Privacy-Preserving Resilient Vector Consensus
本文提出隐私保护ADRC算法，通过引入多元高斯噪声实现多智能体弹性向量共识，兼顾收敛精度与隐私保护，并用集中地理隐私量化隐私。数值模拟验证了理论结果。
2025-06-21 cs.SY eess.SY
Privacy-Preserving Push-sum Average Consensus via State Decomposition
平均共识广泛应用于分布式网络的计算和控制，其中所有的代理不断相互通信并更新其状态以达成协议。在一般平均共识算法下，通过无线或有线通信网络交换的信息可能导致敏感和私人信息的泄露。在本文中，我们提出了一个隐私保护的推和方法的有向网络，可以保护所有代理的隐私，同时实现平均共识。每个节点将其初始状态任意分解为两个子状态，其平均值等于初始状态，保证了智能体的状态收敛到精确的平均一致性。随着时间的推移，只有一个子状态被节点与其邻居交换，另一个子状态被保留。也就是说，只有交换的子状态才能被对手看到，从而防止了初始状态信息的泄漏。与现有的只适用于无向图的状态分解方法不同，我们提出的方法适用于强连通有向图。此外，与基于偏移添加的隐私保护推和算法（容易受到外部窃听者的攻击）直接相反，我们提出的方法可以确保针对诚实但好奇的节点和外部窃听者的隐私。数值仿真结果表明了该方法的有效性。
2021-06-16 cs.SY eess.SY
Information-Theoretic Privacy in Distributed Average Consensus
Georgetown University（乔治城大学）；George Mason University（乔治梅森大学）；University of Maryland, College Park（马里兰大学帕克分校）
本文提出了一种在分布式平均共识协议中保护节点输入隐私的方法，该方法不影响输出准确性，通过信息论隐私保护机制在对抗性节点不构成顶点割的情况下，保证所有诚实节点的输入隐私。
2020-04-11 cs.SY eess.SY
Network Consensus with Privacy: A Secret Sharing Method
在这项工作中，受秘密共享方案的启发，我们引入了一种隐私保护的网络共识方法，通过这种方法，网络中的所有节点都可以在不将单个状态暴露给邻居的情况下就其状态达成协议。该方法通过定义代理的隐私度，使得网络能够抵抗任意给定数目的邻居的合谋，并保护协商一致过程不受通信窃听的影响。与现有的作品，建议的隐私保护算法是弹性的节点故障。当一个节点发生故障时，该方法提供了通过其邻居中保存的信息重建丢失节点的可能性，即使没有邻居知道故障节点的确切状态。此外，它表明，该方法可以实现共识和平均共识几乎肯定，当代理人有任意的隐私度和共同的隐私度，分别。为了说明理论，两个数值例子。
2021-03-05 cs.SY eess.SY math.OC
Dynamic Average Consensus with Privacy Guarantees and Its Application to Battery Energy Storage Systems
University of Virginia（弗吉尼亚大学）
本文提出一种具有隐私保护的动态平均一致性算法，用于电池储能系统的荷电状态平衡，通过掩码信号防止信息泄露并验证其有效性。
2026-03-10 cs.SY eess.SY
Dynamics Based Privacy Protection for Average Consensus on Directed Graphs
Clemson University（克莱姆森大学）
本文提出了一种用于有向图的新型平均一致性方法，通过在交互节点之间嵌入随机耦合权重的内在鲁棒性，保护参与节点的初始状态隐私，无需第三方或数据聚合器协助，同时保证精确一致性和对恶意节点和外部窃听者的隐私保护。
2018-12-05 cs.SY eess.SY math.OC
Distributed Average Consensus in Wireless Multi-Agent Systems with Over-the-Air Aggregation
针对无线网络多智能体系统平均一致性问题，提出结合空中聚合技术的改进比率一致性算法，通过新增归一化步骤补偿信道系数，在噪声可忽略的时变/时不变信道下可渐近收敛，经仿真验证有效。
2025-07-30 cs.SY eess.SP eess.SY
Vector-valued Privacy-Preserving Average Consensus
在不披露敏感信息的情况下达成平均共识可能是多代理协调的关键问题。本文研究了向量值多智能体网络的隐私保护平均一致性（PPAC）。特别地，一组具有向量值状态的代理旨在协作地达到其初始状态的精确平均共识，而每个代理的初始状态不能被披露给其他代理。我们表明，向量值的PPAC问题可以通过关联的矩阵加权网络与高维代理状态来解决。通过将Agent状态提升到高维空间，并设计具有动态、低秩、半正定耦合矩阵的矩阵加权网络，实现对Agent状态的隐藏，并保证多Agent网络渐近收敛于平均一致性，从而提出一种新的分布式向量值PPAC算法.本质上，收敛性分析可以转化为开关矩阵加权网络的平均一致性问题。我们表明，准确的平均共识，可以保证和初始代理的状态可以保持私有，如果每个代理至少有一个“合法”的邻居。该算法只涉及基本的矩阵运算，在计算上比基于密码的方法更有效，并且可以以完全分布式的方式实现，而不依赖于第三方。数值仿真结果验证了该算法的有效性。
2022-09-22 cs.SY eess.SY
Privacy-Preserving Dynamic Average Consensus by Masking Reference Signals
