論文の概要: Byzantine Fault-Tolerant Multi-Agent System for Healthcare: A Gossip Protocol Approach to Secure Medical Message Propagation
- arxiv url: http://arxiv.org/abs/2512.17913v1
- Date: Thu, 27 Nov 2025 03:32:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-29 00:37:57.041735
- Title: Byzantine Fault-Tolerant Multi-Agent System for Healthcare: A Gossip Protocol Approach to Secure Medical Message Propagation
- Title（参考訳）: 医療用ビザンチン耐故障マルチエージェントシステム:医療メッセージのセキュア化のためのゴシッププロトコルアプローチ
- Authors: Nihir Chadderwala,
- Abstract要約: 本稿では,医療応用に特化した新規なビザンチン耐故障マルチエージェントシステムを提案する。
我々のシステムは、診断、治療計画、緊急対応、データ分析に専門的なAIエージェントを使用している。
本研究では,分散メッセージの分散化のためのゴシッププロトコルを実装し,ビザンチンの障害下においてもシステム運用を維持しながら,2f + 1 票のコンセンサスを達成する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Recent advances in generative AI have enabled sophisticated multi-agent architectures for healthcare, where large language models power collaborative clinical decision-making. However, these distributed systems face critical challenges in ensuring message integrity and fault tolerance when operating in adversarial or untrusted environments.This paper presents a novel Byzantine fault-tolerant multi-agent system specifically designed for healthcare applications, integrating gossip-based message propagation with cryptographic validation mechanisms. Our system employs specialized AI agents for diagnosis, treatment planning, emergency response, and data analysis, coordinated through a Byzantine consensus protocol that tolerates up to f faulty nodes among n = 3f + 1 total nodes. We implement a gossip protocol for decentralized message dissemination, achieving consensus with 2f + 1 votes while maintaining system operation even under Byzantine failures. Experimental results demonstrate that our approach successfully validates medical messages with cryptographic signatures, prevents replay attacks through timestamp validation, and maintains consensus accuracy of 100% with up to 33% Byzantine nodes. The system provides real-time visualization of consensus rounds, vote tallies, and network topology, enabling transparent monitoring of fault-tolerant operations. This work contributes a practical framework for building secure, resilient healthcare multi-agent systems capable of collaborative medical decision-making in untrusted environments.
- Abstract（参考訳）: ジェネレーティブAIの最近の進歩により、医療のための高度なマルチエージェントアーキテクチャが実現された。
しかし,これらの分散システムは,相手環境や信頼できない環境での運用において,メッセージの完全性や耐障害性を確保する上で,重要な課題に直面している。
我々のシステムは、診断、治療計画、緊急対応、データ分析に専門のAIエージェントを使用し、n = 3f + 1 個の全ノードのうち f 個の故障ノードを許容するビザンティンのコンセンサスプロトコルを介して調整する。
本研究では,分散メッセージの分散化のためのゴシッププロトコルを実装し,ビザンチンの障害下においてもシステム運用を維持しながら,2f + 1 票のコンセンサスを達成する。
実験の結果,暗号署名による医療メッセージの検証に成功し,タイムスタンプによる攻撃を防止し,最大33%のビザンチンノードで100%のコンセンサス精度を維持した。
このシステムは、コンセンサスラウンド、投票集計、ネットワークトポロジをリアルタイムに可視化し、フォールトトレラント操作の透過的な監視を可能にする。
この研究は、信頼できない環境で医療決定を共同で行うことのできる、安全でレジリエントな医療マルチエージェントシステムを構築するための実践的な枠組みに寄与する。
関連論文リスト
- Explainable and Fine-Grained Safeguarding of LLM Multi-Agent Systems via Bi-Level Graph Anomaly Detection [76.91230292971115]
