論文の概要: Anduin: A sybil-resistant agentic marketplace reputation system
- arxiv url: http://arxiv.org/abs/2611.05586v1
- Date: Tue, 03 Nov 2026 20:17:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 03:25:57.840867
- Title: Anduin: A sybil-resistant agentic marketplace reputation system
- Title（参考訳）: Anduin:シビル耐性のエージェント・マーケットプレース評価システム
- Abstract要約: 既存のオンチェーン決済履歴が、Sybil攻撃に対して回復力のあるプロバイダのレーティングを得られるかどうかを評価する。
評価性能向上のために最適化された最大フローレーティングと2つの緩和アルゴリズムの3つのSybil耐性評価アルゴリズムを提案する。
評価操作のコストは、購入者の総支出の20%であり、標準的な類似性規則の約23倍難しいことが示される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As autonomous AI agents enter permissionless onchain markets, selecting new service providers remains a core challenge. Existing reputation systems depend on scarce resources like human curation, identity credentials, or voluntary reviews, while naive volume rankings are vulnerable to Sybil attacks. We evaluate whether existing onchain payment histories can yield provider ratings that are resilient against Sybil attacks. Using a 157-day dataset comprising 66M agentic transactions worth $6.1M across 16 blockchains, we model payment flows as a bipartite graph between buyers and providers. A provider's rating is derived from graph paths linked to a buyer's existing trusted network. We propose three Sybil-resistant rating algorithms: a max-flow rating and two relaxed algorithms optimized for stronger rating performance. Evaluating these algorithms against simulated adversaries across 813 buyers, we show that rating manipulation costs 20% of those buyers' total spend and is around 23x harder to manipulate than the standard similarity rule (collaborative filtering).
- Abstract（参考訳）: 自律型AIエージェントが無許可のオンチェーン市場に参入するにつれ、新しいサービスプロバイダの選択は依然として重要な課題だ。
既存の評価システムは、人間のキュレーションやアイデンティティ認証、自発的なレビューなど、希少なリソースに依存している。
既存のオンチェーン決済履歴が、Sybil攻撃に対して回復力のあるプロバイダのレーティングを得られるかどうかを評価する。
16のブロックチェーンで66万のエージェントトランザクションからなる157日間のデータセットを使用して、支払いフローをバイヤーとプロバイダ間の二部グラフとしてモデル化する。
プロバイダのレーティングは、購入者の既存の信頼できるネットワークにリンクされたグラフパスから導かれる。
評価性能向上のために最適化された最大フローレーティングと2つの緩和アルゴリズムの3つのSybil耐性評価アルゴリズムを提案する。
これらのアルゴリズムを813人の購入者間でシミュレーションされた敵に対して評価すると、評価操作は購入者の総支出の20%を消費し、標準の類似性ルール(協調フィルタリング)よりも操作が約23倍難しいことが示される。
関連論文リスト
- BazaarBench: Delegation Safety in Decentralized C2C Marketplaces Run by LLM Agents [54.5370815419817]
本稿では,大言語モデル(LLM)エージェントの安全性を評価するためのC2CマーケットプレースとベンチマークであるBazaarBenchを紹介する。
オーナシップ、アイテム条件、トランザクション間のコミットメントを追跡する。
我々は、通常の命令、期限の圧力、または他のトレーダーを搾取するための敵の指示の下で、5つのモデルを評価する。
