論文の概要: Protocol-Level Attacks on Agentic Commerce Platforms: A Cross-Platform Taxonomy, AIP-Bench, and Unified Defense
- arxiv url: http://arxiv.org/abs/2607.21824v1
- Date: Thu, 23 Jul 2026 21:21:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-27 20:58:57.00306
- Title: Protocol-Level Attacks on Agentic Commerce Platforms: A Cross-Platform Taxonomy, AIP-Bench, and Unified Defense
- Title（参考訳）: エージェントコマースプラットフォームにおけるプロトコルレベル攻撃 - クロスプラットフォーム分類, AIP-Bench, 統一防衛-
- Abstract要約: 我々は、エージェントと商業サービスの間のプロトコルにおいて、より連続的なリスクが1層下にあることを示す。
3つの主要なプラットフォームで、デプロイされたモデルに関係なく、それぞれが決定的に成功する、33の脆弱性を特定します。
そのうちの3つは、エンドツーエンドの支払いハイジャックにチェーンする。
- 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: Agentic commerce platforms let AI agents autonomously discover services, move payments, and wield user credentials on their users' behalf, and they already handle real money. Their security has so far been studied almost entirely at the level of the AI model, through prompt injection and misalignment. We show that the more consequential risks lie one layer down, in the protocol between agents and commerce services. There, vulnerabilities are structural : exploitation is deterministic and ndependent of which model an agent runs, so no model improvement removes them. Across three leading platforms we identify 33 such vulnerabilities, each succeeding deterministically regardless of the deployed model, at a 100% attack-success rate (ASR) wherever live-measured. The same failure modes recur across independently built codebases, a systemic pattern rather than isolated bugs. Three of them chain into an end-to-end payment hijack. We contribute a taxonomy separating these structural attacks from model-dependent semantic ones. We also build two artifacts: AIP-Bench (Agent Interaction Protocol Benchmark), to our knowledge the first deterministic benchmark for agentic commerce security, and PCAT (Protocol-level Commerce Agent Trust), a platform-agnostic defense that drives the structural attack-success rate to zero for four of the five structural classes (RC-1, RC-2, RC-4, RC-5), with RC-3 (observable credential channels) reduced to warn-only, without modifying any platform. Agentic commerce must be secured at the protocol layer, not only the model.
- Abstract（参考訳）: エージェントコマースプラットフォームにより、AIエージェントは、自律的にサービスを発見し、支払いを移動し、ユーザの代理としてユーザ認証を操作できる。
これまでのところ、彼らのセキュリティは、インジェクションと誤調整を通じて、ほぼ完全にAIモデルのレベルで研究されてきた。
我々は、エージェントと商業サービスの間のプロトコルにおいて、より連続的なリスクが1層下にあることを示す。
エクスプロイトは決定論的であり、エージェントがどのモデルを実行するかに依存しないので、モデルの改善がそれらを取り除くことはない。
3つの主要なプラットフォームで、我々は33の脆弱性を特定し、それぞれがデプロイされたモデルに関係なく決定的に成功し、ライブ測定された場合、100%のアタック・サクセス・レート(ASR)で識別します。
