論文の概要: Semantic Chain-of-Trust: Autonomous Trust Orchestration for Collaborator Selection via Hypergraph-Aided Agentic AI

• arxiv url: http://arxiv.org/abs/2507.23565v1
• Date: Thu, 31 Jul 2025 13:53:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-01 17:19:09.831574
• Title: Semantic Chain-of-Trust: Autonomous Trust Orchestration for Collaborator Selection via Hypergraph-Aided Agentic AI
• Title（参考訳）: セマンティック・チェーン・オブ・トラスト:ハイパーグラフ支援エージェントAIによる協力者選択のための自律的信頼オーケストレーション
• Authors: Botao Zhu, Xianbin Wang, Dusit Niyato,
• Abstract要約: 本稿では,新たなセマンティック・チェーン・オブ・トラストの概念に基づく自律的信頼オーケストレーション手法を提案する。 我々の技術はエージェントAIとハイパーグラフを用いてデバイス間の信頼関係を確立し維持する。 実験により,提案手法が資源効率の高い信頼評価を実現することを示す。
• 参考スコア（独自算出の注目度）: 57.58120823855315
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In collaborative systems, the effective completion of tasks hinges on task-specific trust evaluations of potential devices for distributed collaboration. However, the complexity of tasks, the spatiotemporal dynamism of distributed device resources, and the inevitable assessment overhead dramatically increase the complexity and resource consumption of the trust evaluation process. As a result, ill-timed or overly frequent trust evaluations can reduce utilization rate of constrained resources, negatively affecting collaborative task execution. To address this challenge, this paper proposes an autonomous trust orchestration method based on a new concept of semantic chain-of-trust. Our technique employs agentic AI and hypergraph to establish and maintain trust relationships among devices. By leveraging its strengths in autonomous perception, task decomposition, and semantic reasoning, we propose agentic AI to perceive device states and autonomously perform trust evaluations of collaborators based on historical performance data only during device idle periods, thereby enabling efficient utilization of distributed resources. In addition, agentic AI performs task-specific trust evaluations on collaborator resources by analyzing the alignment between resource capabilities and task requirements. Moreover, by maintaining a trust hypergraph embedded with trust semantics for each device, agentic AI enables hierarchical management of collaborators and identifies collaborators requiring trust evaluation based on trust semantics, thereby achieving a balance between overhead and trust accuracy. Furthermore, local trust hypergraphs from multiple devices can be chained together to support multi-hop collaboration, enabling efficient coordination in large-scale systems. Experimental results demonstrate that the proposed method achieves resource-efficient trust evaluation.
• Abstract（参考訳）: 協調的なシステムでは、タスクの効果的な完了は、分散コラボレーションのための潜在的なデバイスに対するタスク固有の信頼評価に依存する。 しかし、タスクの複雑さ、分散デバイスリソースの時空間ダイナミズム、避けられない評価オーバーヘッドにより、信頼評価プロセスの複雑さとリソース消費が劇的に増加する。 その結果、不適切な信頼評価や過剰な信頼評価は、制約されたリソースの利用率を低下させ、協調的なタスクの実行に悪影響を及ぼす可能性がある。 そこで本研究では,新たなセマンティック・チェーン・オブ・トラストの概念に基づく自律的信頼オーケストレーション手法を提案する。 我々の技術はエージェントAIとハイパーグラフを用いてデバイス間の信頼関係を確立し維持する。 自律認識,タスク分解,セマンティック推論の強みを活用することで,デバイスの状態を認識し,デバイスアイドル期間中にのみ過去のパフォーマンスデータに基づいて,協調作業者の信頼評価を自律的に行うエージェントAIを提案し,分散リソースの効率的な活用を可能にする。 さらに、エージェントAIは、リソース能力とタスク要求の整合性を分析することにより、協力者リソースに対するタスク固有の信頼評価を行う。 さらに、各デバイスに対する信頼意味論に埋め込まれた信頼ハイパーグラフを維持することにより、エージェントAIは、協力者の階層的な管理を可能にし、信頼意味論に基づいて信頼評価を必要とする協力者を特定し、オーバーヘッドと信頼精度のバランスをとる。 さらに、複数のデバイスからのローカル信頼ハイパーグラフをチェーン化して、マルチホップコラボレーションをサポートし、大規模システムにおける効率的なコーディネーションを可能にする。 実験により,提案手法が資源効率の高い信頼評価を実現することを示す。