論文 参考訳（メタデータ） (2026-10-05T17:26:17Z) - Can Trustless Agents Be Trusted? An Empirical Study of the ERC-8004 Decentralized AI Agent Ecosystem [9.807037065584423]
ERC-8004は、Identity, Reputation, Validationの3つのオンチェーンレジストリを中心に構築された、AIエージェントエコノミーの無許可信頼層である。
急速に採用されているにもかかわらず、このプロトコルは実証的に研究されておらず、記録した情報が意思決定の信頼できる基盤を提供するかどうかは不明のままである。
プロトコルの展開から2026年5月13日までの期間をカバーする,BNBスマートチェイン(BSC)とベースという3つのチェーンにわたるERC-8004の実証的研究を行った。
論文 参考訳（メタデータ） (2026-06-24T16:57:49Z) - 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) - Security Risks of AI Agents Hiring Humans: An Empirical Marketplace Study [0.0]
エージェントがタスクを投稿し、支払いを管理するマーケットプレースであるRENTAHUMAN.AIから、303の報奨金を分析する。
99の報奨金(32.7%)はプログラムチャネル(APIまたはMPP)に由来する。
資格詐欺、身元偽装、自動偵察、ソーシャルメディア操作、認証、回避、レファレンシャル詐欺の6つのアクティブな虐待クラスを、労働者1人当たり25ドルの中央値で購入可能である。
論文 参考訳（メタデータ） (2026-02-23T05:08:27Z) - Comparing AI Agents to Cybersecurity Professionals in Real-World Penetration Testing [83.48116811975787]
我々は、人間のサイバーセキュリティ専門家に対するAIエージェントの包括的な評価を初めて提示する。
我々は、既存の6人のAIエージェントと、新しいエージェントの足場であるARTEMISとともに、10人のサイバーセキュリティ専門家を評価します。
ARTEMISは総合的に第2位で、9つの有効な脆弱性と82%の有効な提出率を発見した。
論文 参考訳（メタデータ） (2025-12-10T18:12:29Z) - Holistic Agent Leaderboard: The Missing Infrastructure for AI Agent Evaluation [87.47155146067962]
数百のタスクで並列評価をオーケストレーションする,標準化された評価ハーネスを提供する。
モデル、足場、ベンチマークにまたがる3次元解析を行う。
私たちの分析では、ほとんどのランで精度を低下させる高い推論努力など、驚くべき洞察が示されています。
論文 参考訳（メタデータ） (2025-10-13T22:22:28Z) - Towards Trust and Reputation as a Service in a Blockchain-based Decentralized Marketplace [0.9217021281095907]
分散市場のための新しい信頼と評価サービスを提案する。
私たちのサービスはLaplace Law of Successionにインスパイアされ、売り手の信頼は彼女が義務を果たす確率として定義される。
不完全な情報に基づいて,将来的な信頼と評価の予測方法を示す。
論文 参考訳（メタデータ） (2024-03-02T04:44:56Z) - Robust and Performance Incentivizing Algorithms for Multi-Armed Bandits with Strategic Agents [52.75161794035767]
性能インセンティブとロバストネスの2つの目的を同時に満たすバンディットアルゴリズムのクラスを導入する。
そこで本研究では,第2価格オークションのアイデアをアルゴリズムと組み合わせることで,プリンシパルが腕の性能特性に関する情報を持たないような設定が可能であることを示す。
論文 参考訳（メタデータ） (2023-12-13T06:54:49Z) - Incentive-Aware Recommender Systems in Two-Sided Markets [49.692453629365204]
最適性能を達成しつつエージェントのインセンティブと整合する新しいレコメンデータシステムを提案する。
我々のフレームワークは、このインセンティブを意識したシステムを、両側市場におけるマルチエージェントバンディット問題としてモデル化する。
どちらのアルゴリズムも、エージェントが過剰な露出から保護する、ポストフェアネス基準を満たす。
論文 参考訳（メタデータ） (2022-11-23T22:20:12Z) - Byzantine-Robust Online and Offline Distributed Reinforcement Learning [60.970950468309056]
本稿では,複数のエージェントが環境を探索し,その経験を中央サーバを通じて伝達する分散強化学習環境について考察する。
エージェントの$alpha$-fractionは敵対的であり、任意の偽情報を報告することができる。
我々は、これらの対立エージェントの存在下で、マルコフ決定プロセスの根底にある準最適政策を特定することを模索する。
論文 参考訳（メタデータ） (2022-06-01T00:44:53Z)
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。