論文の概要: A Safety-Bounded SDC-to-MCP Gateway for Medical AI Agents
- arxiv url: http://arxiv.org/abs/2609.31358v1
- Date: Fri, 25 Sep 2026 14:54:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 18:27:51.446884
- Title: A Safety-Bounded SDC-to-MCP Gateway for Medical AI Agents
- Title（参考訳）: 医療用AIエージェントのための安全境界SDC-to-MCPゲートウェイ
- Abstract要約: 医療環境では、デバイスの状態とアクションの余裕を露呈するには、影響の可能性を決定論的に制限する必要がある。
我々は、メトリクス、アラーム、コンテキスト参照、セマンティックメタデータを読み取り専用リソースとして公開するIEEE 11073 Service-Oriented Device Connectivity (SDC)-to-MCPゲートウェイを提案する。
- 参考スコア（独自算出の注目度）: 0.18907108368038217
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The Model Context Protocol (MCP) provides a common interface through which AI applications discover and use external resources and tools. It allows language-model agents to ground their reasoning in current system state and interact with heterogeneous services. In medical environments, however, exposing device state and action affordances requires deterministic constraints on possible effects. We present an IEEE 11073 Service-Oriented Device Connectivity (SDC)-to-MCP gateway that exposes metrics, alarms, context references, and semantic metadata as read-only resources, while representing selected action affordances as policy-validated dry-run tools. The term safety-bounded denotes a narrow no-execution property: agent-facing requests dispatch no SDC device operation. A Python prototype supports simulated fault and lifecycle experiments, a software-reference protocol path spanning independent Java and Python implementations, deterministic baselines, representation ablations, and multi-model agent evaluation. The results show semantically explicit resource exposure, visible rejection of invalid or outdated state, and preservation of the no-execution boundary across resource, proposal, and authorization paths. Explicit semantic metadata improved conformity to required metric identifiers in structured alarm outputs relative to a generic representation, while retained structured-output failures reveal a distinction between plausible narrative answers and task-compliant machine-readable results.
- Abstract（参考訳）: Model Context Protocol(MCP)は、AIアプリケーションが外部リソースやツールを発見し、利用する共通インターフェースを提供する。
言語モデルエージェントは、現在のシステム状態に推論を基盤として、異種サービスと対話することができる。
しかし、医療環境では、デバイスの状態とアクションの余裕を露呈するには、影響の可能性を決定論的に制限する必要がある。
本稿では,IEEE 11073 Service-Oriented Device Connectivity (SDC)-to-MCPゲートウェイを提案する。
セーフティバウンド(Safety-bounded)という用語は、SDCデバイス操作をディスパッチするエージェント対応要求という、狭い非実行性を表す。
Pythonプロトタイプは、シミュレーションされたフォールトとライフサイクルの実験、独立したJavaとPython実装にまたがるソフトウェア参照プロトコルパス、決定論的ベースライン、表現の短縮、マルチモデルエージェントの評価をサポートする。
その結果、セマンティックな明示的なリソース露出、無効または時代遅れの状態の可視的拒否、リソース、提案、承認パス間の非実行境界の保存が示された。
明示的セマンティックメタデータは、一般的な表現に対する構造的アラーム出力における要求メトリック識別子への適合性を改善し、構造的アウトプットの失敗は、妥当なナラティブ回答とタスク準拠の機械可読結果の区別を明らかにする。
関連論文リスト
- From Source Code to Network Profile: Automated and Traceable MUD Profile Generation for IoT Devices [86.57251613552715]
ファームウェアとソフトウェアソースコードからIoTデバイス用のトレース可能なMUDプロファイルを生成する,ソースコード駆動のツールであるAutoMUDを紹介する。