同じ障害モードは独立して構築されたコードベースにまたがって発生します。
そのうちの3つは、エンドツーエンドの支払いハイジャックにチェーンする。
モデルに依存したセマンティックアタックからこれらの構造的アタックを分離する分類に貢献する。
AIP-Bench (Agent Interaction Protocol Benchmark) と PCAT (Protocol-level Commerce Agent Trust) という5つの構造クラス (RC-1, RC-2, RC-4, RC-5) のうち4つの構造的攻撃率をゼロに駆動するプラットフォームに依存しない防衛システムであり、RC-3 (オブザーバブル・クレデンシャル・チャネル) はプラットフォームを変更せずに警告のみに削減されている。
エージェントコマースは、モデルだけでなく、プロトコル層でセキュアでなければならない。
関連論文リスト
- Delegation Without Trust: An Empirical Gap Analysis of Identity, Authorization, and Runtime Governance in Multi-Agent LLM Systems [0.0]
4つの敵を中心としたマルチエージェントデリゲートに対する脅威モデルを提案する。
デフォルトのランタイムモデリングの共通プラクティスが4つの脅威すべてに失敗することを示す。
我々は、ギャップを埋める認証ブローカを実装し、敵に評価する。
論文 参考訳（メタデータ） (2026-08-31T19:09:34Z) - Poisoning Agentic Alpha: Adversarial Vulnerabilities Across Roles and Architectures in Multi-Agent Trading Systems [103.90831279037094]
LLMベースのマルチエージェントトレーディングシステムは、研究プロトタイプから実際の資産を管理するライブデプロイメントへと急速に移行している。
破損した信号は最終決定に伝播し、実現された財政損失に変換される。
本稿では,金融分野において,敵対的信号がマルチエージェント取引システムにどのように入るのかを特徴付ける最初の体系的実証的研究について述べる。
論文 参考訳（メタデータ） (2026-08-25T05:07:37Z) - Beyond the Mandate: A Systematic Security Analysis of the Agent Payments Protocol (AP2) [13.020998549537874]
AP2は、大きな言語モデル(LLM)によるショッピングエージェントが、ユーザに代わって支払いを認可し実行できるようにする。
以前の研究ではAP2 v0.1におけるリプレイとプロンプトインジェクション攻撃が特定された。
本稿では,AP2 v0.2の役割,トランザクションライフサイクル,デプロイメントアーキテクチャ,信頼境界に基づいて,システマティックなセキュリティ分析を行う。
論文 参考訳（メタデータ） (2026-08-24T22:05:00Z) - Adversarial Attacks in Multi-Agent LLM Pipelines: Unveiling Structural Vulnerabilities in Agentic AI Architectures [4.053243845971823]
マルチエージェントLLMパイプラインは、特殊な言語モデルエージェントを構造化し、中間出力をエージェント間で渡して複雑なタスクを解決する。
この設計では、単一のエージェント設定にないセキュリティギャップが導入されている。
この脆弱性は、エージェント間の境界を越える際に、データの明示的な検証を強制するセキュリティプリミティブである境界検証の欠如に起因している、と私たちは主張する。
論文 参考訳（メタデータ） (2026-08-01T15:35:58Z) - From Monoliths to Swarms: A Study of Attack Surface Evolution in the Transition to Multi-Agent Web Systems [2.3116744534533282]
大規模言語モデル(LLM)ベースのWebエージェントは、単一エージェントシステム(SAS)からマルチエージェントシステム(MAS)へと進化している。
複数のエージェントの関与によって引き起こされた脆弱性を考慮し、WebベースのMASに特有の攻撃ベクトルを分類する分類法を提案する。
我々は、Webエージェントのセキュリティを、完全に外部のWeb専用敵に対して分析するためのテストベッドWebMASLabを提案する。
論文 参考訳（メタデータ） (2026-07-31T18:27:12Z) - Understanding and Evaluating Claw-like Agent Security Through a Computer-Systems Lens [65.53494487819053]
クローのようなAIエージェント(OpenClawなど)は、認証情報、ファイル、ツール、外部サービスへの永続的なアクセスを伴う、常にオンのプロセスである。
我々はClawのようなエージェントをエージェントコンピュータシステムとして扱い、そのゲートウェイランタイムがOSのような仲介の役割を担っている。
我々は、4つの攻撃面にわたる406の敵タスクのベンチマークであるSafeClawArenaを開発した。
論文 参考訳（メタデータ） (2026-06-29T18:00:45Z) - TRACE: A Threat Modelling Methodology for Distributed, Cloud-First, and Decentralized Organisations [0.0]
我々は、脅威アクター、役割、資産、批判的不変量、信頼/権威のエッジを第一級、エビデンスにリンクしたオブジェクトとして扱う方法論であるTRACEを提示する。
