無線自組織網(wǎng)絡(luò)一致算法安全與隱私研究.pdf

1、隨著傳感器技術(shù)、計算機技術(shù)以及無線通信技術(shù)的迅猛發(fā)展，一種新的網(wǎng)絡(luò)組織模式—無線自組織網(wǎng)絡(luò)應(yīng)運而生。無線自組織網(wǎng)絡(luò)以其靈活性、移動性、自適應(yīng)、可擴展性等特點給信息感知與融合帶來了新的機遇與挑戰(zhàn)。無線自組織網(wǎng)絡(luò)的典型實現(xiàn)比如無線傳感器網(wǎng)絡(luò)、自組織車聯(lián)網(wǎng)以及在線社交網(wǎng)絡(luò)等等，正在極大地改變信息的傳播與融合方式，因此受到國內(nèi)外研究者的高度關(guān)注。
　　將無線自組織網(wǎng)絡(luò)中的節(jié)點建模為一個具有感知、計算、通信能力的智能體，節(jié)點通過局部通信融合

2、獲取全局統(tǒng)計量的算法稱為多智能體一致算法。多智能體一致算法，尤其是平均一致算法，是諸多無線自組織網(wǎng)絡(luò)應(yīng)用的基本支撐算法。近二十年，研究者們對多智能體一致算法進行了全面深入的理論研究，但是考慮網(wǎng)絡(luò)安全和數(shù)據(jù)隱私的研究工作仍然存在兩方面的不足:1）現(xiàn)有的針對平均一致算法的安全性的研究缺乏對節(jié)點關(guān)鍵程度的評估，不便于系統(tǒng)設(shè)計者定位網(wǎng)絡(luò)瓶頸，同時平均一致算法在攻擊下的收斂終值無法保障;ii)平均一致算法對于隱私的保護仍然不足，尤其是在實際中每個

3、節(jié)點擁有大規(guī)模的數(shù)據(jù)時，缺乏合理的保護局部數(shù)據(jù)統(tǒng)計隱私的手段。本文結(jié)合國內(nèi)外最新研究成果，考慮網(wǎng)絡(luò)安全以及節(jié)點數(shù)據(jù)隱私，評估了平均一致算法中節(jié)點的重要性并設(shè)計了考慮節(jié)點數(shù)據(jù)隱私的本質(zhì)魯棒的中位數(shù)一致算法。本文的主要工作和貢獻概括如下:
　　1概述了無線自組織網(wǎng)絡(luò)和多智能體一致算法的來源以及諸多應(yīng)用，總結(jié)了多智能體一致算法尤其是關(guān)于安全和隱私保護方面的研究現(xiàn)狀。
　　2針對無線自組織網(wǎng)絡(luò)中可能存在的節(jié)點物理毀壞攻擊，本文評估了

4、每個節(jié)點對于平均一致算法的收斂速度的影響。通過網(wǎng)絡(luò)的代數(shù)連通度的下降量來衡量節(jié)點的重要程度指標，本文基于矩陣擾動理論設(shè)計了三種集中式的僅依賴于原網(wǎng)絡(luò)拓撲的節(jié)點重要程度評估指標，同時給出了三種集中式估計方法的理論誤差界。為了便于大規(guī)模網(wǎng)絡(luò)應(yīng)用，本文通過對三種集中式估計方法進一步近似，得到了三種可以通過現(xiàn)有網(wǎng)絡(luò)分布式計算的重要程度指標。利用分布式矩陣冪迭代，通過初始向量調(diào)整和事件驅(qū)動的向量拉伸，本文實現(xiàn)了節(jié)點重要程度的分布式評估。
　

5、　3針對平均一致算法融合結(jié)果對數(shù)據(jù)注入攻擊魯棒性差的問題，本文設(shè)計了自組織網(wǎng)絡(luò)快速中位數(shù)一致算法。結(jié)合有限時間平均一致算法，本文首先設(shè)計了快速的基于二分搜索的中位數(shù)一致算法FAMB。FAMB算法可以幾何收斂的速度得到中位數(shù)估計，但仍然是一種漸近算法。通過分析FAMB算法，基于節(jié)點具有唯一ID的假設(shè)，本文設(shè)計了一種有限時間精確中位數(shù)一致算法FAMC。FAMC算法可以在2nd步內(nèi)得到精確中位數(shù)估計。相比于基準的Flooding算法，F(xiàn)AMC

6、算法具有更低的局部計算以及存儲復(fù)雜度;相比于基于分布式優(yōu)化的中位數(shù)一致算法，F(xiàn)AMC具有更快的收斂速度。
　　4針對自組織網(wǎng)絡(luò)節(jié)點擁有大規(guī)模異構(gòu)數(shù)據(jù)（每個節(jié)點擁有規(guī)模不等的混亂數(shù)據(jù)），而節(jié)點數(shù)據(jù)規(guī)模敏感的問題，本文設(shè)計了一種高效的保護節(jié)點數(shù)據(jù)規(guī)模隱私的分布式中位數(shù)一致算法DIME。具體地，本文將中位數(shù)選擇問題建模為一個分布式優(yōu)化的問題，節(jié)點局部目標函數(shù)為本地數(shù)據(jù)構(gòu)建的l1范數(shù)。節(jié)點間通過狀態(tài)一致以及局部梯度下降，實現(xiàn)了基于狀態(tài)歷史

7、加權(quán)值估計全局中位數(shù)的目的。本文給出了一般的步長原則，證明了算法的收斂性，同時分析了算法的誤差動態(tài)。
　　5針對真實大規(guī)模地理隔離敏感數(shù)據(jù)的融合問題，本文以中位數(shù)為例提出了保護數(shù)據(jù)隱私的中位數(shù)選擇算法DPAM，并將其一般化為隱私保護的k-選擇算法。由于中位數(shù)與平均值的間距在一倍標準差以內(nèi)，本文利用所有數(shù)據(jù)均值來估計中位數(shù)。節(jié)點間交互加噪的局部數(shù)據(jù)統(tǒng)計信息，在保持中位數(shù)不變的同時減小標準差，最終得到全局中位數(shù)的精確估計。為保護局部數(shù)