Представлен TRACE — специализированный middleware API, предназначенный для обеспечения безопасности в экономике автономных агентов. Система использует методы графового скоринга для обнаружения скоординированных Sybil-атак, что позволяет снизить уровень мошенничества на 86% по сравнению с традиционными поведенческими методами анализа.
Что произошло
Разработчики представили TRACE, решение для защиты маркетплейсов автономных AI-агентов. Система реализует graph-aware trust scoring для выявления Sybil-сетей и работает с задержкой менее 50 мс (p99). Интеграция осуществляется через протокол x402 с проведением расчетов в USDC на базе сети Base.
Контекст
В условиях стремительного развития экономики agent-to-agent (A2A) защита от ботнетов и скоординированных атак становится критически важной. Традиционные методы верификации через вызовы LLM являются слишком дорогими и медленными для масштабируемых агентских систем, что создает потребность в более эффективных математических моделях проверки репутации.
Почему это важно для индустрии
Для индустрии TRACE предлагает масштабируемый способ верификации агентов без значительного роста Inference cost. Вместо использования ресурсоемких LLM, система опирается на математические модели, такие как Bayesian LCB, PageRank и CUSUM, что позволяет создавать надежную инфраструктуру доверия (layer 0) для автономных сетей.
Почему это важно для пользователей
Разработчики агентских платформ получают готовый инструмент для автоматической фильтрации недобросовестных участников. Это позволяет строить безопасные и экономически эффективные рынки автономных сервисов, снижая риски при проведении первых коммерческих A2A-сделок без ущерба для скорости работы приложений.
Источники
Автор
Look at AI, редакция