详细内容或原文请订阅后点击阅览
代理谈判中的行为隐私泄露：通过随机策略形式化和减轻推理攻击
本文在 2026 年国际可用性、可靠性和安全性会议 (ARES) 的 AI4TCI（安全可信关键基础设施系统人工智能研讨会）研讨会上被接受。自主谈判代理越来越多地部署在保险和采购等高风险环境中。虽然加密技术可以保护明确披露的约束值，但它们无法解决更微妙的威胁：行为隐私泄露，对手从可观察的谈判动态（例如让步轨迹、时间安排和……）中推断出私人约束。
来源:Apple机器学习研究本文被 2026 年国际可用性、可靠性和安全性会议 (ARES) 的 AI4TCI（安全可信关键基础设施系统 AI 研讨会）研讨会接收。
自主谈判代理越来越多地部署在保险和采购等高风险环境中。虽然加密技术可以保护明确披露的约束值，但它们无法解决更微妙的威胁：行为隐私泄露，即对手从可观察的谈判动态（例如让步轨迹、时间安排和收敛模式）中推断出私人约束。本文研究了多轮协商协议中的行为差异隐私。我们设计了一种自适应随机谈判策略，共同保证(ε,δ)-差分隐私、报价序列几乎确定的收敛（在交易对手的保留值允许时达成协议）以及高谈判效用。通过对 3,000 次综合双边谈判进行评估，我们的机制将对抗性推理准确性降低了 43-50%，同时保持谈判成功率和实用性高于 90%，这表明可以在不显着性能损失的情况下实现强大的隐私保证。