論文の概要: AgentValve: Sybil-Resilient Payment Authorization for Permissionless AI Markets
- arxiv url: http://arxiv.org/abs/2610.12948v1
- Date: Fri, 09 Oct 2026 03:45:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-13 04:06:29.377171
- Title: AgentValve: Sybil-Resilient Payment Authorization for Permissionless AI Markets
- Title（参考訳）: AgentValve: 無許可AI市場におけるSybil-Resilient Payment認証
- Abstract要約: AgentValveは、無許可AI市場におけるSybil-Resilient Paymentのプロトコルである。
AgentValveは、有向グラフ内の有限容量としての評価を表す信頼ネットワーク上に構築される。
- 参考スコア（独自算出の注目度）: 16.39036722628462
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: AI agents increasingly select and pay service providers without human review. In emerging permissionless markets, however, adversaries can create inexpensive identities and fabricate feedback to inflate provider reputation, making reputation-based payment authorization vulnerable to Sybil attacks and exposing clients to unbounded financial loss. This paper presents AgentValve, a protocol for Sybil-resilient payment authorization in permissionless AI markets. AgentValve builds on a trust network that represents reputation as finite capacity in a directed graph and authorizes payments through trust paths with sufficient available capacity. A smart contract atomically reserves the capacity supporting each admitted payment, bounding honest agents' payment exposure by the capacity they extend into the adversarial region, and thus creating identities or interactions entirely within that region cannot increase this bound. To limit capacity depletion by malicious senders, AgentValve combines payment-backed capacity creation with bounded route length, preventing attackers from depleting honest capacity without incurring corresponding payment costs. AgentValve further decouples off-chain route discovery from on-chain verification and introduces a witness-commit mechanism that reduces route verification to linear work while requiring only constant persistent state per admitted payment. We implement a AgentValve prototype and evaluate it using six months of Ethereum data and synthetic workloads. Experimental results show that under attacks with up to 10,000 synthetic Sybil identities and with chosen attackers, the payment exposure and capacity depletion remain bounded. Regarding practicality, the witness-commit mechanism lowers admission cost by up to 40.8% compared with baselines, and admitting common payments costs approximately \$0.04-\$0.21.
- Abstract（参考訳）: AIエージェントは、ヒューマンレビューなしでサービスプロバイダを選択し、支払いするようになっている。
しかし、新興の無許可市場では、敵は安価なIDを作成し、プロバイダの評判を刺激し、評判に基づく支払い認証をSybilの攻撃に弱いものにし、顧客を無制限の金融損失に晒すことができる。
本稿では,無許可AI市場におけるSybil-Resilient PaymentのプロトコルであるAgentValveを提案する。
AgentValveは、有向グラフの有限容量としての評判を表す信頼ネットワーク上に構築され、十分な能力を持った信頼パスを通じて支払いを認可する。
スマートコントラクトは、承認された各支払いをサポートする能力をアトミックに保留し、誠実なエージェントの支払い露出を、敵領域に拡張する能力によって制限する。
悪意のある送信者によるキャパシティの枯渇を制限するため、AgentValveは、支払い支援されたキャパシティ生成と境界ルート長を組み合わせ、攻撃者が対応する支払コストを発生させることなく、誠実なキャパシティの枯渇を防ぐ。
AgentValveはさらに、オンチェーン検証からオフチェーンルート発見を分離し、承認された支払い毎に一定の状態しか必要とせず、ルート検証を線形作業に還元する証人/コミットメカニズムを導入する。
AgentValveのプロトタイプを実装し、6ヶ月のEthereumデータと合成ワークロードを使用して評価する。
実験の結果,最大1万件のSybilアイデンティティと選択した攻撃者による攻撃では,支払いの露出とキャパシティの枯渇が制限されていることが明らかとなった。
