論文の概要: ACF: A Collaborative Framework for Agent Covert Communication under Cognitive Asymmetry

• arxiv url: http://arxiv.org/abs/2604.08276v1
• Date: Thu, 09 Apr 2026 14:10:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-10 18:34:05.952364
• Title: ACF: A Collaborative Framework for Agent Covert Communication under Cognitive Asymmetry
• Title（参考訳）: ACF:認知的非対称性下でのエージェント被覆通信のための協調的フレームワーク
• Authors: Wansheng Wu, Kaibo Huang, Yukun Wei, Zhongliang Yang, Linna Zhou,
• Abstract要約: 本稿では,非対称協調フレームワーク (ACF) を提案する。 ACFは意味的忠実度と包括的コミュニケーションの両方に優れ、対称性は深刻なチャネル劣化に悩まされる。 計算の不明瞭さを維持し、証明可能なエラー境界を持つ信頼できる秘密抽出を可能にする。
• 参考スコア（独自算出の注目度）: 17.371382181884023
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As generative artificial intelligence evolves, autonomous agent networks present a powerful paradigm for interactive covert communication. However, because agents dynamically update internal memories via environmental interactions, existing methods face a critical structural vulnerability: cognitive asymmetry. Conventional approaches demand strict cognitive symmetry, requiring identical sequence prefixes between the encoder and decoder. In dynamic deployments, inevitable prefix discrepancies destroy synchronization, inducing severe channel degradation. To address this core challenge of cognitive asymmetry, we propose the Asymmetric Collaborative Framework (ACF), which structurally decouples covert communication from semantic reasoning via orthogonal statistical and cognitive layers. By deploying a prefix-independent decoding paradigm governed by a shared steganographic configuration, ACF eliminates the reliance on cognitive symmetry. Evaluations on realistic memory-augmented workflows demonstrate that under severe cognitive asymmetry, symmetric baselines suffer severe channel degradation, whereas ACF uniquely excels across both semantic fidelity and covert communication. It maintains computational indistinguishability, enabling reliable secret extraction with provable error bounds, and providing robust Effective Information Capacity guarantees for modern agent networks.
• Abstract（参考訳）: 生成的人工知能が進化するにつれて、自律エージェントネットワークは対話型秘密通信の強力なパラダイムを提供する。 しかし、エージェントは環境相互作用を通じて内部記憶を動的に更新するため、既存の手法は認知的非対称性という重要な構造的脆弱性に直面している。 従来のアプローチでは、エンコーダとデコーダの間に同じシーケンスプレフィックスを必要とする、厳密な認知対称性が要求される。 動的デプロイメントでは、必然的なプレフィックスの相違により同期が破壊され、重度のチャネル劣化が引き起こされる。 認知的非対称性のこの中核的課題に対処するために、直交統計層と認知層を介して意味的推論から包括的コミュニケーションを構造的に分離する非対称協調フレームワーク(ACF)を提案する。 共有ステガノグラフィー構成によって支配されるプレフィックス非依存のデコードパラダイムをデプロイすることにより、ACFは認知対称性への依存を排除できる。 リアルな記憶強化ワークフローの評価は、重度の認知的非対称性の下では、対称なベースラインが深刻なチャネル劣化に悩まされるのに対し、ACFは意味的忠実さと隠蔽コミュニケーションの両方に独自に優れていることを示している。 計算不能性を維持し、証明可能なエラー境界を持つ信頼できる秘密抽出を可能にし、現代のエージェントネットワークに対して堅牢な効果的な情報容量保証を提供する。

関連論文リスト

• Neural Uncertainty Principle: A Unified View of Adversarial Fragility and LLM Hallucination [60.197429875410286]
  大規模言語モデルにおける視覚と幻覚の対立的脆弱性は、伝統的に別の問題と見なされている。 損失誘起状態下でのニューラル不確実性原理(NUP)の定式化により, ほぼバウンド状態においては, さらなる圧縮は感度分散の増大を伴うことが判明した。 視覚では、高度に結合したコンポーネントをマスキングすることで、コストのかかる敵の訓練なしに堅牢性を向上させる。 言語では、任意の応答トークンを生成する前に、同じプレフィルステージプローブが幻覚リスクを検出する。
  論文  参考訳（メタデータ） (2026-03-20T02:07:10Z)
• Tri-LLM Cooperative Federated Zero-Shot Intrusion Detection with Semantic Disagreement and Trust-Aware Aggregation [5.905949608791961]
  本稿では,言語に基づくセマンティック管理をフェデレーション最適化に組み込んだ,セマンティックス駆動のフェデレーションIDSフレームワークを提案する。 このフレームワークは、目に見えない攻撃パターンに対して80%以上のゼロショット検出精度を達成し、類似性に基づくベースラインと比較してゼロデイ識別を10%以上改善する。
  論文  参考訳（メタデータ） (2026-01-30T16:38:05Z)
• Rethinking Transferable Adversarial Attacks on Point Clouds from a Compact Subspace Perspective [55.919842734983156]
  CoSAは、共有された低次元セマンティック空間内で機能する転送可能なアタックフレームワークである。 CoSAは、最先端のトランスファー可能な攻撃を一貫して上回っている。
  論文  参考訳（メタデータ） (2026-01-30T15:48:11Z)
• Explainability-Guided Defense: Attribution-Aware Model Refinement Against Adversarial Data Attacks [6.573058520271728]
  私たちは、トレーニング中に直接活用できる、解釈可能性と堅牢性との関連性を特定します。 本稿では,局所解釈可能なモデル非依存表現をアクティブな訓練信号に変換する属性誘導型改良フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-02T19:36:03Z)
• SecDiff: Diffusion-Aided Secure Deep Joint Source-Channel Coding Against Adversarial Attacks [73.41290017870097]
  SecDiffは、プラグイン・アンド・プレイの拡散支援デコーディングフレームワークである。 対向無線環境下での深部JSCCの安全性と堅牢性を大幅に向上させる。
  論文  参考訳（メタデータ） (2025-11-03T11:24:06Z)
• Bridging Symmetry and Robustness: On the Role of Equivariance in Enhancing Adversarial Robustness [9.013874391203453]
  敵対的な例では、知覚不能な入力摂動に対する感度を利用して、ディープニューラルネットワークの重大な脆弱性を明らかにしている。 本研究では,群-同変畳み込みを組込み,対向ロバスト性に対するアーキテクチャ的アプローチについて検討する。 これらの層は、モデル行動と入力空間の構造化変換を整合させる対称性の先行を符号化し、よりスムーズな決定境界を促進する。
  論文  参考訳（メタデータ） (2025-10-17T19:26:58Z)
• Neuro-Symbolic Causal Reasoning Meets Signaling Game for Emergent Semantic Communications [71.63189900803623]
  創発的SCシステムフレームワークを提案し,創発的言語設計のためのシグナリングゲームと因果推論のためのニューロシンボリック(NeSy)人工知能(AI)アプローチで構成されている。 ESCシステムは、意味情報、信頼性、歪み、類似性の新たな指標を強化するように設計されている。
  論文  参考訳（メタデータ） (2022-10-21T15:33:37Z)

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。