マルチエージェントシステムにおけるセキュリティ考慮事項

概要: マルチエージェント人工知能システム（MAS）は、委任ツール権限を行使し、永続的なメモリを共有し、エージェント間通信を通じて連携する自律エージェントのシステムである。MASは単一のAIモデルで文書化されているものとは異なる質的に独特なセキュリティ脆弱性をもたらす。既存のセキュリティおよびガバナンスフレームワークは、これらの新たに出現した攻撃面を想定して設計されていない。本研究はMASの脅威の全体像を体系的に特徴付け、16のAIセキュリティフレームワークをこれに照らして定量的に評価する。4段階の方法論を提案する。まず、実運用マルチエージェントアーキテクチャの深い技術的知見ベースを構築する。次に、生成AI支援の脅威モデリングを行い、MASのサイバーセキュリティリスクに範囲を定め専門家の検証を受ける。さらに、個別脅威の粒度で調査計画を構造化し、3点評価尺度を用いて各フレームワークをサイバーセキュリティリスクに照らして採点する。リスクは9つのカテゴリにまたがる193の異なる主要脅威項目に整理された。期待される最低平均スコアは2であるが、検討したいかなるフレームワークも単一カテゴリについて過半数のカバレッジに達していない。非決定性（全16フレームワークの平均スコア1.231）とデータ漏洩（1.340）が最も対応が不足した領域である。OWASP Agentic Security Initiativeが全体で65.3％のカバレッジおよび設計フェーズで首位を占め、CDAO Generative AI Responsible AI Toolkitは開発および運用カバレッジで首位を示す。これらの結果はMASセキュリティに関する初の実証的なフレームワーク横断比較を提供し、根拠に基づくフレームワーク選択指針を示している。