論文の概要: Securing Agentic Commerce Through Behavior-Aware Fraud Detection and Cybersecurity for Trusted AI-Agent Payment Authorization
- arxiv url: http://arxiv.org/abs/2610.27483v1
- Date: Tue, 20 Oct 2026 01:48:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-21 21:58:47.582745
- Title: Securing Agentic Commerce Through Behavior-Aware Fraud Detection and Cybersecurity for Trusted AI-Agent Payment Authorization
- Title（参考訳）: 信頼できるAI認証のための行動認識不正検出とサイバーセキュリティによるエージェントコマースのセキュア化
- Abstract要約: 本研究では、教師付き機械学習、行動分析、エージェント固有の認証制御、説明可能なAIを組み合わせたサイバーセキュリティフレームワークを紹介する。
このフレームワークは, シミュレーションエージェント特性と5つの逆シナリオを付加した合成金融取引データを用いて評価した。
このフレームワークは、異常なエージェントの振る舞いに対する99.77%、偽装に対する99.73%、悪意のあるデリゲートと承認スコープ違反に対する100%の検知率を達成した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The growing use of autonomous artificial intelligence agents in digital commerce creates new security concerns involving agent impersonation, unauthorized payments, compromised agents, and misuse of delegated authority. This research introduces the Autonomous Commerce Agent Guard System (ACAGS), a cybersecurity framework combining supervised machine learning, behavioral analytics, agent-specific authorization controls, and explainable AI. The framework was evaluated using synthetic financial transaction data augmented with simulated agent characteristics and five adversarial scenarios. XGBoost was selected following comparisons with alternative classifiers. Across ten experimental runs, behavioral features improved mean F1-score from 52.12% to 67.49%, with agent-specific features increasing performance to 69.46%. The framework achieved detection rates of 99.77% for abnormal agent behavior, 99.73% for impersonation, and 100% for malicious delegation and authorization-scope violations. Compromised-agent detection reached 72.27%. ACAGS also supported APPROVE, REVIEW, and REJECT authorization outcomes, with SHAP explanations providing model interpretability. The results demonstrate the potential of combining behavioral intelligence and delegated authorization controls to strengthen simulated agentic-commerce payment security, while highlighting the need for validation using real-world transactions.
- Abstract（参考訳）: デジタルコマースにおける自律的人工知能エージェントの利用の増加は、エージェントの不正行為、不正な支払い、侵害されたエージェント、委任された権威の誤用を含む、新たなセキュリティ上の懸念を生み出している。
本研究では、教師付き機械学習、行動分析、エージェント固有の認証制御、説明可能なAIを組み合わせたサイバーセキュリティフレームワークであるAutonomous Commerce Agent Guard System(ACAGS)を紹介する。
このフレームワークは, シミュレーションエージェント特性と5つの逆シナリオを付加した合成金融取引データを用いて評価した。
XGBoostは代替分類器と比較して選択された。
10回の試験で、行動特性は平均F1スコアを52.12%から67.49%に改善し、エージェント固有の特徴は69.46%に向上した。
このフレームワークは、異常なエージェントの振る舞いに対する99.77%、偽装に対する99.73%、悪意のあるデリゲートと承認スコープ違反に対する100%の検知率を達成した。
妥協エージェント検出は72.27%に達した。
ACAGSはAPPROVE、REVIEW、REJECTの承認結果もサポートしており、SHAPの説明はモデル解釈性を提供している。
その結果,実取引による検証の必要性を強調しつつ,行動インテリジェンスと委譲された権限制御を組み合わせることで,シミュレーションされた代理商取引の決済セキュリティを強化する可能性を示した。
関連論文リスト
- Agentic Share-of-Search: A Multi-Agent AI System for Competitive Decision-Making in LLM-Mediated E-Commerce [0.0]
LLMを利用したeコマースにおける競合可視性測定と根本原因診断を自動化するマルチエージェントAIシステムを提案する。
このシステムは、決定対象としてAgentic Share-of-Search(ASoS)を導入し、主要なAIプラットフォームにクエリエージェントをデプロイし、ReActベースの診断エージェントを使用して、優先順位付けされたマーチャンディジン介入を推奨する。
論文 参考訳（メタデータ） (2026-09-10T07:55:59Z) - Binding Biometrics with AI Agent Identifiers for Delegation of Authority [35.87507447481885]
エージェント認証時に,BINDと呼ばれる,人間の生体データをAIエージェント識別(ID)と権限範囲(タスク固有の制約)に安全に結合するフレームワークを提案する。
このトークン/識別子は、AIエージェントによって、生体認証を同時に実行し、エージェントIDとスコープを回復するID監査者に提示することができる。
また、標準的なディープニューラルネットワークモデルを用いて抽出された顔特徴に基づいて提案したBINDフレームワークの実践的実装も提供する。
論文 参考訳（メタデータ） (2026-08-04T23:58:27Z) - 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) - Taming Actor-Observer Asymmetry in Agents via Dialectical Alignment [59.536125286960186]
セルフリフレクションと相互監査を可能にするために、専門的な役割を割り当てるマルチエージェントフレームワークがますます採用されている。
アクター・オブザーバ非対称性(Actor-Observer Asymmetric)と呼ばれる認知バイアスを同時に誘発する。
ReTASは、対立する視点を客観的なコンセンサスに合成するためにエージェントを誘導する。
論文 参考訳（メタデータ） (2026-04-21T15:05:58Z) - LiaisonAgent: An Multi-Agent Framework for Autonomous Risk Investigation and Governance [11.009578207207419]
LiaisonAgentは、技術的リスク検出とビジネスレベルのリスク管理のギャップを埋めるために設計された、自律的なマルチエージェントシステムである。
このシステムは、エンドツーエンドのツールコール成功率97.8%、リスク判定精度95%を達成する。
論文 参考訳（メタデータ） (2026-02-27T08:42:52Z) - It's a TRAP! Task-Redirecting Agent Persuasion Benchmark for Web Agents [52.81924177620322]
大規模な言語モデルを利用したWebベースのエージェントは、メール管理やプロフェッショナルネットワーキングといったタスクにますます利用されている。
動的Webコンテンツへの依存は、インジェクション攻撃の引き金に弱い: インターフェース要素に隠された敵対的命令は、エージェントが元のタスクから逸脱するように説得する。
本稿では,タスクリダイレクトエージェントの説得ベンチマーク(TRAP)について紹介する。
論文 参考訳（メタデータ） (2025-12-29T01:09:10Z) - Randomized Controlled Trials for Phishing Triage Agent [1.2691047660244335]
本稿では,ドメイン固有のAIエージェントがアナリストの生産性と精度に与える影響を評価するために,最初のランダム化制御試験(RCT)を提案する。
エージェント強化アナリストは、アナリスト毎分あたりの真正値の最大6.5倍、予測精度がコントロールグループに比べて77%向上した。
論文 参考訳（メタデータ） (2025-11-17T19:23:08Z) - 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) - AegisLLM: Scaling Agentic Systems for Self-Reflective Defense in LLM Security [74.22452069013289]
AegisLLMは、敵の攻撃や情報漏洩に対する協調的なマルチエージェント防御である。
テスト時のエージェント推論システムのスケーリングは,モデルの有用性を損なうことなく,ロバスト性を大幅に向上させることを示す。
アンラーニングやジェイルブレイクを含む主要な脅威シナリオに対する総合的な評価は、AegisLLMの有効性を示している。
論文 参考訳（メタデータ） (2025-04-29T17:36:05Z)
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。