多智能體協(xié)同定位與Sink節(jié)點(diǎn)位置隱私保護(hù)研究.pdf

1、多智能體（無(wú)人車(chē)輛、移動(dòng)傳感器等）系統(tǒng)由于其在空間和功能上的分布性，較強(qiáng)的容錯(cuò)性、魯棒性和可擴(kuò)展性等諸多優(yōu)點(diǎn)，廣泛應(yīng)用于軍事、工農(nóng)業(yè)生產(chǎn)、空間探索、醫(yī)學(xué)、交通控制、服務(wù)行業(yè)等領(lǐng)域。而定位問(wèn)題是多智能體系統(tǒng)中最基本的問(wèn)題之一，多智能體系統(tǒng)提供的服務(wù)多數(shù)都是基于位置信息的。另一方面，對(duì)于傳感器網(wǎng)絡(luò)這類(lèi)特殊的多智能體系統(tǒng)，Sink節(jié)點(diǎn)的位置隱私已經(jīng)成為一個(gè)重要的安全問(wèn)題。Sink節(jié)點(diǎn)是網(wǎng)絡(luò)數(shù)據(jù)的匯聚中心，對(duì)整個(gè)網(wǎng)絡(luò)的正常運(yùn)行至關(guān)重要，一旦Si

2、nk節(jié)點(diǎn)被發(fā)現(xiàn)并破壞，網(wǎng)絡(luò)感知的數(shù)據(jù)將無(wú)法傳輸?shù)綌?shù)據(jù)中心，導(dǎo)致整個(gè)網(wǎng)絡(luò)失效。而無(wú)線(xiàn)通信介質(zhì)的開(kāi)放特性使得位置隱私保護(hù)成為傳感器網(wǎng)絡(luò)研究的一大難點(diǎn)。
　　相比于靜態(tài)的智能體網(wǎng)絡(luò)，移動(dòng)多智能體系統(tǒng)由于智能體的運(yùn)動(dòng)導(dǎo)致位置的不斷變化大大增加了定位的難度。本文針對(duì)幾種不同設(shè)定下的移動(dòng)多智能體定位問(wèn)題，分別設(shè)計(jì)了分布式的狀態(tài)觀(guān)測(cè)器實(shí)現(xiàn)對(duì)定位對(duì)象位置的實(shí)時(shí)動(dòng)態(tài)估計(jì)，定位算法具有較快的收斂速度。相比于傳統(tǒng)的基于代數(shù)的靜態(tài)定位方法，基于觀(guān)測(cè)器的動(dòng)

3、態(tài)估計(jì)增強(qiáng)了算法對(duì)測(cè)量噪聲的抗干擾能力，同時(shí)，算法的分布式特性利用了智能體間的協(xié)作，對(duì)于確保存在測(cè)量丟失情況下智能體的定位能力大有幫助，增強(qiáng)了系統(tǒng)的魯棒性。注意到現(xiàn)有的Sink位置隱私保護(hù)手段都只針對(duì)僅具有局部監(jiān)聽(tīng)能力的攻擊者，而對(duì)于具有全局監(jiān)聽(tīng)能力的攻擊者是無(wú)效的，對(duì)這一問(wèn)題的研究迫切需要被填補(bǔ)。本文開(kāi)創(chuàng)性地將k-匿名策略引入Sink節(jié)點(diǎn)的位置隱私保護(hù)，并提出一種基于歐氏最小生成樹(shù)的路由算法，在確保Sink節(jié)點(diǎn)位置隱私的同時(shí)優(yōu)化系統(tǒng)通

4、信能耗。概括來(lái)說(shuō)，本文的主要研究工作集中在以下幾個(gè)方面:
　　首先，在連續(xù)時(shí)間框架下，研究基于距離測(cè)量的移動(dòng)多智能體目標(biāo)定位問(wèn)題。在智能體間的測(cè)量和通信是雙向即網(wǎng)絡(luò)拓?fù)涫菬o(wú)向圖的假定下，基于線(xiàn)性時(shí)變微分器和一致性思想，本文提出了一種分布式的的連續(xù)時(shí)間狀態(tài)觀(guān)測(cè)器，實(shí)時(shí)動(dòng)態(tài)地估計(jì)目標(biāo)的相對(duì)位置。證明了算法的全局漸近收斂性，并給出了算法收斂網(wǎng)絡(luò)拓?fù)浜椭悄荏w運(yùn)動(dòng)所須滿(mǎn)足的條件。要實(shí)現(xiàn)對(duì)未知目標(biāo)的定位，基于代數(shù)的靜態(tài)定位方法通常至少需要2個(gè)

