Fugu-MT 論文翻訳(概要): Dynamic Authorization for Knowledge-Base Agents in 6G

論文の概要: Dynamic Authorization for Knowledge-Base Agents in 6G

arxiv url: http://arxiv.org/abs/2605.05269v1
Date: Wed, 06 May 2026 12:13:09 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-08 22:27:11.330025
Title: Dynamic Authorization for Knowledge-Base Agents in 6G
Title（参考訳）: 6Gにおける知識ベースエージェントの動的認証
Authors: Loay Abdelrazek, Leyli Karacay, Marin Orlic,
Abstract要約: 従来の認可モデルは、セマンティックベースのデータと対話する自律エージェントに必要な粒度を提供することができない。本研究は,役割と一階述語論理(FOL)を統合したハイブリッド認証フレームワークを提案し,知識グラフレベルでゼロトラストの原則を強制する。
参考スコア（独自算出の注目度）: 0.07646713951724012
License: http://creativecommons.org/licenses/by/4.0/
Abstract: As 6G architectures transition toward decentralized Multi-Agent Systems (MAS), ensuring secure access to shared Knowledge Bases (KB) is critical. Traditional authorization models like RBAC fail to provide the granularity required for autonomous agents interacting with Semantic-based data. This work proposes a hybrid authorization framework that integrates roles and First-Order Logic (FOL) predicates to enforce zero-trust principles at the knowledge-graph level. We eliminate permission inheritance by enforcing authorization at the triple level (Subject-Predicate-Object), ensuring agents only access metadata required for their specific functional lifecycle.
Abstract（参考訳）: 6Gアーキテクチャが分散マルチエージェントシステム(MAS)へ移行するにつれ、共有知識ベース(KB)へのセキュアなアクセスが重要となる。 RBACのような従来の認可モデルは、セマンティックベースのデータと対話する自律エージェントに必要な粒度を提供することができない。本研究は,役割と一階述語論理(FOL)を統合したハイブリッド認証フレームワークを提案し,知識グラフレベルでゼロトラストの原則を強制する。我々は,三重レベル (Subject-Predicate-Object) で認可を強制することで,許可の継承を排除し,エージェントが特定の機能ライフサイクルに必要なメタデータのみにアクセスすることを保証する。

関連論文リスト

Structural Enforcement of Goal Integrity in AI Agents via Separation-of-Powers Architecture [0.10152838128195464]
Policy-Execution-Authorization (PEA)アーキテクチャは、システムレベルでの安全性を強制する"パワーの分離"設計である。 PEAはインテントの生成、承認、実行を、暗号的に制約された機能トークンを介して接続された独立した分離されたレイヤに分離する。
論文参考訳（メタデータ） (2026-04-26T10:31:13Z)
Interoperable Architecture for Digital Identity Delegation for AI Agents with Blockchain Integration [0.0]
不均一なアイデンティティエコシステムをまたいだ、境界付き、監査可能、最小限のデリゲートを可能にする統一的なフレームワークを導入する。このフレームワークには4つの重要な要素が含まれている。デリゲーション・グラント(DG)、強制範囲の縮小を伴う権限の無効化をエンコードする第一級の認可アーティファクト。また、信頼のアンカー、クレデンシャルと証明のバリデーション、ポリシー評価、Trust Gateway経由のプロトコル仲介を分離する階層化された参照アーキテクチャも含まれている。
論文参考訳（メタデータ） (2026-01-21T13:29:23Z)
Towards Verifiably Safe Tool Use for LLM Agents [53.55621104327779]
大規模言語モデル(LLM)ベースのAIエージェントは、データソース、API、検索エンジン、コードサンドボックス、さらにはその他のエージェントなどのツールへのアクセスを可能にすることで、機能を拡張する。 LLMは意図しないツールインタラクションを起動し、機密データを漏洩したり、クリティカルレコードを上書きしたりするリスクを発生させる。モデルベースセーフガードのようなリスクを軽減するための現在のアプローチは、エージェントの信頼性を高めるが、システムの安全性を保証することはできない。
論文参考訳（メタデータ） (2026-01-12T21:31:38Z)
Binding Agent ID: Unleashing the Power of AI Agents with accountability and credibility [46.323590135279126]
BAID(Binding Agent ID)は、検証可能なユーザコードバインディングを確立するための総合的なアイデンティティ基盤である。ブロックチェーンベースのID管理とzkVMベースの認証プロトコルの実現可能性を実証し、完全なプロトタイプシステムの実装と評価を行った。
論文参考訳（メタデータ） (2025-12-19T13:01:54Z)
Authorization of Knowledge-base Agents in an Intent-based Management Function [0.07646713951724012]
本稿では,役割と機能的属性をエージェントロールと統合する拡張された認証フレームワークを提案する。我々のアプローチは、エージェントが知識グラフに対する最小限の特権しか与えられないことを保証する。
論文参考訳（メタデータ） (2025-10-22T07:38:01Z)
LLM-based Multi-Agent Blackboard System for Information Discovery in Data Science [69.1690891731311]
従来のAIモデルのためのブラックボードアーキテクチャに着想を得た,新しいマルチエージェント通信パラダイムを提案する。このフレームワークでは、中央エージェントが共有ブラックボードにリクエストをポストし、自律的な従属エージェントがその能力に基づいて応答する。明示的なデータ発見を必要とする3つのベンチマークに対して,本手法の評価を行った。
論文参考訳（メタデータ） (2025-09-30T22:34:23Z)
RecBase: Generative Foundation Model Pretraining for Zero-Shot Recommendation [78.01030342481246]
RecBaseは、レコメンデーション指向の目的によって事前訓練されたドメインに依存しない基礎モデルである。アイテムを階層的な概念識別子にエンコードする統一されたアイテムトークンを導入します。我々のモデルは、ゼロショットおよびクロスドメインレコメンデーションタスクにおいて、LLMのベースラインの最大7Bパラメータのパフォーマンスを一致または超過します。
論文参考訳（メタデータ） (2025-09-03T08:33:43Z)
LLM Agents Should Employ Security Principles [60.03651084139836]
本稿では,大規模言語モデル(LLM)エージェントを大規模に展開する際には,情報セキュリティの確立した設計原則を採用するべきであることを論じる。 AgentSandboxは、エージェントのライフサイクル全体を通して保護を提供するために、これらのセキュリティ原則を組み込んだ概念的なフレームワークである。
論文参考訳（メタデータ） (2025-05-29T21:39:08Z)
A Novel Zero-Trust Identity Framework for Agentic AI: Decentralized Authentication and Fine-Grained Access Control [7.228060525494563]
本稿では,Agentic AI IAMフレームワークの提案について述べる。リッチで検証可能なエージェント識別子(ID)に基づく包括的フレームワークを提案する。また、Zero-Knowledge Proofs(ZKPs)によって、プライバシ保護属性の開示と検証可能なポリシーコンプライアンスを実現する方法について検討する。
論文参考訳（メタデータ） (2025-05-25T20:21:55Z)
Interpretable Reinforcement Learning with Multilevel Subgoal Discovery [77.34726150561087]
離散環境のための新しい強化学習モデルを提案する。モデルでは、エージェントは確率的ルールの形で環境に関する情報を学習する。学習には報酬関数は不要であり、エージェントは達成するための第一の目標のみを与える必要がある。
論文参考訳（メタデータ） (2022-02-15T14:04:44Z)

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。