具有攻击弹性与隐私保护多智能体分布式共识方法和系统
本发明涉及多智能体分布式控制,具体是具有攻击弹性与隐私保护多智能体分布式共识方法和系统。
背景技术:
1、多智能体系统由多个具备感知、通信和计算能力的智能体组成,广泛应用于无人集群、传感器网络和网络化控制系统等领域。分布式共识旨在无中心节点条件下,使各智能体通过局部邻居信息交互实现状态一致收敛。然而,在一般强连通有向通信拓扑中,传统分布式共识算法通常收敛到由网络拓扑左特征向量决定的加权平均值,难以保证收敛至所有智能体初始状态的算术平均值,从而影响有向网络下平均共识的准确性。
2、同时,多智能体系统依赖开放通信网络进行信息交互,易受到虚假数据注入等恶意攻击影响,导致共识值偏离真实目标值,甚至破坏系统协同稳定性;此外,智能体在共识过程中频繁交换的状态信息可能包含局部测量值、控制参数和任务信息等敏感数据,若直接广播真实状态,容易造成隐私泄露。现有方法通常难以同时兼顾有向通信拓扑下的平均共识精度、虚假数据注入攻击下的弹性以及状态信息的隐私性。因此,有必要提出一种面向强连通有向多智能体网络的分布式平均共识方法,在实现攻击弹性共识的同时,保护智能体真实状态信息的隐私。
3、公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
技术实现思路
1、本发明要解决的技术问题就是克服以上的技术缺陷,提供具有攻击弹性与隐私保护多智能体分布式共识方法和系统,针对有向通信拓扑下平均共识偏差、虚假数据注入攻击导致的共识偏移以及状态信息交互过程中的隐私泄露问题,通过平均共识修正注入、虚拟辅助状态补偿和动态掩码机制,实现具有攻击弹性和隐私保护能力的分布式平均共识。
2、为了解决上述问题,本发明的技术方案为具有攻击弹性与隐私保护多智能体分布式共识方法,所述方法包括以下步骤:
3、步骤1、各智能体基于邻居交互信息对有向通信拓扑拉普拉斯矩阵零特征值对应的左特征向量进行分布式估计,并计算用于修正有向图平均共识偏差的注入项;
4、步骤2、各智能体构建虚拟辅助状态,并基于本地私有参数生成动态掩码函数;各智能体根据自身物理共识状态、虚拟辅助状态和动态掩码函数生成组合交互信息,并将所述组合交互信息广播至邻居智能体;
5、步骤3、各智能体基于邻居的组合交互信息、所述平均共识修正注入项以及虚拟辅助状态,执行弹性共识迭代,以更新各智能体的物理共识状态和虚拟辅助状态,并获取分布式平均共识输出。
6、作为优选的,所述步骤1中,各智能体通过广播本地左特征向量估计值并执行邻域一致性迭代,获得拉普拉斯矩阵零特征值对应左特征向量的估计值,具体过程如下:
7、步骤1.1、构建强连通有向通信网络拓扑和一致性迭代模型;
8、考虑一个由个智能体构成的强连通有向通信网络,其网络拓扑表示为,其中,为智能体集合,为有向通信边集合,邻接矩阵为,当智能体能够接收智能体广播的信息时,;否则;网络的拉普拉斯矩阵为:,其中,,智能体的入邻居集合为:。智能体的物理共识状态初始化为:,其中,为智能体的初始状态值;
9、步骤1.2、根据一致性迭代算法更新左特征向量估计向量,并计算平均共识修正注入项;
10、智能体的左特征向量估计向量表示为,其初始值为,其中,为第个标准基向量;智能体根据如下规则更新估计向量:
11、,
12、其中,为共识迭代步长;令,其中,表示估计向量的第个分量,定义中间修正向量为:
13、,
14、进一步地,得到平均共识修正注入项:
15、,
16、其中, 为预设初始修正向量。