関連論文リスト

• Chain-of-Trust: A Progressive Trust Evaluation Framework Enabled by Generative AI [20.02079841777494]
  デバイス属性データをよりよく活用するために、信頼の連鎖フレームワークが提案されている。 このフレームワークは、信頼評価プロセスをタスク分解に基づく連鎖ステージに分割する。 生成AIを使用して収集したデータを解析し、解釈し、正確な評価結果を生成する。
  論文  参考訳（メタデータ） (2025-06-20T16:33:03Z)
• Rapid and Continuous Trust Evaluation for Effective Task Collaboration Through Siamese Model [9.467463634233177]
  本稿では,効果的なタスクコラボレーションを促進するために,シームズ対応の迅速・連続信頼評価フレームワーク(SRCTE)を提案する。 実際のシステムは、2つのDell EMC 5200サーバとGoogle Pixel 8を使って構築され、提案されているSRCTEフレームワークの有効性をテストする。 実験結果から,SRCTEは少量のデータだけで急速に収束し,異常信頼検出率が高いことがわかった。
  論文  参考訳（メタデータ） (2025-06-20T16:30:59Z)
• Attention Knows Whom to Trust: Attention-based Trust Management for LLM Multi-Agent Systems [52.57826440085856]
  LLM-MAS(Large Language Model-based Multi-Agent Systems)は、複雑なタスクを解く上で強力な能力を示すが、エージェントが信頼性の低いメッセージを受け取ると弱いままである。 LLMエージェントは、信頼性を評価することなく、すべての受信メッセージを平等に扱う。 本稿では,メッセージの信頼度を評価するための軽量な注意ベース手法であるAttention Trust Score (A-Trust)を提案する。
  論文  参考訳（メタデータ） (2025-06-03T07:32:57Z)
• Bayesian Methods for Trust in Collaborative Multi-Agent Autonomy [11.246557832016238]
  安全クリティカルで競争の激しい環境では、敵は多数のエージェントに侵入し、妥協することがある。 我々は、この妥協されたエージェント脅威モデルの下で、アートマルチターゲット追跡アルゴリズムの状態を解析する。 階層的ベイズ更新を用いた信頼度推定フレームワークを設計する。
  論文  参考訳（メタデータ） (2024-03-25T17:17:35Z)
• A Factor Graph Model of Trust for a Collaborative Multi-Agent System [8.286807697708113]
  信頼とは、エージェントがシステム内の他者の情報、行動、意図、真実性、能力に依存し、信頼することである。 本稿では,エージェント間の相互依存行動と信頼性を表現するために因子グラフを利用する新しいグラフィカルアプローチを提案する。 信頼度評価手法は分散化され, 近接安全性, 一貫性, 協調といった重要な相互依存サブファクタを考察する。
  論文  参考訳（メタデータ） (2024-02-10T21:44:28Z)
• TrustGuard: GNN-based Robust and Explainable Trust Evaluation with Dynamicity Support [59.41529066449414]
  本稿では,信頼度を考慮した信頼度評価モデルであるTrustGuardを提案する。 TrustGuardは、スナップショット入力層、空間集約層、時間集約層、予測層を含む階層アーキテクチャで設計されている。 実験により、TrustGuardは、シングルタイムスロットとマルチタイムスロットの信頼予測に関して、最先端のGNNベースの信頼評価モデルより優れていることが示された。
  論文  参考訳（メタデータ） (2023-06-23T07:39:12Z)
• Enhancing Worker Recruitment in Collaborative Mobile Crowdsourcing: A Graph Neural Network Trust Evaluation Approach [7.883218966932225]
  CMCS(Collaborative Mobile Crowdsourcing)は、複雑なセンシングタスクを協調的に実行するワーカーチームを募集するプラットフォームである。 本稿では,ソーシャルネットワークにおける全作業者の非対称信頼度を求めるために,信頼強化評価フレームワーク(TREF)を提案する。
  論文  参考訳（メタデータ） (2023-06-07T11:59:45Z)

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。