基于事件检测算法的多自主体输出优化方法
本发明涉及涉及物联网协同控制与多自主体安全优化,具体涉及一种基于事件检测算法的多自主体输出优化方法。
背景技术:
1、多自主体系统是指一定数量具有自主感知、通信、计算和执行能力的个体,为完成期望任务而通过相互间信息交换耦合形成的群体系统。多自主体可以是无人艇、无人机、无人车、移动机器人、传感器节点、边缘计算节点或工业执行终端。
2、随着物联网、协同机器人、无人系统、分布式传感与边缘计算技术的发展,大量自主体通过开放网络互联形成多自主体系统。各自主体通常只掌握本地目标函数和邻居信息,需要通过局部通信协同完成资源分配、任务规划、队形控制、状态估计和分布式优化等任务。
3、然而,在开放物联网通信环境中,自主体可能受到恶意篡改、协议劫持或设备失陷等攻击。拜占庭攻击不仅可以篡改传输数据,还可能改变通信时序或局部决策协议,使正常自主体接收到与真实状态不一致的信息,从而导致全局优化结果发生偏移。
4、传统连续通信或周期通信机制在多自主体系统中会造成较高通信负载和能耗,不适合带宽有限、功耗受限的物联网终端。事件触发机制虽然能够降低通信频率,但在拜占庭攻击场景中,触发误差本身可能被恶意节点利用或污染。
5、此外,异常节点被局部隔离后会引起通信拓扑发生隐藏变化,各自主体难以获得隔离后的全局拉普拉斯矩阵或网络规模信息,导致依赖全局拓扑参数的优化控制器难以继续保证精确收敛。因此,亟需一种能够兼顾事件检测、攻击隔离和输出优化收敛的分布式方法。
技术实现思路
1、本发明的目的在于克服上述技术不足,提供一种基于事件检测算法的多自主体输出优化方法,解决解决现有物联网异构多自主体在开放通信环境下易受拜占庭攻击、通信更新频繁、异常隔离导致隐藏拓扑变化且难以保证精确输出优化的技术问题。
2、为达到上述技术目的,第一方面,本发明的技术方案提供一种基于事件检测算法的多自主体输出优化方法,包括步骤:
3、构建物联网异构多自主体系统,确定自主体数量、每一自主体的状态变量、输出变量、控制输入、本地代价函数以及邻居集合;
4、设定输出一致性约束,根据所有所述自主体的所述本地代价函数建立分布式输出优化任务,使正常自主体协同最小化全局代价函数,并使每一所述正常自主体的输出趋于相同的全局最优输出值;
5、为每一条通信边配置边缓存变量、辅助优化变量以及自适应耦合权重,构造边自适应自触发分布式优化控制协议;
6、每一所述自主体根据自身实时变量、所述边缓存变量及预设触发阈值计算自触发条件,在满足触发条件时更新对应所述通信边上的缓存信息,在不满足触发条件时保持缓存信息不变;
7、在通信边触发时刻执行拜占庭攻击检测与隔离判断,若邻居的所述自主体发送的信息不满足触发误差阈值条件,则将邻居的所述自主体标记为不可用的拜占庭自主体,令对应邻接权重为零并从本地邻居集合移除;
8、在所述拜占庭自主体被本地隔离后继续运行自适应优化控制协议,通过自适应耦合权重补偿由本地隔离造成的隐藏拓扑变化,使剩余所述正常自主体的输出收敛至所述全局最优输出值。
9、与现有技术相比,本发明的有益效果包括:
10、本发明提出边级自触发通信机制,使通信更新由误差阈值驱动,避免正常自主体持续广播状态量;本发明将触发误差同时用于通信调度和拜占庭检测,使通信节省机制与安全检测机制共用同一组边缓存变量,减少额外传感器、旁路监测器或中心协调节点;本发明利用自适应耦合系数补偿异常邻居隔离后的隐藏拓扑变化,使系统在局部隔离完成后仍能保持输出优化收敛能力。
11、根据本发明的一些实施例,构建物联网异构多自主体系统,确定自主体数量、每一自主体的状态变量、输出变量、控制输入、本地代价函数以及邻居集合,包括步骤:
12、构建异构多自主体系统模型,对第i个自主体建立连续时间线性动力学方程:
13、基于第i个自主体的状态维数、第i个自主体的控制输入维数、共同输出空间维数,构建系统矩阵、输入矩阵和输出矩阵;
14、基于所述系统矩阵、所述输入矩阵、所述输出矩阵、状态变量、输出变量和控制输入,建立连续时间线性动力学方程。
