本技术涉及计算机科学与控制技术,提出了一种适用于普适性交互拓扑结构的多智能体隐私保护方法。该方法包括确定多智能体系统的通信拓扑网络,并采用拉普拉斯矩阵进行分析。
背景技术
在多智能体协同控制中实现状态一致性是一个重要的研究问题,在多机器人、无线传感通信、分布式目标优化等领域中有着广泛应用。在多智能体系统中,各个智能体的初始状态一般各不相同,因此需要通过局部之间的动态交互使得各个智能体的状态达成一致。传统的分布式一致性算法是各个智能体通过与其邻居进行局部通信,传输自身的状态信息并接收来自邻居的状态信息,并通过收集的信息对自身状态进行动态更新直到系统中所有智能体的状态达到一致为止。如果所有智能体最终达到的一致性状态是它们初始状态的平均值,则称为平均一致性。传统算法通过各个智能体将自己的真实状态信息直接在信道上进行传输,有效解决了多智能体平均一致性问题,然而智能体的内部状态是私有的或包含敏感信息,如果与其他智能体直接交互和公开,会被外部攻击者获取而导致隐私信息泄露,可能会对整个系统带来不可估量的影响。因此有必要对智能体通信链路传输的信息设置保护机制,保障系统信息的安全性和保密性,同时实现预期的协同目标。
目前现有的隐私保护方法,例如基于添加噪声、基于密码学、基于扰动注入以及基于状态分解的方法,在面对来自内部诚实但好奇节点以及外部窃听者的隐私窥测时,存在着通讯拓扑结构限制。隐私保护只有在被窥测节点存在中立邻居节点或输入输出信息未被全部泄露的条件下才能生效。当内部诚实但好奇智能体正好是某个智能体唯一传递信息的邻居时,现有文献提出的隐私保护方法失效。而实际应用场景中,多智能体系统的通讯拓扑往往存在具有唯一邻居的局部结构,如果这些智能体中正好有好奇的窃听者,那么现有方法将无法实现整个系统的隐私保护。
实现思路