論文の概要: Unbounded Losses, Unchecked Inputs: Measuring the Safeguards of LLM Options-Trading Agents

• arxiv url: http://arxiv.org/abs/2610.24289v1
• Date: Fri, 16 Oct 2026 22:38:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-26 02:37:24.467177
• Title: Unbounded Losses, Unchecked Inputs: Measuring the Safeguards of LLM Options-Trading Agents
• Title（参考訳）: 非有界損失, 未確認入力: LLMオプショントレーディングエージェントの安全対策の測定
• Abstract要約: ブローカーや開発者が出荷するオプションエージェントを最初に測定する。 ブローカインターフェースと,少なくとも20のスターを持つすべてのオープンソースプロジェクトを含む,26のシステムを記録しました。 注文できる22のシステムのうち、10はモデル外の事前取引制限を強制するが、26のシステムのうち、テキストソースの認証や市場データのクロスチェックは行わない。
• 参考スコア（独自算出の注目度）: 4.960728685452451
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language model (LLM) agents now place options orders at retail brokers, and developers publish open-source options agents faster than anyone has examined them. Prior security work on trading agents scored academic equities designs by whether an attacker can flip a buy-or-sell decision. We present the first measurement of the options agents that brokers and developers ship, scored by the safeguards they enforce and by the worst loss their documented order paths can reach. We screened 765 GitHub repositories, broker documentation, and the research literature and found 215 eligible repositories and 8 broker-native agent interfaces. We then scored 26 systems, including every broker interface and every open-source project with at least 20 stars, on seven robustness and eleven security safeguards with cell-level evidence. The ecosystem is new: 198 of the 215 repositories were created in 2026, and 129 (60.0%) appeared in the two weeks around one options-trading hackathon. Of the 22 systems that can place orders, 10 enforce a pre-trade limit outside the model, yet none of the 26 authenticate their text sources or cross-check market data. Of the 26, 17 can execute with no mandatory human step and 13 can reach unbounded loss, including 6 of the 8 broker interfaces. Because an attacker who writes the agent's inputs can move an order's strike, expiry, volatility, and legs while its direction stays correct, options agents need loss limits enforced at the order boundary.
• Abstract（参考訳）: 大規模言語モデル(LLM)エージェントが小売ブローカーにオプション注文を配置し、開発者はオープンソースオプションエージェントを、誰よりも早く公開する。 トレーディングエージェントに関する以前のセキュリティ作業は、アタッカーが買い買い決定を覆すことができるかどうかによって学術的な株式デザインを採った。 我々は、ブローカーと開発者が出荷するオプションエージェントを初めて測定し、それらが強制するセーフガードによってスコアされ、文書化された注文パスが到達可能な最悪の損失によって測定する。 私たちは765のGitHubリポジトリ、ブローカドキュメント、研究文献をスクリーニングし、215の適格リポジトリと8のブローカネイティブエージェントインターフェースを発見しました。 そして私たちは、少なくとも20の星を持つすべてのブローカーインターフェースやオープンソースプロジェクトを含む26のシステムを、7つの堅牢性と11のセキュリティ保護と、セルレベルの証拠でスコア付けしました。 215リポジトリの198が2026年に作成され、1つのオプショントレーディングハッカソンの2週間で129(60.0%)が出現した。 注文できる22のシステムのうち、10はモデル外の事前取引制限を強制するが、26のシステムのうち、テキストソースの認証や市場データのクロスチェックは行わない。 26のうち17は強制的なヒューマンステップなしで実行でき、13は8つのブローカインターフェースのうち6つを含む無制限の損失に達することができる。 エージェントの入力を書いた攻撃者は、その方向が正しい状態にある間、注文のストライク、有効期限、ボラティリティ、および脚を動かすことができるため、オプションエージェントは注文境界で強制される損失制限を必要とする。

