The Ledger
Circle illustra il test reputazionale basato sul grafo dei pagamenti di Anduin per gli agenti di IA
Circle ha descritto Anduin, un sistema sperimentale che usa le cronologie dei pagamenti onchain degli agenti per classificare i fornitori di servizi. In uno studio su 813 acquirenti, manipolare il sistema con il metodo dei flussi amplificati è costato 8.259 dollari considerando tutti gli acquirenti, contro i 358 dollari del collaborative filtering.

Le cronologie dei pagamenti come reputazione
Circle ha illustrato Anduin, un sistema sperimentale che classifica i fornitori di servizi per gli agenti di IA usando le relazioni di pagamento visibili nei registri onchain. Circle ha descritto l’approccio in un post datato 13 novembre; il paper di ricerca alla base del sistema è stato inviato ad arXiv come preprint il 3 novembre.
Il paper modella i pagamenti come un grafo che collega acquirenti e fornitori. La valutazione di un fornitore per un acquirente viene calcolata in base ai percorsi del grafo collegati ai servizi per cui quell’acquirente già paga; il metodo proposto usa i flussi di pagamento invece di recensioni volontarie o semplici conteggi di popolarità. I ricercatori hanno testato tre varianti, chiamate flusso massimo, flusso sommatorio e flusso amplificato.
Risultati dello studio e costi degli attacchi
Il dataset copriva 157 giorni, dal 23 marzo al 26 agosto 2026, e comprendeva 66.073.201 pagamenti x402 su 16 blockchain, per un volume di 6,1 milioni di dollari. Il paper riporta che il dataset completo comprendeva 162.882 acquirenti e 50.390 fornitori, con un pagamento mediano di 0,01 dollari. Per il test di classificazione, i ricercatori hanno usato una finestra di 90 giorni relativa alla cronologia dei pagamenti ed esaminato 813 acquirenti che in seguito hanno adottato un fornitore con cui non erano stati precedentemente in contatto e che era già stato pagato da almeno due acquirenti.
In un attacco simulato per portare un nuovo fornitore al primo posto per tutti gli 813 acquirenti, il flusso amplificato ha richiesto una spesa di 8.259 dollari, pari al 20% della spesa complessiva di quegli acquirenti nel periodo di studio. Il metodo comparabile di collaborative filtering è costato 358 dollari, ovvero lo 0,87% della spesa complessiva degli acquirenti. Circle ha descritto il primo attacco come circa 23 volte più costoso, mentre i dati del paper indicano una precisione top-1 del 22,8% per il flusso amplificato, contro il 23,2% del collaborative filtering.
Il modello conteggia il denaro pagato ai fornitori che l’aggressore non controlla, oltre a una commissione di 0,017 dollari per transazione. Circle afferma che i wallet falsi che pagano l’uno l’altro non aumentano il punteggio di un fornitore con questo approccio, perché il segnale rilevante proviene dai pagamenti per servizi già utilizzati dall’acquirente.
Limiti e stato
Il lavoro valuta se una classifica individua il prossimo fornitore di un acquirente; non stabilisce se quel fornitore abbia svolto un buon lavoro. Inoltre, secondo il paper, le garanzie presuppongono che gli aggressori non controllino i fornitori già utilizzati dall’acquirente. Nel suo post, Circle afferma che la ricerca descrive una tecnologia che non è un prodotto o servizio software completato o rilasciato.
Fonti
- Fonte originale · Preprint Anduin: A sybil-resistant agentic marketplace reputation system arXiv:2611.05586
Altre pagine lette
- Circle circle.com
Aziende in questa notizia
Notizie correlate
- Secondo uno studio, 9 modelli di IA su 10 hanno alzato i limiti dei propri wallet Circle
- Circle illustra le modalità CCTP per i token ERC-20 diversi da USDC
- Hyundai Card e JPMorgan testano agenti di tesoreria basati sull’IA
- Circle nomina Disparte vicepresidente e affida a Walia anche il ruolo di direttrice operativa
- La World Bank esplora i regolamenti in USDC con Citi e Circle