コードレベルのエビデンスを分析することで、AutoMUDは、稀なエクササイズや条件付き通信パスを公開し、生成されたすべてのルールをソースレベルの証明にリンクし、除外された結果をレビューの明確な理由で保存する。
論文 参考訳（メタデータ） (2026-09-25T17:52:09Z) - AEGIS: Preventing Cross-Domain Resource Abuse in MCP [3.8886481488344184]
AEGISはポリシー執行コンポーネントであり、管理者はMPPツールやモダリティを越えて、リソースの乱用に対するきめ細かい保護を定義できる。
Open Policy AgentとContextForge AI Gatewayと統合されている。
論文 参考訳（メタデータ） (2026-08-20T18:12:20Z) - From Sequence to Structure: Relational Uncertainty Propagation for LLM Agents [75.69180947909148]
大規模言語モデル(LLM)エージェントのためのトラジェクトリレベルのUQフレームワークを提案する。
RuPAは、推論状態、ツールインタラクション、環境フィードバックが時間的およびセマンティックな依存関係エッジで接続されたノードである、指向的なトラジェクトリグラフとして実行履歴を表現している。
我々は,複数のモデルファミリにまたがる6つのオープンソースLCMを用いて,代用エージェントベンチマーク($2, Terminal-Bench-2, GAIA)でRUPAを評価した。
論文 参考訳（メタデータ） (2026-08-17T01:40:14Z) - 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) - PhyAgentOS: A Self-Evolving Operating System for Embodied Agents with Decoupled Cognitive Planning and Physical Execution [49.776611937968]
我々は、スケジューリング、検証、メモリ、ベンチマーク、安全性をシステムレベルのサービスとして提供するPhyAgentOSを紹介します。
セッション中心のセッションは、スケジューリング、互換性、監督された実行、エビデンス収集、受け入れの最小単位として、アクションではなくセッションを扱う。
SessionVerifierは、実行終了とセマンティックタスク完了を、成功、失敗、または再計画のエビデンスに基づいて判断する。
ベンチマークはデプロイメントセッションと検証パスを再利用するので、結果は実際の実行に遡る。
論文 参考訳（メタデータ） (2026-07-18T04:46:53Z) - CAVA: Canonical Action Verification and Attestation for Runtime Governance of Agentic AI Systems [0.6526824510982799]
本稿では、異種エージェントのアクティビティを標準ランタイムオブジェクトに変換するランタイム・セマンティック・レイヤを提案する。
このコントリビューションは、デプロイ側AIガバナンスに必要な基盤として、アクションレベルの標準化とポリシー順応可能なセマンティックパターンを定式化したシステムである。
論文 参考訳（メタデータ） (2026-07-15T11:34:34Z) - A Trace-Based Assurance Framework for Agentic AI Orchestration: Contracts, Testing, and Governance [0.22940141855172028]
本稿では,Large Language Models (LLM) を用いたエージェントAIシステムの保証フレームワークを提案する。
実行は、明示的なステップとトレースコントラクトを備えたメッセージ・アクション・トレース(MAT)として実装される。
このフレームワークは、有界摂動に対する予算付き反例探索として定式化されたストレステストを含む。
論文 参考訳（メタデータ） (2026-03-18T10:23:48Z) - SBOMs into Agentic AIBOMs: Schema Extensions, Agentic Orchestration, and Reproducibility Evaluation [11.812618112854116]
ソフトウェアサプライチェーンのセキュリティには、動的実行条件下での脆弱性評価をサポートするプロビデンスメカニズムが必要である。
本稿では,AIBOM(Agenic Artificial Intelligence Bills of Materials)を紹介する。
i)ベースライン環境再構築剤(MCP)、(ii)ランタイム依存性およびドリフト監視剤(A2A)、(iii)ポリシー対応脆弱性とVEX推論剤(AGNTCY)からなるマルチエージェントアーキテクチャに基づくエージェントAIBOMフレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-09T19:11:45Z) - Autonomous Action Runtime Management(AARM):A System Specification for Securing AI-Driven Actions at Runtime [0.0]
本稿では,AI駆動型動作を実行時にセキュアにするためのオープン仕様であるAutonomous Action Management(AARM)を紹介する。
AARMは実行前にアクションをインターセプトし、セッションコンテキストを蓄積し、ポリシーと意図の整合性を評価し、承認決定を強制し、法医学的な再構築のための未確認のレシートを記録する。
AARMはモデルに依存しない、フレームワークに依存しない、ベンダーに依存しない、アクション実行を安定したセキュリティ境界として扱う。
論文 参考訳（メタデータ） (2026-02-10T05:57:30Z) - DRIFT: Dynamic Rule-Based Defense with Injection Isolation for Securing LLM Agents [52.92354372596197]
大規模言語モデル(LLM)は、強力な推論と計画能力のため、エージェントシステムの中心となってきています。
この相互作用は、外部ソースからの悪意のある入力がエージェントの振る舞いを誤解させる可能性がある、インジェクション攻撃のリスクも引き起こす。
本稿では,信頼に値するエージェントシステムのための動的ルールベースの分離フレームワークを提案する。
論文 参考訳（メタデータ） (2025-06-13T05:01:09Z)
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。