[论文解读] 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 7

一句话总结

本文提出SAGE，一种分布式、递归的共识+创新估计器，在任意测量攻击下仍能实现几乎必然收敛至真实参数值，即使部分代理的测量被攻破。其鲁棒性与拓扑无关，可容忍与网络结构无关的有限数量被攻破代理。

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.

研究动机与目标

• 解决传感器网络中存在任意测量攻击时的鲁棒分布式估计问题。
• 设计一种分布式估计器，即使在某些代理的测量被攻击者污染时仍能保持准确性。
• 在对网络拓扑的假设最小化条件下，确保收敛至真实参数值。
• 开发一种其鲁棒性不依赖于代理间通信网络结构的估计器。

提出的方法

• SAGE 采用共识+创新架构，代理通过本地测量值和邻居信息迭代更新本地估计。
• 使用饱和自适应增益机制以降低潜在被攻破测量的影响。
• 估计器根据估计误差动态调整增益，限制对抗性数据的影响，而无需事先知晓攻击模式。
• 当被攻破代理数量低于由系统可观测性特性决定的阈值时，几乎必然收敛可被保证。
• 该方法在无中心协调的对等网络中运行，确保可扩展性和鲁棒性。
• 理论分析证明，SAGE 在有界攻击水平下可实现对真实参数的几乎必然收敛。

实验结果

研究问题

• RQ1 在异构、对等网络中，分布式估计器能否在任意测量攻击下实现对真实参数的几乎必然收敛？
• RQ2 分布式估计器在确保收敛的前提下，最多可容忍多少被攻破的测量流？
• RQ3 估计器的鲁棒性是否依赖于代理间通信网络的拓扑结构？
• RQ4 如何设计自适应增益机制以在不知晓攻击模式的情况下抑制对抗性测量？
• RQ5 共识+创新框架能否在保留收敛保证的同时抵御任意攻击？

主要发现

• 只要被攻破的测量流数量低于特定界限，SAGE 就能保证所有代理的本地估计几乎必然收敛至真实参数值。
• SAGE 的鲁棒性阈值与代理间通信网络的拓扑结构无关，使其在各种网络配置下均具鲁棒性。
• 即使本地测量模型异构且对未知参数局部不可观测，估计器仍能保持性能。
• 饱和自适应增益机制在无需事先知晓攻击模式的情况下，有效抑制了对抗性测量的影响。
• 数值示例展示了SAGE在各种攻击场景和网络拓扑下的有效性和鲁棒性。