AIarXiv cs.CR (암호학·보안)AI 점수 85%
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
Unbounded Losses, Unchecked Inputs: Measuring the Safeguards of LLM Options-Trading Agents (원문, 새 창)
AI 인사이트
대상 독자:개발자투자자
- 리테일 증권사에 옵션 주문을 내는 LLM 에이전트 26개(브로커 네이티브 8개 포함)를 안전장치 기준으로 최초로 체계적 측정
- 깃허브 765개 저장소를 조사해 215개 적격 저장소 확인, 생태계의 92%가 2026년 생성, 60%는 한 해커톤 전후에 집중
- 주문 가능 22개 중 10개만 사전거래 한도를 적용, 26개 전체 중 텍스트 소스 인증·시장데이터 교차검증은 전무
- 26개 중 17개는 사람 개입 없이 주문 가능, 13개(브로커 인터페이스 6개 포함)는 무제한 손실에 노출 가능
왜 중요한가
LLM 에이전트가 실제 자금으로 옵션 주문을 내는 사례가 급증하는데도 입력 소스 인증이나 시장데이터 교차검증 같은 기본 안전장치가 업계 전체에 거의 없고 상당수가 무제한 손실에 노출돼 있음을 처음 정량화해, 금전적 피해로 직결될 수 있는 구체적 리스크를 드러낸다.
본문 미리보기
arXiv:2610.24289v1 Announce Type: new Abstract: Large language model (LLM) agents now place options orders at retail brokers, and developers publish open-source options agents faster than anyone has examined them. Prior security work on trading agents scored academic equities designs by whether an attacker can flip a buy-or-sell decision. We present the first measurement of the options agents that brokers and developers ship, scored by the safeguards they enforce and by the worst loss their doc
전체 내용이 궁금하다면?
arXiv cs.CR (암호학·보안)에서 원문을 직접 읽어보세요
공유
- #트레이딩에이전트
- #안전장치측정
- #AI안전성
- #옵션거래
이 글이 만들어진 과정
- 11:24AI 초안