5、或3個(gè)位置已知的錨節(jié)點(diǎn)，而本文提出的動(dòng)態(tài)估計(jì)算法僅利用單個(gè)的移動(dòng)智能體也能實(shí)現(xiàn)對(duì)目標(biāo)的定位。此外，相比于靜態(tài)估計(jì)，動(dòng)態(tài)估計(jì)對(duì)測(cè)量噪聲具有更強(qiáng)的抗干擾能力。算法的分布式特性使得智能體在丟失對(duì)目標(biāo)測(cè)量情況下仍然能夠通過(guò)鄰居間的協(xié)作來(lái)保持對(duì)目標(biāo)位置的實(shí)時(shí)不間斷估計(jì)，增強(qiáng)了系統(tǒng)的魯棒性和環(huán)境適應(yīng)性。
　　本文之前提出的連續(xù)時(shí)間定位算法假定距離測(cè)量是連續(xù)的，這一要求在實(shí)際系統(tǒng)中難以滿(mǎn)足，我們知道實(shí)際系統(tǒng)中測(cè)量通常都是以離散采樣的方式進(jìn)行的。

6、因此，本文接著在離散時(shí)間框架下，研究了基于距離采樣的移動(dòng)多智能體目標(biāo)定位問(wèn)題。此外，更進(jìn)一步地，我們還假定智能體間的測(cè)量和通信是單向的，也即網(wǎng)絡(luò)拓?fù)涫怯邢驁D，這比之前的無(wú)向圖假定更苛刻也更一般化?；谏衔念?lèi)似的思想，本文提出了一種分布式的離散時(shí)間狀態(tài)觀(guān)測(cè)器。通過(guò)離散系統(tǒng)穩(wěn)定性分析證明了算法的全局漸近收斂性，并給出為使算法收斂，系統(tǒng)采樣周期、智能體的運(yùn)動(dòng)以及網(wǎng)絡(luò)拓?fù)渌铦M(mǎn)足的條件。該算法同樣保留了上文的連續(xù)時(shí)間動(dòng)態(tài)估計(jì)相比于靜態(tài)定位所具有

7、的優(yōu)勢(shì)。
　　接著，我們研究了目標(biāo)定位問(wèn)題的對(duì)偶問(wèn)題，即移動(dòng)多智能體的自定位問(wèn)題。在很多應(yīng)用場(chǎng)景下，如移動(dòng)車(chē)輛的導(dǎo)航，智能體需要對(duì)自身進(jìn)行定位。很多時(shí)候，智能體并不需要知道自身的絕對(duì)坐標(biāo)，而只需要知道自身相對(duì)于某個(gè)參照路標(biāo)(landmark)的相對(duì)位置就足夠了。出于這一考慮，本文假定每個(gè)智能體的目標(biāo)是確定自身相對(duì)于某個(gè)靜止路標(biāo)的相對(duì)位置。在前文假定智能體間的測(cè)量和通信是單向的基礎(chǔ)上，我們進(jìn)一步假定測(cè)量和通信是不穩(wěn)定的，此時(shí)系統(tǒng)對(duì)應(yīng)

8、的網(wǎng)絡(luò)拓?fù)涫歉鼮閺?fù)雜的時(shí)變有向圖，定位的難度也進(jìn)一步加大。我們提出了一種分布式的帶狀態(tài)切換的連續(xù)時(shí)間狀態(tài)觀(guān)測(cè)器來(lái)動(dòng)態(tài)估計(jì)智能體的相對(duì)位置，并通過(guò)輸入狀態(tài)穩(wěn)定理論、級(jí)聯(lián)系統(tǒng)穩(wěn)定性理論證明只要網(wǎng)絡(luò)拓?fù)洹⒅悄荏w的運(yùn)動(dòng)滿(mǎn)足一定條件，則智能體對(duì)自身位置的估計(jì)誤差全局漸近收斂。這一研究對(duì)于促進(jìn)導(dǎo)航定位基礎(chǔ)理論的研究具有重要的指導(dǎo)意義。
　　最后，研究了傳感器網(wǎng)絡(luò)Sink節(jié)點(diǎn)的位置隱私保護(hù)問(wèn)題。我們?cè)趯?duì)現(xiàn)有的文獻(xiàn)分析后發(fā)現(xiàn)現(xiàn)有的Sink節(jié)點(diǎn)位置

9、隱私保護(hù)手段都只在對(duì)抗局部攻擊者時(shí)有效，而在對(duì)抗全局攻擊者方面尚沒(méi)有有效的手段。為了對(duì)抗具有全局監(jiān)聽(tīng)能力的攻擊者，首次將k-匿名策略引入Sink節(jié)點(diǎn)位置隱私保護(hù)。為了平衡位置隱私和網(wǎng)絡(luò)路由能耗，提出了一種基于歐氏最小生成樹(shù)的路由協(xié)議，從而將問(wèn)題轉(zhuǎn)化為一個(gè)帶非線(xiàn)性約束的復(fù)雜非線(xiàn)性?xún)?yōu)化問(wèn)題，并給出了兩種高效的近似最優(yōu)求解算法。k-匿名策略的引入對(duì)解決其他網(wǎng)絡(luò)模型下的位置隱私保護(hù)問(wèn)題同樣有著重要的借鑒意義。
　　對(duì)于提出的各種分析與控制