論文の概要: Authorization Architectures for Tool-Using AI Agents
- arxiv url: http://arxiv.org/abs/2609.15906v1
- Date: Mon, 14 Sep 2026 17:21:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:06.532517
- Title: Authorization Architectures for Tool-Using AI Agents
- Title（参考訳）: ツール利用AIエージェントの認証アーキテクチャ
- Abstract要約: 信頼できる人間-AIシステムは、すべての連続エージェントアクションが人間のプリンシパルにトレース可能であることを要求する。
このレビューでは、人間のユーザ、オペレータ/デプロイ、オーケストレータエージェント、サブエージェント、ツールエンドポイントにまたがる主要な階層について紹介する。
提案する7つの構造的要件は,4層参照アーキテクチャを導出し,その要件を3つのデプロイ可能な参照構成に適用し,実行時強制とアグリゲーション境界を主要な未解決ギャップとして同定する。
- 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: Tool-using artificial intelligence (AI) agents, systems that autonomously invoke application programming interfaces (APIs), databases, browsers, and inter-agent protocols such as the Model Context Protocol (MCP), are becoming production infrastructure. Yet the security model governing when an agent is authorized to act on a human's behalf remains underdeveloped. Trustworthy human-AI systems require that every consequential agent action be traceable to a human principal, bounded by what that human actually delegated, and contestable after the fact; few documented deployments satisfy all three properties reliably and end to end. Existing literature addresses fragments of this problem in isolation, credential management for non-human identities, classical access control models, prompt injection, and audit trails, while giving little attention to the authorization decision point itself, the moment a tool invocation occurs, and mechanisms that make that decision correct, enforceable, and accountable. This review introduces a principal hierarchy spanning human user, operator/deployer, orchestrator agent, sub-agent, and tool endpoint as an organizing framework, and examines five interdependent layers: agent identity and credential lifecycle; delegation and scope propagation across multi-hop chains; runtime enforcement and just-in-time authorization at policy enforcement points (PEPs); prompt injection as an authorization bypass that breaks the principal hierarchy; and auditability, provenance, and non-repudiation. Drawing on a structured narrative review of 89 primary sources screened from approximately 180 candidates published between 2023 and 2026, we propose seven structural requirements, derive a four-layer reference architecture, apply the requirements to three deployable reference configurations, and identify runtime enforcement and aggregation bounds as the principal unresolved gaps.
- Abstract（参考訳）: ツール利用人工知能(AI)エージェント、アプリケーションプログラミングインターフェース(API)、データベース、ブラウザ、そしてモデルコンテキストプロトコル(MCP)のようなエージェント間プロトコルを自律的に呼び出すシステムは、生産基盤になりつつある。
しかし、エージェントが人間の代理として行動することを許可された場合のセキュリティモデルはまだ未開発のままである。
信頼できるヒューマンAIシステムは、すべての連続エージェントアクションを人間のプリンシパルにトレースし、人間が実際に委譲したものに縛り付けられ、その事実に異議を唱えることを要求する。
既存の文献は、この問題の断片を分離、人間以外のアイデンティティのクレデンシャル管理、古典的なアクセス制御モデル、プロンプトインジェクション、監査パスに対処すると同時に、承認決定ポイント自体、ツールの呼び出しが発生した瞬間、そしてその決定を正し、強制可能で、説明可能なメカニズムにほとんど注意を払わない。
このレビューでは、人間ユーザ、オペレータ/デプロイ者、オーケストレータエージェント、サブエージェント、ツールエンドポイントを編成するフレームワークとして、エージェントアイデンティティとクレデンシャルライフサイクル、マルチホップチェーン間のデリゲートとスコープの伝搬、ポリシー執行ポイント(PEP)における実行時執行とジャスト・イン・タイムの認可、主要な階層を壊す承認バイパスとしてのインジェクション、監査可能性、前例、非監査の5つの相互依存レイヤについて紹介する。
本研究では,2023年から2026年にかけて発行された約180人の候補者を対象とする89件の一次資料を整理し,4層参照アーキテクチャを導出し,その要件を3つのデプロイ可能な参照構成に適用し,実行時強制とアグリゲーション境界を主要な未解決ギャップとして同定する7つの構造的要件を提案する。
関連論文リスト
- Formal Verification of Agentic Systems over Operational Data [59.98246281888422]
大規模言語モデル(LLM)によって駆動されるエージェントシステムは、永続的な運用データを扱う現実世界にますます展開されている。
