行為隱私洩露：代理協商中的推理攻擊形式化與隨機策略緩解
該論文被ARES 2026的AI4TCI研討會接收。研究關注自主協商代理在高風險場景（如保險和採購）中的行為隱私洩露問題。作者設計了一種自適應隨機協商策略，在保證(ε,δ)-差分隱私和幾乎必然收斂的同時，將對手推理準確性降低43-50%，並將協商成功率和效用維持在90%以上。
近年來，自主協商代理在保險和採購等高風險領域的應用日益廣泛。這些代理能夠代表人類或組織進行復雜的討價還價，然而，它們的行為模式可能洩露敏感的私有約束資訊。傳統的加密技術雖然能夠保護明確通訊的數值，但無法應對一種更為隱蔽的威脅——行為隱私洩露：攻擊者透過觀察代理的讓步軌跡、響應時機以及收斂模式等協商動態，可以推斷出代理的私人保留價格或其他約束。針對這一問題，一篇被ARES 2026國際會議下屬AI4TCI研討會接收的論文提出了形式化的推理攻擊模型，並設計了一種基於隨機策略的防禦機制。
該論文的核心貢獻在於設計了一種自適應隨機協商策略。該策略聯合滿足了(ε,δ)-差分隱私、提議序列的幾乎必然收斂（即當對手的保留價格允許時必定達成協議）以及高協商效用。具體而言，代理在每一輪協商中會以一定的機率隨機偏離最優回應，從而掩蓋其真實約束的行為痕跡。透過調整隨機化引數，該策略能夠在隱私保護程度與協商效能之間取得平衡。
為了驗證該機制的有效性，研究團隊在3000次合成雙邊協商場景中進行了評估。實驗結果表明，該機制能夠將對手的推理準確率降低43%至50%，同時將協商成功率和效用維持在90%以上。這意味著，在不顯著犧牲談判表現的前提下，可以達成強大的隱私保護。該工作為自主協商系統的安全部署提供了重要的理論基礎和實踐指導，尤其適用於那些對隱私和效能都有嚴格要求的應用場景。