論文の概要: Trust-Aware Adaptive Disclosure for Inference Privacy Preservation in Multi-Agent Networks

• arxiv url: http://arxiv.org/abs/2609.05340v1
• Date: Fri, 04 Sep 2026 16:44:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-07 18:15:24.120755
• Title: Trust-Aware Adaptive Disclosure for Inference Privacy Preservation in Multi-Agent Networks
• Title（参考訳）: マルチエージェントネットワークにおける推論プライバシ保護のための信頼度を考慮した適応的開示
• Abstract要約: 本稿では,ネットワーク型マルチエージェントシステムにおける目標推論攻撃時のプライバシ保護コンセンサスについて検討する。 本稿では,エージェント間の動的信頼関係に基づいて,メッセージ開示に適応するTrust-Aware Privacy Controlフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 17.26705995278035
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Agent based systems are increasingly deployed in information critical systems including healthcare management systems, and smart grids. In this paper, we consider a multi-agent system where each agent has a latent goal that needs to be kept hidden from observing adversaries. More specifically, this paper studies privacy-preserving consensus in networked multi-agent systems under goal inference attacks. We propose a Trust-Aware Privacy Control framework that adapts message disclosure based on the dynamic trust relationships between agents. The proposed method controls information release using a trust-dependent stochastic policy. This enables a tradeoff between consensus performance and privacy preservation. Experiments demonstrate that the proposed method reduces adversarial goal inference accuracy compared to representative baselines, while maintaining competitive consensus utility, thereby highlighting the effectiveness of trust-aware mechanisms in privacy preservation of the agents in multi-agent systems.
• Abstract（参考訳）: エージェントベースのシステムは、医療管理システムやスマートグリッドなど、情報クリティカルなシステムにますます多くデプロイされている。 本稿では,各エージェントが敵の観測から隠れておく必要がある潜在目標を持つマルチエージェントシステムについて考察する。 具体的には,ネットワーク型マルチエージェントシステムにおける目標推論攻撃時のプライバシ保護コンセンサスについて検討する。 本稿では,エージェント間の動的信頼関係に基づいて,メッセージ開示に適応するTrust-Aware Privacy Controlフレームワークを提案する。 提案手法は,信頼に依存した確率的ポリシを用いて情報公開を制御する。 これにより、コンセンサスのパフォーマンスとプライバシ保護のトレードオフが可能になる。 実験により,提案手法は,競争力のあるコンセンサスユーティリティを維持しつつ,代表ベースラインよりも敵目標推定精度を低減し,マルチエージェントシステムにおけるエージェントのプライバシ保護における信頼認識機構の有効性を強調した。

関連論文リスト

• Blockchain Empowered Trustworthy Agent Networks: Foundations, Taxonomy, and Future Directions [47.65093774088672]
  この調査およびチュートリアル記事は、1980年から2026年にかけての古典的マルチエージェントシステムからオープンエージェントネットワークへの進化に関する文献をレビューする。 私たちはまず、この進化をレビューし、信頼境界が個々の実行からクロスプラットフォーム、クロスプラットフォーム、組織間の相互作用へとどのように広がるかを示します。 我々は、実体と能力の信頼、認可と委譲、情報と信頼、調整とグループ・ロバスト性信頼、説明責任と決済信頼を含む5次元の分類法を開発する。
  論文  参考訳（メタデータ） (2026-08-05T09:32:35Z)
• Towards trustworthy agentic AI: a comprehensive survey of safety, robustness, privacy, and system security [57.35851886874902]
  エージェントAIシステムは、複雑なタスクを自律的に実行するが、その多段階の軌道には、信頼性に挑戦する新たな障害モードが導入されている。 この調査では、リスクの高いデプロイメントに不可欠な2つのコアディメンションを通じて、信頼できるエージェントAIを精査する。 各次元について、重要な概念を明確にし、エージェントワークフローに沿ってリスクが発生する場所を特定し、ステージ目標の緩和戦略を要約する。
  論文  参考訳（メタデータ） (2026-05-17T10:26:37Z)
• Differential Privacy for Regulatory Compliance in Cyberattack Detection on Critical Infrastructure Systems [0.0]
  本稿では、CIN利害関係者のプライバシー懸念を緩和しつつ、規制の信頼性を高めるためのサイバー攻撃検出フレームワークを提案する。 本手法は,非DPケースに匹敵する誤分類エラー率を誘導し,堅牢なプライバシ保証を実現する。
  論文  参考訳（メタデータ） (2025-08-11T17:10:49Z)
• Semantic Chain-of-Trust: Autonomous Trust Orchestration for Collaborator Selection via Hypergraph-Aided Agentic AI [57.58120823855315]
  本稿では,新たなセマンティック・チェーン・オブ・トラストの概念に基づく自律的信頼オーケストレーション手法を提案する。 我々の技術はエージェントAIとハイパーグラフを用いてデバイス間の信頼関係を確立し維持する。 実験により,提案手法が資源効率の高い信頼評価を実現することを示す。
  論文  参考訳（メタデータ） (2025-07-31T13:53:25Z)
• 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)
• Attention Knows Whom to Trust: Attention-based Trust Management for LLM Multi-Agent Systems [52.57826440085856]
  LLM-MAS(Large Language Model-based Multi-Agent Systems)は、複雑なタスクを解く上で強力な能力を示すが、エージェントが信頼性の低いメッセージを受け取ると弱いままである。 LLMエージェントは、信頼性を評価することなく、すべての受信メッセージを平等に扱う。 本稿では,メッセージの信頼度を評価するための軽量な注意ベース手法であるAttention Trust Score (A-Trust)を提案する。
  論文  参考訳（メタデータ） (2025-06-03T07:32:57Z)
• 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)
• Trust-based Consensus in Multi-Agent Reinforcement Learning Systems [5.778852464898369]
  マルチエージェント強化学習(MARL)における信頼できないエージェントの問題について検討する。 本稿では、分散的信頼機構である強化学習に基づく信頼合意(RLTC)を提案する。 高いコンセンサスの成功率によって証明されるように、信頼できないエージェントを効果的に扱えることを実証的に実証する。
  論文  参考訳（メタデータ） (2022-05-25T15:58:34Z)
• Personalized multi-faceted trust modeling to determine trust links in social media and its potential for misinformation management [61.88858330222619]
  ソーシャルメディアにおけるピア間の信頼関係を予測するためのアプローチを提案する。 本稿では,データ駆動型多面信頼モデルを提案する。 信頼を意識したアイテムレコメンデーションタスクで説明され、提案したフレームワークを大規模なYelpデータセットのコンテキストで評価する。
  論文  参考訳（メタデータ） (2021-11-11T19:40:51Z)

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。