From blockchain trust models to native security protocols : enhancements of the A2A communication framework
Notice bibliographique
Résumé
In recent years, as multi-agent systems have rapidly expanded in open environments, trustworthy communication between agents has become a critical component of artificial intelligence infrastructure. Existing protocols face inherent trade-offs between security, interoperability, and decentralization: lightweight protocols rely on external trust assumptions and struggle to resist protocol-layer attacks; highly secure protocols feature complex structures that compromise practical usability. Constrained by this `agency communication trilemma', mainstream protocols generally lack native defenses against threats like registration spoofing, context tampering, and message replay under zero-trust conditions. Addressing this issue, this study uses Google's Agent-to-Agent (A2A) protocol as a case study to explore whether lightweight protocols can achieve native protocol-layer security while maintaining simplicity. The thesis first compares the security architectures of six representative protocols and identifies seven common protocol-layer threats across frameworks. Subsequently, it reverse-refines a minimal set of cryptographic primitives suitable for lightweight integration from threat analysis. These include signature verification based on decentralized identifiers (DIDs), nonce replay protection and context/historical integrity provided by chained and cumulative hashes. Although all of them are well-known and widely used in blockchain, this thesis is the first to show how they can be integrated into the A2A protocol without altering its original structure, embedding them directly into the message layer to strengthen communication security. Building on this enhanced design, the thesis develops a reproducible prototype and validates its effectiveness through simulated attack scenarios. Results demonstrate that the improved A2A effectively defends against major protocol-layer threats in zero-trust environments while preserving its original lightweight and interoperability advantages. This research provides a practical path for lightweight agent communication protocols that balance security and usability, laying the foundation for future trusted collaboration across cross-organizational, multi-domain agent ecosystems.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,004 | 0,011 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».