深度分析
從匿名傳輸到 Mixnet：AI 代理人元資料保護技術評估
隨AI代理人互通協議普及，訊息內容加密卻仍暴露通訊圖，揭示工作流程與未完成任務。研究提出匿名傳輸、最小化中繼等屬性，與HTTPS、Tor、Mixnet比較，顯示可將任務推測精度降至機率水平，同時降低攻擊者的預測優勢。此保護機制亦有助於在不泄露身份的前提下維持信譽與授權管理。
A2A
深度分析
非人類身份管理與技術路徑：SPIFFE、A2A、MCP 的挑戰與解方
隨著AI代理人在企業內跨組織執行交易與工作流，傳統IAM已無法辨識與追蹤非人類身份。研究比較人類與AI身分的基質、持續性、可驗證性與法律地位，指出現有標準與技術未能處理代理人不可預測與跨域委派的挑戰，並提出五大結構性缺口。此議題將重塑AI產業的治理與責任分配。
深度分析
比較性威脅建模：MCP、A2A、Agora 與 ANP 之協定層風險與生命週期對策
研究指出AI代理通訊協定快速擴展，但協定層安全分析仍不足。本文比較MCP、A2A、Agora與ANP，建立生命週期風險框架並辨識十二項協定層風險，且以MCP實驗性量化未驗證可導致之工具錯用風險，突顯標準化與部署防護必要性。並提出可操作的部署建議與標準化方向。