[論文レビュー] Topology Free Resilient Distributed Estimation

Yuan Chen, Soummya Kar+1 more|arXiv (Cornell University)|Dec 21, 2018

Distributed Sensor Networks and Detection Algorithms参考文献 23被引用数 7

ひとこと要約

本稿では、任意の測定攻撃に対しても、一部のエージェントの測定値が改ざんされても、真のパラメータ値への確実収束を達成する分散型で再帰的なコンSENSUS+イノベーション推定器SAGEを提案する。その耐障害性はトポロジーに依存せず、ネットワーク構造とは無関係に、有限個のエージェントが改ざんされても耐えられる。

ABSTRACT

This paper studies resilient distributed estimation under measurement attacks. A set of agents each makes successive local, linear, noisy measurements of an unknown vector field collected in a vector parameter. The local measurement models are heterogeneous across agents and may be locally unobservable for the unknown parameter. An adversary compromises some of the measurement streams and changes their values arbitrarily. The agents' goal is to cooperate over a peer-to-peer communication network to process their (possibly compromised) local measurements and estimate the value of the unknown vector parameter. We present SAGE, the Saturating Adaptive Gain Estimator, a distributed, recursive, consensus+innovations estimator that is resilient to measurement attacks. We demonstrate that, as long as the number of compromised measurement streams is below a particular bound, then, SAGE guarantees that all of the agents' local estimates converge almost surely to the value of the parameter. The resilience of the estimator -- i.e., the number of compromised measurement streams it can tolerate -- does not depend on the topology of the inter-agent communication network. Finally, we illustrate the performance of SAGE through numerical examples.

研究の動機と目的

• センサーネットワークにおける任意の測定攻撃が存在する状況下での耐障害性のある分散推定を解決すること。
• 攻撃者が一部のエージェントの測定値を改ざんしても、依然として正確な推定を維持できる分散推定器を設計すること。
• ネットワークトポロジーに関する最小限の仮定のもとで、真のパラメータ値への収束を保証すること。
• 推定器の耐障害性がエージェント間通信ネットワーク構造に依存しないようにすること。

提案手法

• SAGEは、エージェントが局所的測定値と隣接エージェントからの情報を用いて、逐次的に局所的推定値を更新するコンセンサス+イノベーションアーキテクチャを採用する。
• 飽和型の適応的ゲインメカニズムを用いて、改ざんの可能性がある測定値の影響を低減する。
• 推定誤差に基づいてゲインを動的に調整することで、攻撃パターンの事前知識がなくても、敵対的データの影響を制限する。
• 改ざんされたエージェント数が、システムの可観測性特性によって定まる閾値未満である限り、確実収束が保証される。
• 中央集権的制御なしにピアツーピアネットワークで動作するため、スケーラビリティと耐障害性を確保する。
• 理論的分析により、SAGEが、攻撃レベルが有界である条件下で真のパラメータ値への確実収束を達成する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 異種でピアツーピアのネットワーク環境下で、任意の測定攻撃が存在する場合に、分散推定器が真のパラメータ値への確実収束を達成できるか。
• RQ2 分散推定器が収束を保証しつつ、耐えられる改ざんされた測定ストリームの最大数は何か。
• RQ3 推定器の耐障害性は、エージェント間通信ネットワークのトポロジーに依存するか。
• RQ4 攻撃パターンの事前知識がなくても、適応的ゲインメカニズムをどのように設計すれば、敵対的測定値の影響を抑制できるか。
• RQ5 コンセンサス+イノベーションフレームワークを、任意の攻撃に対して耐性を持たせつつ、収束保証を維持できるか。

主な発見

• SAGEは、改ざんされた測定ストリームの数が特定の境界値未満である限り、すべてのエージェントの局所的推定値が真のパラメータ値への確実収束を保証する。
• SAGEの耐障害性の閾値は、エージェント間通信ネットワークのトポロジーに依存せず、多様なネットワーク構成においても強固である。
• 局所的測定モデルが非一様で、かつ未知のパラメータに対して局所的に観測不能であっても、推定器は性能を維持する。
• 飽和型の適応的ゲイン機構は、攻撃パターンの事前知識がなくても、敵対的測定値の影響を効果的に抑制する。
• 数値例により、SAGEがさまざまな攻撃シナリオとネットワークトポロジー下でも有効で、強固であることが示された。