Pesquisadores propõem trilha de auditoria à prova de adulteração para marcar fraude em comércio autônomo por agentes de IA
Um novo artigo científico propõe uma infraestrutura de auditoria à prova de violação para o comércio "agêntico" — transações iniciadas por agentes de IA —, combinando árvores de Merkle e ancoragem em blockchain para registrar eventos de forma verificável entre empresas diferentes. O ponto central para antifraude é um "marcador de fraude" assinado criptograficamente que vincula rótulos de risco a evidências imutáveis, criando uma cadeia de proveniência que não pode ser reescrita depois do fato.
O artigo ataca um problema concreto dos protocolos emergentes de comércio agêntico, como AP2 e ACP, que já permitem que agentes de IA iniciem transações em nome de usuários, mas não oferecem auditoria interoperável nem ordenação temporal verificável de eventos entre domínios controlados por empresas diferentes.
A proposta se apoia em quatro peças: esquemas de evento canônicos com serialização determinística; formação determinística de lotes que garante ordem reproduzível sem depender de relógios sincronizados entre sistemas; compromissos Merkle append-only que geram provas de inclusão de custo logarítmico (crescendo de apenas 320 bytes a 512 bytes entre mil e 50 mil eventos); e ancoragem em blockchain para fixar um histórico resistente a adulteração. Sobre essa base, o "marcador de fraude" assinado criptograficamente amarra um rótulo de risco — por exemplo, "transação suspeita" — à evidência ancorada, de modo que fique provado que aquele sinal de risco já existia em determinado instante e não foi inserido ou alterado depois.
Isso ataca um problema real de sistemas antifraude atuais: rótulos de risco guardados em bancos de dados mutáveis podem, em tese, ser alterados retroativamente (seja por erro, seja por manipulação interna), e não há prova formal de ordem de eventos quando várias empresas parceiras trocam sinais de risco entre si. O protótipo dos autores demonstra viabilidade prática, com verificação de prova completa em menos de 0,013 milissegundo independentemente do tamanho do lote, o que sugere que o esquema escalaria para volumes de transação de varejo.
Para equipes de risco e compliance que avaliam adotar agentes de IA em compras e pagamentos autônomos, a recomendação prática é exigir de fornecedores trilhas de auditoria genuinamente verificáveis — não apenas logs em banco de dados que um administrador poderia editar —, e tratar rótulos de risco imutáveis e datados de forma confiável como pré-requisito para relatórios de AML/KYC que resistam a contestação regulatória ou judicial.