[論文レビュー] Distributed Estimation Under Sensor Attacks

Yuan Chen, Soummya Kar+1 more|arXiv (Cornell University)|Sep 18, 2017

Distributed Sensor Networks and Detection Algorithms参考文献 20被引用数 3

ひとこと要約

本稿では、センサ攻撃下におけるマルチエージェントシステムにおける分散推定のための飽和イノベーション更新（SIU）アルゴリズムを提案する。エージェントは、定数利得を用いた共分散と局所的イノベーションを用いてパラメータを共同で推定する。定数重みの場合、30％未満のセンサが攻撃を受けていれば指数的収束を保証し、時間に応じて減少する重みの場合、50％未満のセンサが攻撃を受けていれば多項式的収束を保証する。ネットワークのトポロジーに依存しない。

ABSTRACT

This paper studies multi-agent distributed estimation under sensor attacks. Individual agents make sensor measurements of an unknown parameter belonging to a compact set, and, at every time step, a fraction of the agents' sensor measurements may fall under attack and take arbitrary values. The goal of this paper is to develop a distributed estimation algorithm to ensure that all, even those whose sensors are under attack, correctly estimate the parameter of interest. We assume a fully distributed setup; there is no fusion center and inter-agent collaboration is restricted to message exchanges between neighboring agents, the neighborhoods corresponding to a pre-specified, possibly parse, communication graph. We present two versions of the Saturated Innovation Update (SIU) algorithm for distributed estimation resilient to sensor attacks. The SIU algorithm is a consensus + innovations type estimator: agents iteratively estimate the parameter of interest by combining estimates of neighbors (consensus) and local sensing information (innovations). In the SIU algorithm, each agent applies a local, time-varying scalar gain to its innovation term to ensure that the energy of the scaled innovation lies below a threshold. Under the first version of SIU, which uses constant combination weights, if less than three tenths of agent sensors fall under attack, then, all of the agents' estimates converge exponentially fast to the true parameter. Under the second version, which uses time-decaying weights, if less than one half of the agent sensors fall under attack, then, all of the agents' estimates converge at a polynomial rate to the true parameter. We show that the resilience of SIU to sensor attacks does not depend on the topology of the inter-agent communication network, as long as it remains connected. Finally, we demonstrate the performance of SIU with numerical examples.

研究の動機と目的

• 攻撃を受けるセンサにさらされても、すべてのエージェントが正確にパラメータを推定できる完全に分散型の推定アルゴリズムを開発すること。
• 中央集約センターに依存せずに、悪意あるセンサ測定値に対してレジリエントであることを保証すること。
• 通信ネットワークのトポロジーが接続されている限り、推定精度を維持すること。
• 制限されたイノベーション利得を有する共分散＋イノベーション推定器を設計し、汚染された測定値の影響を制限すること。
• 攻撃状況下で異なる重み更新戦略のもとでの理論的収束保証を確立すること。

提案手法

• SIUアルゴリズムは、共分散＋イノベーションフレームワークを用い、エージェントが近隣エージェントの推定値と局所的測定値を組み合わせる。
• 各エージェントは、スケーリングされたイノベーションのエネルギーが事前に定義されたしきい値以下に保たれるように、時間変動するスカラー利得をイノベーション項に適用する。
• 最初のSIUバージョンは定数結合重みを用い、イノベーション項に飽和機構を適用して、汚染されたデータの影響を制限する。
• 2番目のSIUバージョンは時間に応じて減少する結合重みを採用し、古いまたは悪意ある可能性のあるデータへの依存度を徐々に低下させる。
• アルゴリズムは完全に分散型に動作し、中央集約センターを一切使用せず、事前に指定された接続された通信グラフ上のローカル通信に依存する。
• 設計により、攻撃を受けたセンサを搭載するエージェントですら、所定の攻撃閾値のもとで真のパラメータに収束することが保証される。

実験結果

リサーチクエスチョン

• RQ1 攻撃者が任意に汚染した測定値を送信する場合、分散推定アルゴリズムが精度を維持できるか。
• RQ2 定数重みと時間に応じて減少する重みの選択が、収束速度と攻撃耐性に与える影響は何か。
• RQ3 アルゴリズムのレジリエンスが、エージェント間通信ネットワークのトポロジーにどれほど依存するか。
• RQ4 攻撃されたセンサの最大割合はどれほどで、アルゴリズムが真のパラメータへの収束を保証できるか。
• RQ5 中央集約センターが存在せず、攻撃パターンの事前知識がなくても、収束を保証できるか。

主な発見

• 定数重みのSIUバージョンでは、30％未満のセンサが攻撃を受けていれば、すべてのエージェントの推定値は真のパラメータに指数的スピードで収束する。
• 時間に応じて減少する重みのSIUバージョンでは、50％未満のセンサが攻撃を受けていれば、すべてのエージェントの推定値は多項式的レートで収束する。
• SIUアルゴリズムの収束は、ネットワークが接続されている限り、通信ネットワークのトポロジーに依存しない。
• 制限されたイノベーション利得の使用により、任意に汚染されたセンサ測定値の影響が制限され、推定精度が維持される。
• 数値例は、さまざまな攻撃シナリオとネットワーク構成下でのSIUアルゴリズムの有効性と頑健性を示している。
• 攻撃者が戦略的にセンサを標的にする場合でも、攻撃閾値が守られていれば、アルゴリズムはレジリエンスを維持する。