複数のユーザが情報をやり取りするオーケストレーションシステムに於いて，強化学習の方策反復法と群知能を適用したアクセス制御システムを提案する．本研究ではアクセス行列で制御しきれない情報漏えい，情報改ざんの潜在的な経路に着目し，潜在的経路を文書間のエントロピーで評価する．複数のユーザは複数のアクターとして定義され，各々が各々の潜在的経路を分散的に機械学習する．損失を表わすエントロピーは，クリティックに於いて，各アクターのエントロピーをもとに評価される。このシステムに於いて，損失を表わすエントロピーが小さな一定範囲に摂動する設計が可能であることを示す。