基于 GNN 辅助的分布式智能体 AI 框架下的多跳协作者任务特定信任评估
系统与控制
2025-12-18 v1 系统与控制
摘要
协同任务完成的成功与否取决于有效选择可信赖的协作者。然而，对多跳协作者进行准确的任务特定信任评估极其复杂。其原因在于，其信任评估由多种信任相关视角组成，这些视角具有不同的特征，包括历史协作可靠性、可用协作资源的波动敏感条件以及不断演化的网络拓扑。为解决此挑战，本文提出了图神经网络 (GNN) 辅助的分布式智能体 AI (GADAI) 框架，在该框架中，分别评估设备任务特定可信度的不同方面，并联合整合以促进多跳协作者选择。GADAI 首先利用 GNN 辅助模型从历史协作数据推断设备信任。具体而言，它采用 GNN 在多跳邻居之间传播和聚合信任信息，从而实现更准确的设备可靠性评估。考虑到设备资源的动态性和隐私敏感性，实施了基于智能体 AI 的隐私保护资源评估机制。每个设备托管一个大型 AI 模型驱动的智能体，能够自主确定其本地资源是否满足给定任务的要求，从而确保任务特定和隐私保护的信任评估。通过组合这些评估结果，只有可信赖的设备才能通过其智能体以分布式方式协调任务导向的多跳合作路径。实验结果表明，我们提出的 GADAI 在规划最大化任务完成价值的多跳路径方面优于比较算法。
引用
@article{arxiv.2512.05788,
title = {Task-Specific Trust Evaluation for Multi-Hop Collaborator Selection via GNN-Aided Distributed Agentic AI},
author = {Botao Zhu and Xianbin Wang and Dusit Niyato},
journal= {arXiv preprint arXiv:2512.05788},
year = {2025}
}