論文の概要: Contagion on the Trading Floor: How Adversarial Signals Spread in Multi-Agent Trading Systems

• arxiv url: http://arxiv.org/abs/2609.19789v1
• Date: Thu, 17 Sep 2026 06:54:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.13052
• Title: Contagion on the Trading Floor: How Adversarial Signals Spread in Multi-Agent Trading Systems
• Title（参考訳）: トレーディングフロアの感染:マルチエージェントトレーディングシステムにおける逆信号の拡散
• Abstract要約: 大規模言語モデル(LLM)上に構築されたマルチエージェントトレーディングシステムは、量的ファイナンスに現れ始めている。 LLMトレーディングスタックの脆弱性をブラックボックス、入力専用攻撃に対して調査し、許容可能なソーシャルメディアフィードを通じてのみ侵入する。 本稿では,現代マルチエージェントトレーディングアーキテクチャをキャプチャするGMATS(Generic Multi-Agent Trading System)を紹介する。
• 参考スコア（独自算出の注目度）: 39.13517815431535
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-agent trading systems built on large language models (LLMs) are beginning to appear in quantitative finance, yet their robustness to adversarial inputs is largely unknown. We study the vulnerability of LLM trading stacks to black-box, input-only attacks that enter solely via admissible social-media feeds. We introduce the Generic Multi-Agent Trading System (GMATS), a framework that captures modern multiagent trading architectures and instantiate a class of black-box poisoning attackers that treat an LLM as a post generator and inject budget-constrained, plausibly benign social-media content into the analyst's evidence stream. We define contagion metrics that trace how adversarial content propagates through the stack, including belief-shift scores at analyst and coordinator layers and attack-clean deltas on standard backtest metrics. Experiments on a safe offline benchmark with historical market and social data show that even simple input-only attackers can materially degrade risk-return profiles, sharply reducing Sharpe ratios. At the same time, we find that suitably designed multi-agent topologies and coordinator prompts can dampen adversarial shocks and improve average robustness under identical poisoning budgets.
• Abstract（参考訳）: 大規模言語モデル(LLM)上に構築されたマルチエージェントトレーディングシステムは、量的金融に現れ始めているが、敵の入力に対するロバスト性はほとんど分かっていない。 LLMトレーディングスタックの脆弱性をブラックボックス、入力専用攻撃に対して調査し、許容可能なソーシャルメディアフィードを通じてのみ侵入する。 我々は,現代のマルチエージェントトレーディングアーキテクチャを捕捉し,LCMをポストジェネレータとして扱うブラックボックス中毒攻撃者のクラスをインスタンス化し,予算制約のあるソーシャルメディアコンテンツをアナリストのエビデンスストリームに注入する,GMATS(Generic Multi-Agent Trading System)を紹介した。 我々は、分析層やコーディネータ層における信念シフトスコアや標準バックテストメトリクスのアタッククリーンデルタなど、敵対的コンテンツがスタックを通してどのように伝播するかを辿る感染指標を定義した。 過去の市場とソーシャルデータによる安全なオフラインベンチマークの実験によると、単純な入力のみの攻撃者でさえ、リスクとリターンのプロファイルを著しく低下させ、シャープ比を劇的に下げることができる。 同時に、適切な設計のマルチエージェントトポロジとコーディネータプロンプトは、敵の衝撃を抑え、同一の中毒予算の下で平均ロバスト性を向上させることができる。

関連論文リスト

• 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)
• OMNI-LEAK: Orchestrator Multi-Agent Network Induced Data Leakage [59.3826294523924]
  オーケストレータ設定として知られる,一般的なマルチエージェントパターンのセキュリティ脆弱性について検討する。 本報告では,フロンティアモデルの攻撃カテゴリに対する感受性を報告し,推論モデルと非推論モデルの両方が脆弱であることが確認された。
  論文  参考訳（メタデータ） (2026-02-13T21:32:32Z)
• Why Keep Your Doubts to Yourself? Trading Visual Uncertainties in Multi-Agent Bandit Systems [21.356119126402902]
  私たちは、不確実性のための分散市場として調整を再構築するフレームワークであるAgoraを紹介します。 トンプソンサンプリングを拡張した市場対応ブローカーは、協力を開始し、コスト効率の高い均衡に向けてシステムを誘導する。 結果は、市場ベースのコーディネーションを、経済的に実行可能なビジュアルインテリジェンスシステムを構築するための原則的でスケーラブルなパラダイムとして確立する。
  論文  参考訳（メタデータ） (2026-01-26T17:58:53Z)
• TradeTrap: Are LLM-based Trading Agents Truly Reliable and Faithful? [44.01987401527335]
  TradeTrapは、適応的および手続き的自律的トレーディングエージェントの両方を体系的にストレステストするための統一的な評価フレームワークである。 市場インテリジェンス、戦略定式化、ポートフォリオと台帳処理、取引実行の4つの中心的コンポーネントをターゲットにしている。 実験により、単一コンポーネントでの小さな摂動がエージェント決定ループを伝播し、極端な濃度、暴走露光、大きなポートフォリオの減少を引き起こすことが示されている。
  論文  参考訳（メタデータ） (2025-12-01T23:06:42Z)
• When Agents Trade: Live Multi-Market Trading Benchmark for LLM Agents [74.55061622246824]
  Agent Market Arena (AMA)は、LLM(Large Language Model)ベースのトレーディングエージェントを評価するための、初めてのリアルタイムベンチマークである。 AMAは、検証済みのトレーディングデータ、専門家チェックされたニュース、および統一されたトレーディングフレームワーク内に多様なエージェントアーキテクチャを統合する。 GPT-4o、GPT-4.1、Claude-3.5-haiku、Claude-sonnet-4、Gemini-2.0-flashにまたがる薬剤を評価する。
  論文  参考訳（メタデータ） (2025-10-13T17:54:09Z)
• AgentVigil: Generic Black-Box Red-teaming for Indirect Prompt Injection against LLM Agents [54.29555239363013]
  本稿では,間接的なインジェクション脆弱性を自動的に検出し,悪用するための汎用的なブラックボックスファジリングフレームワークであるAgentVigilを提案する。 我々はAgentVigilをAgentDojoとVWA-advの2つの公開ベンチマークで評価し、o3-miniとGPT-4oに基づくエージェントに対して71%と70%の成功率を達成した。 攻撃を現実世界の環境に適用し、悪質なサイトを含む任意のURLに誘導するエージェントをうまく誘導する。
  論文  参考訳（メタデータ） (2025-05-09T07:40:17Z)
• TradingAgents: Multi-Agents LLM Financial Trading Framework [4.293484524693143]
  TradingAgentsは、トレーディング会社にインスパイアされた新しい株式トレーディングフレームワークを提案する。 基本的なアナリスト、センチメントアナリスト、テクニカルアナリスト、さまざまなリスクプロファイルを持つトレーダーといった専門的な役割でLLMを動力とするエージェントが特徴である。 動的で協調的なトレーディング環境をシミュレートすることで、このフレームワークはトレーディングのパフォーマンスを改善することを目指している。
  論文  参考訳（メタデータ） (2024-12-28T12:54:06Z)

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。