論文の概要: Behavioral Privacy Leakage in Agentic Negotiation: Formalizing and Mitigating Inference Attacks via Randomized Policies

• arxiv url: http://arxiv.org/abs/2607.06815v1
• Date: Tue, 07 Jul 2026 21:22:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-09 22:50:30.226628
• Title: Behavioral Privacy Leakage in Agentic Negotiation: Formalizing and Mitigating Inference Attacks via Randomized Policies
• Title（参考訳）: エージェントネゴシエーションにおける行動プライバシ漏洩:ランダム化ポリシーによる推論攻撃の形式化と緩和
• Abstract要約: 本稿では,マルチラウンド交渉プロトコルにおける行動差分プライバシーについて検討する。 我々は、$(varepsilon, )$-differential privacyを共同で保証する適応交渉政策を設計する。 本機構は,交渉成功率と有効性を90%以上維持しながら,敵の推測精度を43～50%削減する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous negotiation agents are increasingly deployed in high-stakes settings such as insurance and procurement. While cryptographic techniques protect explicitly disclosed constraint values, they fail to address a subtler threat: behavioral privacy leakage, where an adversary infers private constraints from observable negotiation dynamics such as concession trajectories, timing, and convergence patterns. This paper investigates behavioral differential privacy in multi-round negotiation protocols. We design an adaptive stochastic negotiation policy that jointly guarantees $(\varepsilon, δ)$-differential privacy, almost-sure convergence of the offer sequence (reaching agreement when the counterparty's reservation value permits), and high negotiation utility. Evaluated on 3,000 synthetic bilateral negotiations, our mechanism reduces adversarial inference accuracy by 43-50% while maintaining a negotiation success rate and utility above 90%, demonstrating that strong privacy guarantees can be achieved without significant loss of performance.
• Abstract（参考訳）: 自律交渉エージェントは、保険や調達のような高額な状況でますます展開されている。 行動プライバシーの漏洩 — 敵は、譲歩軌跡、タイミング、収束パターンなどの観測可能なネゴシエーションダイナミクスからプライベートな制約を推論する。 本稿では,マルチラウンド交渉プロトコルにおける行動差分プライバシーについて検討する。 我々は,$(\varepsilon, δ)$-differential privacy,ly-sure convergence of the offer sequence(相手の予約値が許せば合意する)と高交渉ユーティリティを共同で保証する適応確率的交渉政策を設計する。 3000の合成二国間交渉を評価した結果、交渉成功率とユーティリティを90%以上維持しながら、敵の推測精度を43-50%削減し、高いプライバシー保証を性能を著しく損なうことなく達成できることを示した。

