Sicheres, energieeffizientes Agenten-Netzwerk für KI-Reasoning

In einer neuen Studie wird ein sicheres drahtloses Agenten-Netzwerk vorgestellt, das aus einem überwachenden KI-Agenten und mehreren unterstützenden Agenten besteht. Der Supervisor-Agent weist dynamisch andere Agenten zu, um die Qualität der Dienstleistung (QoS) für Rechenaufgaben der Nutzer zu gewährleisten, während gleichzeitig die Vertraulichkeit von Wissen und Ergebnissen geschützt wird.

Unausgewählte Agenten fungieren als freundliche Störsender, die die Abhörleistung von Angreifern verringern. Um die Betriebsdauer der Agenten zu verlängern, wird ein Energie-Minimierungsproblem formuliert, das die Agentenauswahl, die Beamforming-Strategie der Basisstation und die Übertragungsleistung der Agenten gleichzeitig optimiert – unter Einhaltung von Latenz- und Genauigkeitsgrenzen.

Zur Lösung dieses Problems wurden zwei Ressourcenzuteilungsstrategien entwickelt: ASC und LAW. ASC nutzt einen alternierenden Richtungs-Multiplikator-Algorithmus (ADMM), semidefinite Relaxation (SDR) und successive convex approximation (SCA), während LAW einen auf großen Sprachmodellen (LLM) basierenden Optimierer in einem agentischen Workflow einsetzt. Die Experimente zeigen, dass die neuen Ansätze den Energieverbrauch des Netzwerks um bis zu 59,1 % senken können.

Die Wirksamkeit der Verfahren wurde zudem in einem praktischen Agenten-System mit dem Modell Qwen getestet, das dabei eine zufriedenstellende Genauigkeit bei verschiedenen öffentlichen Benchmarks erzielte.