既存のアプローチはそのようなシステムレベルの保証を提供していません。
本稿では, 1 つの LLM とツールオーケストレーションハーネスからなるエージェントシステムのリレーショナル操作データに対する検証について述べる。
論文 参考訳（メタデータ） (2026-08-04T13:01:30Z) - AgentCompass: A Unified Evaluation Infrastructure for Agent Capabilities [55.23913617185508]
Agentは、LLM(Large Language Models)ベースのエージェントを評価するための、オープンソース、軽量、インフラストラクチャである。
Benchmark、Harness、Environmentという3つの独立したコンポーネントに関する評価プロセスを編成する。
フォールトトレラントなランタイムと、報酬ハックのような障害モードを透過的に診断する包括的なトラジェクトリ分析ツールを備えている。
論文 参考訳（メタデータ） (2026-07-15T11:11:17Z) - Self-Aware Recursively Self-Improving Agents for Personal Singularity: A Goal-, Scope-, Tool-, and Benchmark-Driven Multi-Agent Architecture [1.7259824817932294]
大規模言語モデル(LLM)エージェントは、計画し、ツールを使用し、メモリを保守し、長い水平タスクを実行することができる。
本稿では、アイデンティティ、目標、能力、限界、不確実性、関係性、歴史、発達変化の永続的な自己モデルを維持する自己認識再帰的自己改善(SARSI)エージェントを提案する。
我々は、SARSIエージェントを個人特異性とペアリングし、エージェントエコシステムがユーザ定義可能な拡張可能な機能フロンティアにアプローチするのを手助けする、有界な人間-AI共同開発目標とする。
論文 参考訳（メタデータ） (2026-07-14T01:44:53Z) - Distributed General-Purpose Agent Networks: Architecture, Key Mechanisms, and Prototypes [6.912160696802991]
本稿では,分散汎用エージェントネットワークについて検討する。
従来のP2Pネットワークとは異なり、エージェントネットワークは意図、能力、状態、協力に関する意味的宣言を伝達しなければならない。
本稿では,シーケンシャルログを用いたボディーレスゴシップ,MG-EigenTrustの評判を用いたBAIDベースのIDバインディング,セマンティック属性フィードバックによって駆動されるStackelberg方式のメカニズム生成ループなどの技術経路を提案する。
論文 参考訳（メタデータ） (2026-06-15T23:57:13Z) - The Meta-Agent Challenge: Are Current Agents Capable of Autonomous Agent Development? [80.24951682268332]
本稿では,自律エージェント開発のためのフロンティアモデルのキャパシティをテストするための評価フレームワークであるMeta-Agent Challenge(MAC)を紹介する。
評価の整合性を確保するため、このフレームワークは報奨ハッキングに対する多層防御によって確保される。
メタエージェントは人間工学的な基本方針とほとんど一致せず、その一部はプロプライエタリなフロンティアモデルに支配されている。
論文 参考訳（メタデータ） (2026-06-03T04:58:17Z) - Digital Identity for Agentic Systems: Toward a Portable Authorization Standard for Autonomous Agents [0.0]
本稿では,保険請求処理とサプライチェーンの整合性における代表的企業利用事例について分析する。
発行者認可認可ペイロードに基づく自律エージェントの携帯型認証モデルを提案する。
論文 参考訳（メタデータ） (2026-05-12T04:04:34Z) - Authorization Propagation in Multi-Agent AI Systems: Identity Governance as Infrastructure [0.0]
我々はこの問題を認可伝搬と呼ぶ。
RBAC、ABAC、ReBACのような古典的なアクセス制御モデルでは、完全には対処できない。
この論文は、認可伝達をワークフローレベルのプロパティとして形式化し、3つのサブプロブレムを特定し、マルチエージェントAIシステムにおける認可アーキテクチャの7つの構造的要件を導出する。
論文 参考訳（メタデータ） (2026-05-06T20:56:17Z) - From Prompt-Response to Goal-Directed Systems: The Evolution of Agentic AI Software Architecture [0.0]
Agentic AIは、ステートレスでプロンプト駆動型生成モデルからゴール指向システムへのアーキテクチャ移行を表す。
本稿では、知的エージェント理論と現代のLCM中心のアプローチを結びつけることによって、この遷移を考察する。
この研究は、標準化されたエージェントループ、登録、監査可能な制御機構への収束を特定する。
論文 参考訳（メタデータ） (2026-02-11T03:34:48Z) - AgentIF-OneDay: A Task-level Instruction-Following Benchmark for General AI Agents in Daily Scenarios [49.90735676070039]
持続時間と複雑さが増大するタスクを効果的に処理するAIエージェントの能力は、成長を続けている。
エージェントタスクの多様性に十分対処することなく,タスクの難易度の向上を優先している。
本稿では,自然言語命令とAIエージェントを多種多様な日常タスクに活用できるかどうかを判定するエージェントIF-OneDayを提案する。
論文 参考訳（メタデータ） (2026-01-28T13:49:18Z) - Agentic Web: Weaving the Next Web with AI Agents [109.13815627467514]
大規模言語モデル(LLM)を活用したAIエージェントの出現は、エージェントWebに対する重要な転換点である。
このパラダイムでは、エージェントが直接対話して、ユーザに代わって複雑なタスクを計画、コーディネート、実行します。
本稿では,エージェントWebの理解と構築のための構造化フレームワークを提案する。
論文 参考訳（メタデータ） (2025-07-28T17:58:12Z) - 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) - Agent-as-a-Judge: Evaluate Agents with Agents [61.33974108405561]
本稿ではエージェント・アズ・ア・ジャッジ(Agent-as-a-Judge)フレームワークを紹介し,エージェント・システムを用いてエージェント・システムの評価を行う。
これはLLM-as-a-Judgeフレームワークの有機的拡張であり、タスク解決プロセス全体の中間フィードバックを可能にするエージェント的特徴を取り入れている。
55のリアルな自動化AI開発タスクのベンチマークであるDevAIを紹介します。
論文 参考訳（メタデータ） (2024-10-14T17:57:02Z)
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。