大規模言語モデル (LLM) に基づくマルチエージェントシステム (MAS) は複雑なタスクを解く上で強力な能力を示している。
XG-Guardは、MAS内の悪意のあるエージェントを検出するための、説明可能な、きめ細かい保護フレームワークである。
論文 参考訳（メタデータ） (2025-12-21T13:46:36Z) - Many-to-One Adversarial Consensus: Exposing Multi-Agent Collusion Risks in AI-Based Healthcare [0.5762370419838222]
大規模言語モデル(LLM)が医療用IoTシステムに統合されている。
LLMは多エージェントチームとしてデプロイされ、AI医師の議論、投票、決定の助言によって支援される。
しかし、複数のアシスタントエージェントが相互作用すると、調整された敵が共謀して偽のコンセンサスを生み出す。
我々は,無防備なシステムにおいて,共謀がASR(Attack Success Rate)とHRR(Harmful Recommendation Rate)を最大100%推進することを示す。
論文 参考訳（メタデータ） (2025-12-01T12:17:28Z) - Distributed Agent Reasoning Across Independent Systems With Strict Data Locality [0.0]
本稿では,分散システムにおけるエージェント・エージェント間通信のコンセプト実証について述べる。
エージェントはOperationRelayコールを通じて通信し、簡潔な自然言語要約を交換する。
このプロトタイプの目標は、臨床的に検証された生産可能なシステムを提供することではなく、実現可能性を示すことにある。
論文 参考訳（メタデータ） (2025-11-20T12:13:20Z) - Embracing Trustworthy Brain-Agent Collaboration as Paradigm Extension for Intelligent Assistive Technologies [51.93721053301417]
本稿では,脳-コンピュータ・インタフェースから脳-エージェント・コラボレーションへのパラダイム拡張を視野に入れている。
我々は、受動的脳信号データプロセッサではなく、知的支援のためのアクティブで協調的なパートナーとして、リフレーミングエージェントを強調している。
論文 参考訳（メタデータ） (2025-10-25T00:25:45Z) - DispatchMAS: Fusing taxonomy and artificial intelligence agents for emergency medical services [49.70819009392778]
大規模言語モデル (LLM) とマルチエージェントシステム (MAS) は、ディスパッチを増強する機会を提供する。
本研究の目的は,現実的なシナリオをシミュレートする分類基盤型マルチエージェントシステムの開発と評価である。
論文 参考訳（メタデータ） (2025-10-24T08:01:21Z) - MCP-Orchestrated Multi-Agent System for Automated Disinformation Detection [84.75972919995398]
本稿では,関係抽出を用いてニュース記事の偽情報を検出するマルチエージェントシステムを提案する。
提案したエージェントAIシステムは、(i)機械学習エージェント(ロジスティック回帰)、(ii)Wikipedia知識チェックエージェント、(iv)Webスクラッドデータアナライザの4つのエージェントを組み合わせる。
その結果、マルチエージェントアンサンブルはF1スコア0.964で95.3%の精度を達成し、個々のエージェントや従来のアプローチよりも大幅に優れていた。
論文 参考訳（メタデータ） (2025-08-13T19:14:48Z) - CP-uniGuard: A Unified, Probability-Agnostic, and Adaptive Framework for Malicious Agent Detection and Defense in Multi-Agent Embodied Perception Systems [21.478631468402977]
コラボレーティブ・パーセプション(CP)は、マルチエージェント自律運転とマルチエージェントロボットシステムにとって有望な技術であることが示されている。
CPでは、egoエージェントは、その協力者からメッセージを受け取る必要があるため、悪意のあるエージェントからの攻撃に対して脆弱である。
我々は、CP-uniGuardという統合された、確率に依存しない、適応的なフレームワークを提案し、その協調ネットワークにおける悪意のあるエージェントを正確に検出し、排除する。
論文 参考訳（メタデータ） (2025-06-28T14:02:14Z) - CP-Guard: Malicious Agent Detection and Defense in Collaborative Bird's Eye View Perception [54.78412829889825]
コラボレーティブ・パーセプション(CP)は自動運転に有望な技術を示している。
CPでは、ego CAVは協力者からのメッセージを受信する必要があるため、悪意のあるエージェントによる攻撃が容易になる。
本稿では,CPの防御機構であるCP-Guardを提案する。
論文 参考訳（メタデータ） (2024-12-16T17:28:25Z) - Confidential and Protected Disease Classifier using Fully Homomorphic Encryption [0.09424565541639365]
多くのユーザーは、病気のために医療専門家に相談する前に、ChatGPTやBardのようなプラットフォームで潜在的な原因を探している。
このようなプラットフォームの利便性にもかかわらず、個人医療データをオンラインで共有することは、悪意のあるプラットフォームの存在を含むリスクを引き起こす。
安全かつプライベートな診断システムのためのFHEとDeep Learningを組み合わせた新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2024-05-05T02:10:00Z) - Biometrics: Trust, but Verify [49.9641823975828]
バイオメトリック認識は、世界中のさまざまなアプリケーションに爆発しました。
生体認証システムの様々なサブモジュールに関する多くの顕著な問題と懸念があります。
論文 参考訳（メタデータ） (2021-05-14T03:07:25Z)
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。