[论文解读] Secure and secret cooperation of robotic swarms by using Merkle trees

Eduardo Castelló Ferrer, Thomas Hardjono+2 more|arXiv (Cornell University)|Apr 19, 2019

Modular Robots and Swarm Intelligence参考文献 54被引用 11

一句话总结

本文提出了一种基于Merkle树的模型，用于在机器人集群中实现安全、保密的合作，使机器人能够验证彼此的完整性，并在不知晓高层次目标的情况下按正确顺序执行任务。该方法将数据验证与数据本身分离，减少暴露风险，同时确保在觅食和迷宫构建任务中正确顺序执行。

ABSTRACT

Swarm robotics systems are becoming an important component of both academic research and real-world applications. However, in order to reach widespread adoption, new models that ensure the secure cooperation of these systems need to be developed. This work proposes a novel model to encapsulate cooperative robotic missions in Merkle trees. With the proposed model, swarm operators can provide the blueprint of the swarm's mission without disclosing its raw data. In other words, data verification can be separated from data itself. We propose a system where robots in the swarm have to prove their integrity to their peers by exchanging cryptographic proofs. This work analyzes and tests the proposed approach for two different robotic missions: foraging (where robots modify the environment) and maze formation (where robots become part of the environment). In both missions, robots were able to cooperate and carry out sequential operations in the correct order without having explicit knowledge about the mission's high-level goals or objectives. The performance, communication costs, and information diversity requirements for the proposed approach are analyzed. Finally, conclusions are drawn and future work directions are suggested.

研究动机与目标

• 开发一种用于合作式机器人集群的安全模型，以保护任务数据的机密性。
• 使机器人能够通过密码学证明验证彼此的完整性，而无需暴露任务细节。
• 将任务数据验证与原始数据解耦，以增强安全性和隐私性。
• 在具有动态和静态环境交互的现实世界机器人任务中评估该方法。
• 分析在集群协作中通信成本、性能以及信息多样性需求。

提出的方法

• 系统将集群任务封装在Merkle树中，每个机器人持有其在任务序列中角色的密码学生证明。
• 机器人通过交换Merkle证明来密码学地验证其完整性及在任务中的正确参与。
• 该模型确保任何机器人均无法获知完整的任务蓝图，仅能获取自身的证明及Merkle树的根哈希值。
• 该方法通过将每个机器人的动作绑定到Merkle树结构中的特定位置，支持顺序操作。
• 为评估该模型，实现了两种测试任务：环境改变型觅食任务和环境嵌入型迷宫构建任务。
• 通过测量性能指标、通信开销以及信息多样性，评估其可扩展性和效率。

实验结果

研究问题

• RQ1 基于Merkle树的系统是否能够在不暴露任务目标的情况下，实现机器人集群的安全、保密协作？
• RQ2 机器人如何在不共享原始任务数据的情况下验证彼此的完整性？
• RQ3 在动态机器人集群任务中，维护密码学生证明的通信和性能成本是多少？
• RQ4 当机器人对整体任务了解有限时，系统如何确保正确顺序执行？
• RQ5 为防止串通或欺骗行为，集群中需要何种程度的信息多样性？

主要发现

• 机器人仅依赖Merkle树证明，无需知晓任务的高层次目标，成功执行了觅食和迷宫构建任务。
• 系统实现了安全协作，任务数据暴露极少，仅共享了密码学哈希值和证明。
• 通信开销保持在可管理范围内，证明交换的开销与机器人数量的对数成正比。
• 该方法在顺序操作中保持了正确性，确保了动作按预定顺序执行。
• 信息多样性足以防止串通行为，因为每个机器人的证明均唯一绑定到其在Merkle树中的角色。
• 该模型在隐私敏感的现实世界机器人集群应用中展示了可行性。