関連論文リスト

• SovereignNegotiation-Bench: Evaluating User-Owned Personal Agents In Delegated Bargaining Under Privacy, Consent, Evidence, And Institutional Pressure [0.0]
  SovereignNegotiation-Benchは民間企業による個人エージェント交渉のためのトレースレベルベンチマークである。 本報告では,240以上のシナリオ,4つのモデルファミリー,13,440個の凍結した生トラック,61,135個の解析されたアクション行,300項目以上の盲目3点検の検証を行った。 最強の合意最大化ベースラインは、合意率が最も高いが、ユーザユーティリティが低く、プライバシ/コンテンツリスクが高い。
  論文  参考訳（メタデータ） (2026-07-02T23:03:15Z)
• TADP-RME: A Trust-Adaptive Differential Privacy Framework for Enhancing Reliability of Data-Driven Systems [0.5926203312586108]
  本稿では,TADP-RME(Trust-Adaptive Differential Privacy with Reverse Manifold Embedding)を提案する。 プライバシーとユーティリティのトレードオフを改善し、攻撃の成功率を3.1%まで下げる。
  論文  参考訳（メタデータ） (2026-04-09T11:32:57Z)
• Byzantine-Robust and Differentially Private Federated Optimization under Weaker Assumptions [89.52532304099522]
  フェデレートラーニング(FL)は、クライアントが生データを集中せずに共有モデルを共同でトレーニングすることを可能にし、固有のプライバシーレベルを提供する。 グラデーションとモデル更新は機密情報を漏洩する可能性があるが、悪意のあるサーバはビザンティン操作のような敵攻撃をマウントする可能性がある。 これらの脆弱性は、統合されたフレームワーク内の差分プライバシー(DP)とビザンチンの堅牢性に対処する必要性を強調している。 Byz-Clip21-SGD2Mを提案する。
  論文  参考訳（メタデータ） (2026-03-24T17:39:09Z)
• Your Privacy Depends on Others: Collusion Vulnerabilities in Individual Differential Privacy [50.66105844449181]
  個々の差別的プライバシ(iDP)は、ユーザが自身のプライバシをコントロールすることを約束するが、この約束は実際には破られる可能性がある。 我々は、サンプリングベースのiDPメカニズムにおいて、これまで見過ごされていた脆弱性を明らかにした。 我々は、$(varepsilon_i,_i,overline)$-iDPというプライバシー契約を提案します。
  論文  参考訳（メタデータ） (2026-01-19T10:26:12Z)
• zk-Agreements: A Privacy-Preserving Way to Establish Deterministic Trust in Confidential Agreements [4.484708810630883]
  機密性を維持しつつ、紙ベースの信頼から暗号的信頼へ移行するためのプロトコルであるzk-agreementsを導入する。 当社の設計では,プライベートな契約条件を保護するためのゼロ知識証明,プライベートなコンプライアンス評価を可能にするための2要素計算,自動実施を保証するためのスマートコントラクトを組み合わせる。
  論文  参考訳（メタデータ） (2025-10-22T20:11:57Z)
• How to Get Actual Privacy and Utility from Privacy Models: the k-Anonymity and Differential Privacy Families [3.9894389299295514]
  プライバシモデルは、プライバシ保護データパブリッシングと統計開示制御に導入された。 定義に問題があるため、適切な保護保証の提供に失敗する可能性がある。 k-匿名性のセマンティックな再構築は、ユーティリティを失うことなく、より堅牢なプライバシを提供することができる、と我々は主張する。
  論文  参考訳（メタデータ） (2025-10-13T11:41:12Z)
• The Sum Leaks More Than Its Parts: Compositional Privacy Risks and Mitigations in Multi-Agent Collaboration [72.33801123508145]
  大規模言語モデル(LLM)はマルチエージェントシステムに不可欠なものである。 プライバシーリスクは、暗記、直接推論、シングルターン評価を超えて現れる。 特に、相互作用によって構成される一見無害な反応は、敵が機密情報の回復を累積的に行うことができる。
  論文  参考訳（メタデータ） (2025-09-16T16:57:25Z)
• From Mean to Extreme: Formal Differential Privacy Bounds on the Success of Real-World Data Reconstruction Attacks [54.25638567385662]
  機械学習における微分プライバシーは、しばしばメンバーシップ推論に対する保証として解釈される。 DP予算を定量的な保護に翻訳することで、データ再構築の脅威を悪化させることは、依然として困難な課題である。 本稿では、実証された"ゼロスクラッチ"攻撃のメカニズムに合わせた、最初の公式なプライバシー境界を導出することで、臨界ギャップを埋める。
  論文  参考訳（メタデータ） (2024-02-20T09:52:30Z)
• Hallucinated Adversarial Control for Conservative Offline Policy Evaluation [64.94009515033984]
  本研究では,環境相互作用のオフラインデータセットが与えられた場合,政策のパフォーマンスを低く抑えることを目的とした,保守的非政治評価(COPE)の課題について検討する。 本稿では,遷移力学の不確実性を考慮した学習モデルに基づくHAMBOを紹介する。 結果のCOPE推定値が妥当な下界であることを証明し、正則性条件下では、真に期待された戻り値への収束を示す。
  論文  参考訳（メタデータ） (2023-03-02T08:57:35Z)
• Breaking the Communication-Privacy-Accuracy Tradeoff with $f$-Differential Privacy [51.11280118806893]
  サーバが複数のユーザの協調的なデータ分析を,プライバシの懸念と限られた通信能力で調整する,フェデレートされたデータ分析問題を考える。 有限出力空間を有する離散値機構の局所的差分プライバシー保証を$f$-differential privacy (DP) レンズを用いて検討する。 より具体的には、様々な離散的評価機構の厳密な$f$-DP保証を導出することにより、既存の文献を前進させる。
  論文  参考訳（メタデータ） (2023-02-19T16:58:53Z)

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。