベースの分散型の信頼できない要素の強みと,確立された,十分に規制された支払い手段を組み合わせることを提案する。
論文 参考訳（メタデータ） (2020-07-03T10:45:55Z) - Monotonic Value Function Factorisation for Deep Multi-Agent
Reinforcement Learning [55.20040781688844]
QMIXは、中央集権的なエンドツーエンドで分散ポリシーをトレーニングできる新しい価値ベースの手法である。
深層多エージェント強化学習のための新しいベンチマークとして,StarCraft Multi-Agent Challenge (SMAC)を提案する。
論文 参考訳（メタデータ） (2020-03-19T16:51:51Z)
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。