実用性に関しては、証人・コミット機構は基準よりも最大40.8%の入場費用を削減し、共通支払コストは約0.04-\$0.21である。
関連論文リスト
- When HTTP 402 Meets the Blockchain: Risks on Emerging x402 Payments [53.795332613020946]
x402は、Web APIと自律AIエージェントのための新しい支払いプロトコルである。
我々は,現在のファシリテータを介するx402の野生展開において,認証の正当性と実行安全性に関する最初の体系的研究を行った。
我々は、Free Shopping、Asset Theft、Service Denial、Gas Abuseの4つの新たな攻撃ベクトルを導出する。
論文 参考訳（メタデータ） (2026-07-21T19:45:13Z) - Free-Riding in the AI Economy: Demystifying Logic Flaws in x402-Enabled Payment Systems [14.489441237764161]
x402エコシステムの最初の包括的なセキュリティ分析を行います。
現在の実装では、トランザクションのアトミック性とコンテキストバインディングを強制できません。
攻撃者は同期ギャップを利用して商店に計算コストの補助を強制できることが示される。
論文 参考訳（メタデータ） (2026-05-29T08:31:18Z) - DARTIC: Decentralized Anonymous Reputation at Scale for Trustworthy Crowdsourcing [3.7091556547212843]
DARTICは、クラウドソーシングのための分散化、匿名化、スケーラブルな評判駆動フレームワークである。
我々は,zkSNARKベースの集合メンバシップ証明を導入し,すべてのユーザを1つのアクセストークンに暗号的に結び付ける。
その結果, 完全分散型クラウドソーシングシステムにおいて, 匿名性, 堅牢な評価バインド, スケーラビリティを両立させることができることがわかった。
論文 参考訳（メタデータ） (2026-05-18T09:52:11Z) - The End of Trust: How Agentic AI Breaks Security Assumptions [45.13166202592558]
Infinite Impostorは、自律エージェントが既に信頼している2つの当事者間で相互に介在する攻撃モデルである。
本稿では,アクターの認証から行動評価へセキュリティを移行させる疑似デフォルトでのパラダイムを提案する。
論文 参考訳（メタデータ） (2026-05-14T21:30:06Z) - Foresight Arena: An On-Chain Benchmark for Evaluating AI Forecasting Agents [0.0]
私たちはForesight Arenaを紹介します。これは、現実世界の予測市場でAI予測エージェントを評価するための、最初の無許可のオンチェーンベンチマークです。
パフォーマンスはBrier ScoreとAlpha Scoreによって測定される。
80%のパワーで$* = 0.02$の真のエッジを検出するには、約350の解決されたバイナリ予測が必要である。
論文 参考訳（メタデータ） (2026-05-01T05:33:10Z) - TRUST: A Framework for Decentralized AI Service v.0.1 [47.384270414446604]
大規模推論モデル (LRM) とマルチエージェントシステム (MAS) は, 信頼性の高い検証を必要とする。
TRUST(Transparent, Robust, and Unified Services for Trustworthy AI)は,3つのイノベーションを備えた分散フレームワークである。
我々は、悪質な俳優が損失を被っている間、正直な監査人の利益を確実に確保する安全利益理論を証明する。
論文 参考訳（メタデータ） (2026-04-29T19:32:58Z) - Byzantine-Robust and Differentially Private Federated Optimization under Weaker Assumptions [89.52532304099522]
フェデレートラーニング(FL)は、クライアントが生データを集中せずに共有モデルを共同でトレーニングすることを可能にし、固有のプライバシーレベルを提供する。
グラデーションとモデル更新は機密情報を漏洩する可能性があるが、悪意のあるサーバはビザンティン操作のような敵攻撃をマウントする可能性がある。
これらの脆弱性は、統合されたフレームワーク内の差分プライバシー(DP)とビザンチンの堅牢性に対処する必要性を強調している。
Byz-Clip21-SGD2Mを提案する。
論文 参考訳（メタデータ） (2026-03-24T17:39:09Z) - One Signature, Multiple Payments: Demystifying and Detecting Signature Replay Vulnerabilities in Smart Contracts [56.94148977064169]
署名の使用状況のチェックが不足すると、繰り返し検証が行われ、許可の不正使用のリスクが増大し、契約資産が脅かされる可能性がある。
我々はこの問題をSignature Replay Vulnerability (SRV) として定義する。
37のブロックチェーンセキュリティ企業を対象とした1,419の監査報告から、詳細なSRV記述と5種類のSRVを分類した108を識別しました。
論文 参考訳（メタデータ） (2025-11-12T09:17:13Z) - Secure Autonomous Agent Payments: Verifying Authenticity and Intent in a Trustless Environment [0.0]
人工知能(AI)エージェントは、ユーザーや他のエージェントに代わって金融取引を開始する能力が高まっている。
従来の決済システムは、人間の認可を前提としているが、自律的なエージェント主導の支払いは、その保護を排除している。
本稿では,すべてのAI開始トランザクションの意図を暗号化的に認証し,検証するブロックチェーンベースのフレームワークを提案する。
論文 参考訳（メタデータ） (2025-11-08T19:53:51Z) - Security Challenges in AI Agent Deployment: Insights from a Large Scale Public Competition [101.86739402748995]
44の現実的なデプロイメントシナリオを対象とした,22のフロンティアAIエージェントを対象にしています。
Agent Red Teamingベンチマークを構築し、19の最先端モデルで評価します。
私たちの発見は、今日のAIエージェントの重要かつ永続的な脆弱性を浮き彫りにしたものです。
論文 参考訳（メタデータ） (2025-07-28T05:13:04Z)
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。