[論文レビュー] A "Safe Kernel" Approach for Resilient Multi-Dimensional Consensus

Jiaqi Yan, Yilin Mo+2 more|arXiv (Cornell University)|Nov 25, 2019

Distributed Control Multi-Agent Systems参考文献 19被引用数 4

ひとこと要約

本稿では、健全なエージェントが隣接データから強力に定義されたカーネル内に位置する点に向かって段階的に自身の状態を調整する『セーフカーネル』技術を用いた、耐障害性のある多次元コンセンサスアルゴリズムを提案する。十分なネットワークの耐障害性条件が満たされれば、悪意ある攻撃に対しても健全なエージェントは初期状態の凸包内に指数的収束する。これはスカラーベースの手法よりも精度が向上する。

ABSTRACT

This paper considers the resilient multi-dimensional consensus problem in networked systems, where some of the agents might be malicious (or faulty). We propose a multi-dimensional consensus algorithm, where at each time step each healthy agent computes a "safe kernel" based on the information from its neighbors, and modifies its own state towards a point inside the kernel. Assuming that the number of malicious agents is locally (or globally) upper bounded, sufficient conditions on the network topology are presented to guarantee that the benign agents exponentially reach an agreement within the convex hull of their initial states, regardless of the actions of the misbehaving ones. It is also revealed that the graph connectivity and robustness required to achieve the resilient consensus increases linearly with respect to the dimension of the agents' state, indicating the existence of a trade-off between the low communication cost and system security. Numerical examples are provided in the end to validate the theoretical results.

研究の動機と目的

• 悪意あるまたは故障したエージェントを含むネットワークにおける耐障害性のある多次元コンセンサス問題に対処すること。
• 初期状態の凸包内に収束するが、スカラーベースの手法ではボックス型の領域に収束するため、多次元設定では精度が低いという問題を改善すること。
• 健全なエージェントの初期状態の凸包内に収束を保証する分散型アルゴリズムを設計し、セキュリティと精度を向上させること。
• 局所的およびグローバルな悪意ある攻撃に対して耐性を持つために必要な、特にロバストネス指標を示すトポロジカル条件を確立すること。
• セーフカーネル技術をコンセンサスを超えて、最適化や推定などの他の分散問題への応用可能性を拡張すること。

提案手法

• 健全なエージェントは各時刻において、自身と隣接エージェントの状態を用いて『セーフカーネル』を計算する。セーフカーネルとは、自身と各隣接エージェントの組み合わせから形成されるすべての凸包の共通部分として定義される。
• セーフカーネルは、各次元における極端な値を除去することで構築され、MSRに類似しているが、多次元ベクトルに一般化されている。
• エージェントは、カーネルの頂点の凸結合を用いて、セーフカーネル内に位置する点に向かって自身の状態を更新する。
• このアルゴリズムは、健全なエージェントが初期状態の凸包内に指数的収束することを保証する。
• ネットワークのロバストネスは、グラフ理論的条件として形式化される：局所的攻撃に対しては((d+1)F+1)-ロバストネス、グローバル攻撃に対しては(dF+1,F+1)-ロバストネス。
• この手法は、最悪の悪意ある行動、すなわちネットワークトポロジーや更新ルールを完全に把握した攻撃に対しても耐性を示すことが証明されている。

実験結果

リサーチクエスチョン

• RQ1 悪意ある状況下において、多次元システムで健全なエージェントの初期状態の凸包内に収束する分散型コンセンサスアルゴリズムを設計できるか？
• RQ2 故障したエージェントを含む多次元設定において、耐障害性のあるコンセンサスを保証するために必要なネットワークトポロジー条件は何か？
• RQ3 エージェントの状態ベクトルの次元数に伴い、ネットワークの必要ロバストネスはどのようにスケーリングされるか？
• RQ4 セーフカーネル技術は、多次元コンセンサスをスカラライズして各次元にスカラーベースの耐障害アルゴリズムを適用するという単純な手法を上回ることができるか？
• RQ5 悪意あるエージェントが任意の収束点を指定するのを避ける、劣化したが安全なコンセンサスを達成することは可能か？

主な発見

• 提案されたアルゴリズムは、悪意ある行動が存在しても、健全なエージェントが初期状態の凸包内に指数的収束することを保証する。
• F-局所的攻撃に対しては((d+1)F+1)-ロバストネス、F-全般的攻撃に対しては(dF+1,F+1)-ロバストネスを満たす必要がある。次元dに伴い、必要なロバストネスが線形に増加することが示された。
• セーフカーネルアプローチにより、健全な初期状態の凸結合に収束が保証され、ボックス型領域に収束するスカラーベース手法よりも精度が向上する。
• 不正なエージェントがネットワークと更新ルールを完全に把握し、異なる隣接エージェントに異なる値を送信しても、アルゴリズムは依然として有効である。
• 数値シミュレーションにより理論的結果が検証され、健全なエージェントが悪意あるエージェントによる任意の信号注入に対しても凸包内に留まり、共通の値に収束することが示された。
• 本研究は、悪意ある環境下での最適化や推定といった他の分散問題へのセーフカーネル技術の応用可能性を確立する基盤を提供した。