에이전트 협상에서의 행동 프라이버시 유출: 무작위 정책을 통한 추론 공격의 정형화와 완화

초록

자율 협상 에이전트가 보험 및 조달과 같은 고위험 분야에서 점점 더 많이 배치되고 있다. 암호화 기술은 명시적으로 공개된 제약 조건 값을 보호하지만, 행동적 프라이버시 유출이라는 더 미묘한 위협은 해결하지 못한다. 행동적 프라이버시 유출이란 적대자가 양보 궤적, 타이밍, 수렴 패턴과 같은 관찰 가능한 협상 동역학으로부터 개인의 비공개 제약 조건을 추론하는 것을 의미한다. 본 논문은 다중 라운드 협상 프로토콜에서의 행동적 차분 프라이버시를 연구한다. 우리는 (ε, δ)-차분 프라이버시, 제안 수열의 거의 확실한 수렴(상대방의 한계 가치가 허용할 때 합의 도달), 그리고 높은 협상 효용을 동시에 보장하는 적응형 확률적 협상 정책을 설계한다. 3,000건의 합성 양자 협상 실험에서, 제안 메커니즘은 적대적 추론 정확도를 43-50% 감소시키면서도 90% 이상의 협상 성공률과 효용을 유지하여, 강력한 프라이버시 보장이 성능 저하 없이 달성 가능함을 입증한다.

English

Autonomous negotiation agents are increasingly deployed in high-stakes settings such as insurance and procurement. While cryptographic techniques protect explicitly disclosed constraint values, they fail to address a subtler threat: behavioral privacy leakage, where an adversary infers private constraints from observable negotiation dynamics such as concession trajectories, timing, and convergence patterns. This paper investigates behavioral differential privacy in multi-round negotiation protocols. We design an adaptive stochastic negotiation policy that jointly guarantees (varepsilon, δ)-differential privacy, almost-sure convergence of the offer sequence (reaching agreement when the counterparty's reservation value permits), and high negotiation utility. Evaluated on 3,000 synthetic bilateral negotiations, our mechanism reduces adversarial inference accuracy by 43-50% while maintaining a negotiation success rate and utility above 90%, demonstrating that strong privacy guarantees can be achieved without significant loss of performance.