15、根据本发明的一些实施例,设定输出一致性约束,根据所有所述自主体的所述本地代价函数建立分布式输出优化任务,包括步骤:
16、每一所述自主体仅掌握自身所述本地代价函数,所述本地代价函数连续可微、强凸且梯度满足lipschitz连续条件,系统的协同优化目标是在正常自主体集合上最小化所有本地代价函数之和,并使各正常自主体输出满足输出一致性约束。
17、根据本发明的一些实施例,使正常自主体协同最小化全局代价函数,并使每一所述正常自主体的输出趋于相同的全局最优输出值,包括步骤:
18、根据所述自主体的状态分块和所述输出矩阵,构造每个所述自主体的稳态集合,使得可行输出属于所述稳态集合,所述稳态集合由状态变量经输出矩阵映射得到;
19、在所有所述正常自主体的公共稳态集合交集中搜索全局最优输出,输出趋于相同的全局最优输出值。
20、根据本发明的一些实施例,为每一条通信边配置边缓存变量、辅助优化变量以及自适应耦合权重,构造边自适应自触发分布式优化控制协议,包括步骤:
21、构建边自适应自触发分布式优化控制协议,每一自主体设置内部优化变量和辅助优化变量,并设置与邻居边相关的自适应耦合权重;
22、对任意通信边p(i,j),自主体i保存来自邻居j的边缓存变量及对应自适应耦合权重,设定内部优化变量缓存、辅助优化变量缓存、触发误差和边权重的维度;
23、所述内部优化变量按照本地梯度项、邻居输出差异项以及辅助变量差异项进行更新;所述自适应耦合权重根据相邻正常自主体的输出差异自动增长或趋于稳定。
24、根据本发明的一些实施例,每一所述自主体根据自身实时变量、所述边缓存变量及预设触发阈值计算自触发条件,在满足触发条件时更新对应所述通信边上的缓存信息,在不满足触发条件时保持缓存信息不变,包括步骤:
25、对于任意通讯边p(j,i),自主体i计算自身内部优化变量触发误差、辅助变量触发误差以及耦合权重触发误差:
26、以通信边为单位维护缓存变量和触发阈值,每一所述正常自主体本地预测误差超过阈值时才触发通信更新;未触发时,邻居继续使用上一次缓存变量参与控制计算;
27、当触发条件成立,确定下一触发时刻并更新相应缓存变量,触发阈值设置为指数衰减阈值。
28、根据本发明的一些实施例,在通信边触发时刻执行拜占庭攻击检测与隔离判断,若邻居的所述自主体发送的信息不满足触发误差阈值条件,则将邻居的所述自主体标记为不可用的拜占庭自主体,令对应邻接权重为零并从本地邻居集合移除,包括步骤:
29、在通信边发生触发时,自主体i基于邻居j在相邻触发时刻之间的变量变化计算触发误差:
30、其中,在拜占庭检测隔离流程将邻居发送变量的变化幅度与动态检测阈值进行比较,若内部优化变量误差或辅助变量误差超过允许范围,则说明该邻居有概率发送了篡改值、延迟值或与真实演化不一致的恶意值;
31、自主体i据此直接在本地判定邻居j不可用,并进入隔离流程,将邻居的所述自主体标记为不可用的拜占庭自主体,令对应邻接权重为零并从本地邻居集合移除。
32、根据本发明的一些实施例,在拜占庭检测隔离流程将邻居发送变量的变化幅度与动态检测阈值进行比较,若内部优化变量误差或辅助变量误差超过允许范围,包括步骤:
33、选择内部优化变量检测阈值和辅助变量检测阈值,并将基于内部优化变量触发误差的阈值校验命名为检测条件1,将基于辅助变量触发误差的阈值校验命名为检测条件2;分别校验检测条件1和检测条件2是否同时成立:
34、若检测条件1和检测条件2同时成立,则认为邻居j在该边上仍可用;
35、若检测条件1和检测条件2中的任一条件不成立,则将邻居j判定为拜占庭邻居并进行本地隔离。
36、第二方面,本发明的技术方案提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如第一方面中任意一项所述的基于事件检测算法的多自主体输出优化方法。
37、本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
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