17、作为优选的,所述步骤2中,各智能体构建虚拟辅助状态,并基于本地私有参数生成动态掩码函数;各智能体利用所述动态掩码函数对物理共识状态和虚拟辅助状态进行组合编码,生成用于邻居交互的组合交互信息,并将所述组合交互信息广播至邻居智能体,具体过程如下:
18、步骤2.1、构建虚拟辅助网络模型;
19、所述的基于虚拟辅助网络的多智能体共识模型如下所示:
20、 ,
21、,
22、其中,和分别表示智能体在时刻的物理状态和虚拟辅助状态;、、为预设参数,且满足和;为共识迭代步长;智能体的物理共识状态和虚拟辅助状态采用相同的通信拓扑结构,并通过相互独立的信息交互通道分别传输对应的交互信息;
23、步骤2.2、构建如下所述的加性动态掩码函数;
24、,
25、其中,、为智能体的本地私有参数,且对网络中其他智能体不可见;
26、步骤2.3、基于所述动态掩码函数构造组合交互信息;
27、为保护交互信息的隐私性,智能体不直接广播物理共识状态和虚拟辅助状态,而是广播由物理共识状态、虚拟辅助状态和动态掩码函数构成的组合交互信息;所述步骤2中智能体对外广播的组合交互信息和分别表示为:
28、,
29、,
30、由于隐私掩码参数和仅对智能体内部可见,邻居智能体无法从接收的组合信息中推断出真实状态信息和,从而保证了各智能体状态信息的隐私性。
31、作为优选的,所述步骤3中,考虑通信链路中存在虚假数据注入攻击,各智能体基于接收到的邻居组合交互信息、平均共识修正注入项以及虚拟辅助状态,执行物理共识状态与虚拟辅助状态的弹性共识更新,具体过程如下:
32、考虑通信链路中存在的有界攻击注入信号,智能体从邻居智能体接收到的交互信息表示为:
33、
34、,
35、其中,有界攻击信号和分别满足条件和,且和为预设的攻击上界;
36、基于上述组合交互信息、动态掩码机制以及攻击模型,智能体的物理共识状态更新为:
37、,
38、虚拟辅助状态更新为:
39、。
40、本发明还公开了具有攻击弹性与隐私保护多智能体分布式共识系统,应用上述方法,其特征在于,所述系统包括多个智能体节点,每个智能体节点均包括:
41、左特征向量分布式估计模块:用于在有向通信拓扑下对拉普拉斯矩阵零特征值对应的左特征向量进行分布式估计,并根据左特征向量估计值生成用于消除平均共识偏差的修正注入项;
42、虚拟辅助状态构建模块:用于为智能体构建虚拟辅助状态,并通过与物理共识状态的耦合更新机制,实现有界虚假数据注入攻击环境下的弹性共识迭代;
43、隐私掩码生成模块:用于根据智能体的本地私有参数生成动态掩码函数,其中,所述本地私有参数和仅对智能体内部可见;
44、组合交互信息生成模块:用于根据物理共识状态、虚拟辅助状态和动态掩码函数,生成组合交互信息和;
45、广播通信模块:用于在每次共识迭代过程中,将智能体生成的组合交互信息和广播至其邻居智能体,并接收邻居智能体广播的组合交互信息和;
46、弹性共识迭代更新模块:用于根据智能体自身状态信息和、接收到的邻居智能体组合交互信息和、修正注入项,执行物理状态和虚拟辅助状态的迭代更新,以实现具有攻击弹性与隐私保护的分布式平均共识。
47、本发明与现有的技术相比的优点在于:
48、1、本发明通过物理共识状态与虚拟辅助状态的耦合更新机制增强系统对有界虚假数据注入攻击的鲁棒性,并结合动态掩码组合编码机制保护交互状态隐私,从而实现具有攻击弹性和隐私保护能力的分布式平均共识;相比于采用固定扰动或静态掩码的隐私保护方法,本发明所构造的组合交互信息中的掩码扰动随迭代过程逐渐衰减,在增强状态信息隐私性的同时消除共识偏差。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com