Noticias
El marco Anduin mejora la resistencia de los agentes AI a los ataques de tipo “Sybil” en los mercados de agentes inteligentes El marco Anduin utiliza el análisis de grafos de pagos para mejorar los sistemas de reputación en estos mercados, lo que hace que los ataques de tipo “Sybil” cuesten 23 veces más.
En este artículo
Los agentes AI participan cada vez más en transacciones autónomas, utilizando estándares de pago como x402 para acceder y pagar por servicios. Sin embargo, los sistemas de reputación actuales en estos mercados son muy vulnerables a los ataques de tipo “Sybil”, en los que los adversarios manipulan las puntuaciones de reputación mediante identidades falsas.Un estudio reciente presenta el marco Anduin, que utiliza el análisis de gráficos de pagos para aumentar la confianza y mitigar estas vulnerabilidades.
Desafíos en los sistemas de reputación existentes
Los mecanismos actuales de reputación para agentes de IA se dividen en cuatro categorías principales, cada una con limitaciones significativas:
- Mercados curados y listas de permisos: Estos ofrecen garantías sólidas, pero su alcance es limitado debido al proceso de revisión que consume mucho tiempo.
- Evaluadores por transacción: Involucran la verificación de terceros, pero implican costos elevados, lo que los hace inapropiados para micropagos de menos de un centavo.
- Calificaciones voluntarias en la cadena: La escasez de datos es un problema importante; se han registrado menos de 4,000 calificaciones en 66 millones de pagos.
- Métricas de uso y volumen brutos: Estas pueden ser manipuladas fácilmente a través de pagos autodirigidos, lo que cuesta a los atacantes tan poco como 0.017 dólares por transacción.
Un estudio empírico descubrió que elevar la reputación de un proveedor falso al promedio del mercado cuesta solo 0.0027 dólares, aproximadamente 1/259 de lo que gana un proveedor honesto. Esto pone de manifiesto la necesidad de sistemas más robustos.
Marco Anduin: Una solución basada en gráficos de pagos
El marco Anduin aprovecha los registros de la cadena de bloques públicos para derivar la reputación a partir de los gráficos de pagos. Cada pago crea un registro permanente y firmado criptográficamente del traslado de valor.Al mapear estas transacciones, Anduin construye un grafo bipartito que conecta a compradores y proveedores, ponderado en función del valor monetario, la frecuencia de las transacciones y su recurrencia. La confianza es un concepto localizado y relacional, basado en la actividad comercial común entre compradores y proveedores. Por ejemplo, si un comprador evalúa a un nuevo proveedor, el sistema analiza las rutas de pago que involucran a usuarios compartidos que utilizan proveedores de confianza. Este enfoque asegura que las señales de confianza se basen en actividad económica real, lo que hace que sea mucho más difícil para los atacantes falsificar la reputación de los proveedores. Bajo el marco de Anduin, los ataques de tipo “Sybil” resultan extremadamente costosos: las cuentas falsas deben gastar dinero real en proveedores legítimos que sean de confianza para el comprador objetivo; los pagos autogestionados entre carteras controladas por los atacantes no contribuyen a la reputación de estos proveedores. El estudio demostró que manipular el sistema de reputación de Anduin es 23 veces más costoso que los métodos actuales, lo que lo convierte en una solución sólida contra estos ataques. Al integrar Anduin, los mercados pueden mejorar la confianza sin depender de una curación centralizada ni de comentarios voluntarios. Este enfoque descentralizado se alinea con los principios de la tecnología blockchain, ofreciendo una solución escalable y económica para la gestión de la reputación en economías en rápido crecimiento.```
