arXiv cs.AI· CheolWon Na, Hao Ni, Lukasz Szpruch, Zhangyang Wang, Dhagash Mehta, Saurabh Nagrecha, Alejandro Lopez-Lira, Chanyeol Choi, Yongjae Lee, Jee-Hyong Lee·· 13 小时前AI 评分42
多智能体交易系统中的对抗漏洞：角色与架构维度的投毒攻击研究
Poisoning Agentic Alpha: Adversarial Vulnerabilities Across Roles and Architectures in Multi-Agent Trading Systems
AI 导读
研究首次系统实证了对抗信号如何进入基于 LLM 的多智能体交易系统并影响最终交易决策，覆盖 Analyst、Researcher、Trader、Risk Manager 四种角色与四种通信拓扑。实验基于 post-cutoff 数据、五种资产和两个目标方向，发现没有架构天然鲁棒：多数投票的保护效果取决于良性智能体的一致性，而攻陷终端决策节点可绕过上游防护。
正文 · AI 翻译
摘要：基于大语言模型的多智能体交易系统正从研究原型走向控制真实资产的实盘部署。它们从开放网络摄取新闻和社交媒体信息，并在智能体之间传递，因此单个被污染的���号就可能抵达最终决策并造成财务损失。我们研究了两种无需接触模型内部即可引入此类信号的对手：一种门槛较低的数据对手，在网页来源中植入被操纵的内容；另一种是被攻陷的智能体对手，篡改某个智能体的提示词。据我们所知，这是金融领域首个系统性的实证研究，考察对抗信号如何进入多智能体交易系统，以及它是否能存活下来并改变最终交易决策。在角色维度上，我们为分析师、研究员、交易员和风险经理这四个角色分别搭配与其接口相匹配的攻击。在结构维度上，我们比较四种通信拓扑，并用一个简单的无参数启发式指标——对抗信号保留分数——加以解读。在截止日期之后的数据上进行的实验覆盖五种资产和两个目标方向。我们发现，没有任何架构天生稳健：多数投票提供的保护是有条件的，取决于良性智能体是否一致；而攻陷终端决策节点则可以绕过上游的防护措施。这些发现为开发更有效的多智能体系统防御策略提供了实证洞见。
| 评论： | 新增了统计分析章节（图 9） |
| 主题： | 人工智能（cs.AI）；计算工程、金融与科学（cs.CE）；密码学与安全（cs.CR）；多智能体系统（cs.MA） |
| 引用为： | arXiv:2608.24069 [cs.AI] |
| （或 arXiv:2608.24069v2 [cs.AI] 为本版本） | |
| https://doi.org/10.48550/arXiv.2608.24069 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：CheolWon Na [查看邮箱]
[v1]
2026年8月25日 星期二 05:07:37 UTC（3,587 KB）
[v2]
2026年10月29日 星期四 07:28:19 UTC（3,422 KB）
来源：arXiv cs.AI · arxiv.org