CIA：從 LLM 多智能體系統推斷通訊拓撲的隱私威脅

基於大型語言模型的多智能體系統（LLM-based Multi-Agent Systems, MAS）在解決複雜任務上展現了顯著能力，其核心在於控制內部資訊交換的通訊拓撲結構。隨著通訊拓撲的安全性日益受到關注，研究團隊針對此領域提出了一項關鍵隱私風險：在受限的黑盒設定下，MAS 的通訊拓撲結構仍可被推斷出來，這暴露了系統漏洞並構成重大的智慧財產權威脅。

為探索此風險，研究團隊提出了通訊推斷攻擊（Communication Inference Attack, CIA）。該攻擊方法透過構造新的對抗性查詢來誘導中間代理的推理輸出，並利用所提出的全局偏離解耦（global bias disentanglement）與大型語言模型引導的弱監督（LLM-guided weak supervision）來建模其語義關聯。

在針對具有優化通訊拓撲的 MAS 進行的廣泛實驗中，CIA 展現了有效性。實驗結果顯示，該方法達到了平均 AUC 為 0.87，峰值 AUC 甚至高達 0.99，這揭示了 MAS 中存在的實質性隱私風險。