関連論文リスト

• Agentic Commerce Bench: Measuring Fraud Detection for Agents That Spend Money [2.7632764922736848]
  AIエージェントは、現在、支出権限を保持し、人間の本人確認なしに支払いを和解している。 適切なドメイン、正しい解決アドレス、真に提供されたサービスは、必要以上に料金を請求することができる。 我々はその損失を計測・低減するための3つの工芸品を提示する。
  論文  参考訳（メタデータ） (2026-09-27T00:58:39Z)
• Runtime Authorization for Resources Acquired by AI Agents [4.805352087824778]
  充足後のアクティベーションギャップは、ツールによる作成、エージェント間デリゲート、エージェントコマースにまたがる。 本稿では,実行時認証アーキテクチャを提案する。 検疫,バック,非増幅,非回避分割,クラッシュ/リトライ,返金,エポック,エフェクトの8つの安全性特性を実証する。
  論文  参考訳（メタデータ） (2026-09-13T19:16:44Z)
• SkillAtlas: An Attack Trace Library for Agent Skills [67.18648151130607]
  我々は、プライベートエージェントスキルセキュリティレポートバンドルをレビュー、修正、検索可能なパブリックケースに変換する、ホストされた攻撃トレースライブラリであるSkillAtlasを紹介する。 図書館には3,014のケース、6,589のトレース、151,131のステップ、233の影響を受けたスキル、8のリスクカテゴリが含まれている。
  論文  参考訳（メタデータ） (2026-09-11T16:44:39Z)
• Explanation-Bound Tool Execution for AI Agents: Server-Verified Action Claims Without Trusting Model Rationales [4.805352087824778]
  説明境界ツール実行(Explanation-Bound Tool Execution)は、意思決定に関連する合理的なコンテンツを型付けされたアクションクレームに変換し、それらをサーバが所有するインテント、ポリシー、ペイロード、ツール、リスク、証明、新鮮な事実に対してチェックする。 我々は,この構成を明示的な調停と信頼性のある仮定の下で形式化し,最小限の監査パケットを用いたバージョン付き参照プロファイルを実装した。
  論文  参考訳（メタデータ） (2026-07-28T07:16:12Z)
• 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)
• aiAuthZ: Off-Host, Identity-Bound Authorization for AI Agents [0.0]
  エージェントのホストから安全判断を移動させる認証ゲートウェイであるaiAuthZを紹介します。 各決定はSHA-256ハッシュチェーン監査ログに参加し、受信メッセージはHMAC認証QRレシートを生成する。 残りの攻撃成功率は15モデルすべてで0%となり、0.03ミリ秒以上の決定遅延は発生しない。
  論文  参考訳（メタデータ） (2026-07-06T18:00:49Z)
• Execution Is the New Attack Surface: Survivability-Aware Agentic Crypto Trading with OpenClaw-Style Local Executors [0.0]
  Survivability-Aware Execution (SAE)は、OpenClawスタイルのシステムとスキル対応エージェントの実行層サバイバル標準である。 我々は、スコープ外ラベリングと再現可能なメトリクスを可能にするログ付きIntended Policy Specを通じて、デリゲーションギャップ(DG)を運用する。 SAEは、OpenClaw+skills時代の代理取引の安全性を再設定する: 上流の意図とスキルを信頼できないものとして扱い、アクションが副作用となる生存可能性を強化する。
  論文  参考訳（メタデータ） (2026-03-10T15:54:01Z)
• TxRay: Agentic Postmortem of Live Blockchain Attacks [52.658018348998105]
  5年も経たないうちに、DeFiのエコシステムは15.75億米ドル以上を失い、エクスプロイトが報告された。 我々は、限られた証拠から生のACT攻撃を再構築する死後システムであるTxRayを提示する。 DeFiHackLabsの114件のインシデントで、TxRayは105件のインシデントに対して専門家による根本原因と実行可能なPoCを生成し、92.11%のエンド・ツー・エンドの再現を達成した。
  論文  参考訳（メタデータ） (2026-02-01T16:17:33Z)
• 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。