10次元にわたって広く使用されている9つのフレームワークを比較して、各フレームワークが分散、クラウドファースト、ゼロトラスト設定で不足していることを示し、TRACEを指定する。
論文 参考訳（メタデータ） (2026-06-20T20:24:15Z) - ClayBuddy: A Framework, Evaluation, & Mitigation of Coding Agent Failures [1.0742675209112622]
障害モードは、不特定性、能力エラー、エージェントハーネスエラーの3つのメカニズムから派生したものとして研究する。
我々はClayBuddyを提案する。ClayBuddyはユーザの好みを形作るハーネスで、モデルのインセッションで修正してこれらのエラーを軽減できる。
論文 参考訳（メタデータ） (2026-06-13T18:29:53Z) - LAP: An Agent-to-Instrument Protocol for Autonomous Science [6.00746946741668]
大規模な言語モデルエージェントが実験を計画し、自動運転研究所がそれらを実行している。
このようなシステムはすべて、推論エージェントと物理機器のリンクをゼロから再構築する。
最近のエージェント・インターオペラビリティ・プロトコルはエージェント・ツー・ツールエッジを明確にし、Googleのエージェント・ツー・エージェントエッジ(A2A)はエージェント・ツー・エージェントエッジである。
このギャップを埋めるプロトコルであるLab Agent Protocol (LAP) を提示する。
論文 参考訳（メタデータ） (2026-06-02T15:03:43Z) - Context Kubernetes: Declarative Orchestration of Enterprise Knowledge for Agentic AI Systems [0.0]
エージェントAIシステムにおけるエンタープライズ知識のオーケストレーションのためのアーキテクチャであるContextを紹介する。
本稿では,6つのコア抽象化,知識アーキテクチャ・アズ・コードのためのYAMLマニフェスト,和解ループ,3層エージェントパーミッションモデルについて定式化する。
コンテキストオーケストレーションをコンテナオーケストレーションよりも難しくする4つのプロパティを特定します。
論文 参考訳（メタデータ） (2026-04-13T15:35:55Z) - The Trojan Knowledge: Bypassing Commercial LLM Guardrails via Harmless Prompt Weaving and Adaptive Tree Search [58.8834056209347]
大規模言語モデル(LLM)は、有害な出力を誘導するために安全ガードレールをバイパスするジェイルブレイク攻撃に弱いままである。
CKA-Agent(Correlated Knowledge Attack Agent)は、ターゲットモデルの知識基盤の適応的木構造探索としてジェイルブレイクを再構成する動的フレームワークである。
論文 参考訳（メタデータ） (2025-12-01T07:05:23Z) - Malice in Agentland: Down the Rabbit Hole of Backdoors in the AI Supply Chain [82.98626829232899]
自分自身のインタラクションからのデータに対する微調整のAIエージェントは、AIサプライチェーン内の重要なセキュリティ脆弱性を導入している。
敵は容易にデータ収集パイプラインに毒を盛り、検出しにくいバックドアを埋め込むことができる。
論文 参考訳（メタデータ） (2025-10-03T12:47:21Z) - Mind the Gap: Comparing Model- vs Agentic-Level Red Teaming with Action-Graph Observability on GPT-OSS-20B [1.036334370262262]
本稿では,20ビリオンパラメータのオープンソースモデルであるGPT-OSS-20Bの比較レッドチーム化分析を行う。
評価の結果,モデルレベルとエージェントレベルの脆弱性プロファイルの根本的な違いが明らかになった。
エージェントレベルの反復攻撃は、モデルレベルで完全に失敗する目標を妥協することに成功した。
論文 参考訳（メタデータ） (2025-09-21T22:18:34Z) - DoomArena: A framework for Testing AI Agents Against Evolving Security Threats [81.73540246946015]
本稿では,AIエージェントのセキュリティ評価フレームワークであるDoomArenaを紹介する。
プラグインフレームワークであり、現実的なエージェントフレームワークと簡単に統合できる。
モジュールであり、エージェントがデプロイされる環境の詳細から攻撃の開発を分離する。
論文 参考訳（メタデータ） (2025-04-18T20:36:10Z) - FedDefender: Client-Side Attack-Tolerant Federated Learning [60.576073964874]
フェデレーション学習は、プライバシを損なうことなく、分散化されたデータソースからの学習を可能にする。
悪意のあるクライアントがトレーニングプロセスに干渉する、毒殺攻撃のモデル化には脆弱である。
我々はFedDefenderと呼ばれるクライアントサイドに焦点を当てた新しい防御機構を提案し、クライアントの堅牢なローカルモデルのトレーニングを支援する。
論文 参考訳（メタデータ） (2023-07-18T08:00:41Z)
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。