[論文レビュー] Resilient Learning-Based Control for Synchronization of Passive Multi-Agent Systems under Attack

Arash Rahnama, Panos J. Antsaklis|arXiv (Cornell University)|Sep 28, 2017

Distributed Control Multi-Agent Systems参考文献 43被引用数 5

ひとこと要約

本稿では、分散イベントトリガー制御と分散検出を用いて、データ偽造および重み操作を特定・緩和することで、Byzantine攻撃下でも耐障害性があり学習ベースの制御フレームワークを、受動的マルチエージェントシステムの同期化に提案する。この手法により、悪意ある仲間を除外せずに誠実なエージェントが攻撃パラメータを推定し、攻撃条件下でも安定した性能を達成する。

ABSTRACT

In this paper, we show synchronization for a group of output passive agents that communicate with each other according to an underlying communication graph to achieve a common goal. We propose a distributed event-triggered control framework that will guarantee synchronization and considerably decrease the required communication load on the band-limited network. We define a general Byzantine attack on the event-triggered multi-agent network system and characterize its negative effects on synchronization. The Byzantine agents are capable of intelligently falsifying their data and manipulating the underlying communication graph by altering their respective control feedback weights. We introduce a decentralized detection framework and analyze its steady-state and transient performances. We propose a way of identifying individual Byzantine neighbors and a learning-based method of estimating the attack parameters. Lastly, we propose learning-based control approaches to mitigate the negative effects of the adversarial attack.

研究の動機と目的

• 敵対的条件下におけるマルチエージェント同期化におけるセキュリティメカニズムの欠如に対処すること。
• データ偽造および通信重みの操作を行う強力なByzantineエージェントの影響をモデル化・分析すること。
• 中央集権的管理に依存せず、誠実なエージェントがByzantine仲間を同定できる分散検出フレームワークを構築すること。
• 偽造データを用いて攻撃パラメータを推定し、同期を回復する学習ベースの緩和戦略を設計すること。
• 攻撃下でも同期が維持され、ネットワーク接続性が保たれ、Zeno動作が発生しない条件を確保すること。

提案手法

• 受動的マルチエージェントシステムの同期を保証しながら通信負荷を低減する分散イベントトリガー制御フレームワークを設計する。
• Byzantine攻撃を通信グラフ内の制御フィードバック重みの動的変更およびデータ偽造としてモデル化する。
• 受信データから導出される局所的検定統計量を用いて、分散検出ユニットを実装し、異常を検出する。
• 400データポイントにわたる反復的学習を通じて、攻撃確率 $P_1$ およびオフセット $Δ_1$ などの攻撃パラメータを推定する学習ベースのアルゴリズムを用いる。
• 学習済みの攻撃パラメータを用いて、損傷を受けるデータを補正済み推定値に置き換える緩和戦略を適用し、同期を回復する。
• 検出フレームワークの過渡的および定常的性能を分析し、信頼性および収束性を確認する。

実験結果

リサーチクエスチョン

• RQ1 受動的マルチエージェントシステムにおいて、データを偽造し通信重みを変更するByzantine攻撃下でも同期をどのように維持できるか？
• RQ2 中央集権的統合ユニットが存在しない状況下で、分散検出フレームワークのByzantineエージェント同定性能はいかほどか？
• RQ3 誠実なエージェントは、ローカル情報および受信データのみを用いて、敵対的攻撃のパラメータを学習・推定できるか？
• RQ4 学習ベースの緩和戦略は、Byzantine仲間を除外せずに同期を回復できるか？
• RQ5 攻撃下におけるイベントトリガー制御機構でZeno動作が発生しない条件は何か？

主な発見

• 提案されたイベントトリガー制御フレームワークは、通信負荷を顕著に低減するとともにZeno動作を回避し、同期を保証する。
• 分散検出フレームワークは、敵対的干渉下でも局所的検定統計量に基づき、Byzantineエージェントを効果的に同定する。
• 誠実なエージェント $G_3$ は攻撃パラメータを $\tilde{P}_1 = 0.68$ および $\tilde{\Delta}_1 = 6.35$ と推定し、真の値 $P_1 = 0.70$ および $\Delta_1 = 8$ に近い結果を得た。
• $t = 8$ 秒で緩和処理が開始され、図15および図16の出力偏差の低下から、システムが同期を回復したことが示された。
• 学習ベースの緩和戦略は、Byzantineエージェントを除外せずに敵対的影響を効果的に是正し、ネットワーク接続性およびバランスを維持する。
• 攻撃下でも安定した性能を達成しており、過渡的および定常的解析により検出の信頼性と収束性が確認された。