Charles L. Brown Department of Electrical and Computer Engineering, University of Virginia（弗吉尼亚大学查尔斯·L·布朗电气与计算机工程系）
本文提出了一种通过掩码参考信号实现隐私保护的动态平均一致性方法，该方法在保持收敛性能的同时保护参考信号隐私。
2026-02-05 cs.SY eess.SY
Privacy-Preserving Distributed Average Consensus in Finite Time using Random Gossip
在本文中，我们开发和分析了一个基于流言的平均共识算法，使分布式系统的所有组件，每个有一些初始值，达到（近似）平均共识后，他们的初始值执行有限数量的迭代，而不必透露具体的价值，他们有助于平均计算。我们考虑一个完全连接（无向）的网络，其中每对组件（节点）可以随机选择执行成对的标准八卦平均值的值，并提出了一个增强，可以遵循每个节点，不想透露其初始值给其他（好奇）节点。我们假设好奇节点试图识别其他节点的初始值，但不会以任何其他方式干扰计算;然而，作为最坏情况的假设，好奇节点被允许任意合作，并被假设知道隐私保护策略（但不知道想要保护其隐私的节点选择的实际参数）。我们精确地描述了保证特定节点隐私保护的信息交换条件。该协议还提供了一个标准，该标准允许节点以分布式方式（在运行增强型流言协议时）确定何时终止它们的操作，因为已经达到近似平均共识，即，所有节点都获得了与其初始值的精确平均值相距很小距离的值。
2021-11-08 cs.SY eess.SY
Distributed Event-Triggered Algorithms for Finite-Time Privacy-Preserving Quantized Average Consensus
在本文中，我们考虑的问题，隐私保护的平均共识问题时，节点之间的通信是量化的。更具体地说，我们考虑一种设置，其中网络中的一些节点是好奇的，但不是恶意的，它们试图根据它们在操作期间接收的数据来识别其他节点的初始状态（而不会以任何其他方式干扰计算），而网络中的一些节点希望确保它们的初始状态不能被好奇的节点准确地推断出来。我们提出了两个隐私保护的事件触发的量化平均共识算法，可以遵循任何节点希望保持其隐私，而不是透露它有助于平均计算的初始状态。网络中的每个节点（包括好奇节点）都被允许执行隐私保护算法或其底层的平均共识算法。在一定的拓扑条件下，这两种算法允许采用隐私保护协议的节点保持其初始量化状态的隐私，同时在有限步之后获得初始状态的精确平均值。
2021-02-12 cs.SY eess.SY math.OC
Privacy-Preserved Average Consensus Algorithms with Edge-based Additive Perturbations
在本文中，我们考虑的隐私保护问题，在离散和连续时间的平均共识算法与强连接和平衡的图形，对内部诚实，但好奇的代理或外部窃听。提出了一种新的算法，该算法在一致性计算过程中加入了基于边缘的扰动信号。我们的算法可以分为两个阶段：一个协调的加扰阶段，这是隐私保护，和收敛阶段。在加扰阶段，每个智能体需要产生一些扰动信号，并将它们添加到其引出的边缘上;在收敛阶段，智能体按照正常的更新规则更新它们的状态。它表明，一个内部诚实但好奇的代理可以获得目标代理的隐私，当且仅当没有其他代理可以与目标代理进行通信。
2021-09-06 cs.SY eess.SY math.OC
Privacy preservation in continuous-time average consensus algorithm via deterministic additive obfuscation signals
University of California Irvine（加州大学尔湾分校）
本文研究了在强连通且权衡平衡的有向图上，连续时间拉普拉斯平均一致性算法中对抗内部和外部恶意代理的隐私保护问题，通过加性扰动信号作为隐私保护措施的有效性进行评估，提出了必要的充分条件，设计了观察器以识别其他代理的初始条件。
2021-09-24 cs.SY eess.SY
Resilient consensus for multi-agent systems subject to differential privacy requirements
University of Naples Federico II（那不勒斯费德里科二世大学）；University College Dublin（都柏林大学学院）
本文研究了在有向网络拓扑中存在对抗性/故障性智能体的多智能体系统，非故障智能体需在满足差分隐私要求的情况下达成一致。提出了一种改进的Mean-Subsequence-Reduced算法（DP-MSR算法），并分析了其正确性、准确性和差分隐私性质。结果表明，当网络拓扑为(2f+1)-鲁棒时，算法能在存在最多f个故障智能体的情况下使非故障智能体达成一致，并且算法的精度和差分隐私要求与最大网络度数相关。
2019-03-27 cs.SY eess.SY
Multi-Agent Consensus Subject to Communication and Privacy Constraints
我们考虑一个多智能体的共识问题中存在的敌对代理。对手能够监听代理间的通信，并试图估计代理的状态。代理具有有限的通信比特率，并且需要对所传输的信号进行解调以满足通信信道的比特率约束。我们提出了一个共识协议，是对对手的保护，即，对手状态估计的期望均方误差是下界的。为了处理比特率约束，我们提出了一个动态量化方案，保证保护共识。
2021-02-21 cs.MA cs.SY eess.SY
Secure and Privacy-Preserving Average Consensus
Clemson University（克莱姆森大学）
本文提出一种在无可信第三方的情况下，利用同态加密实现安全隐私保护的平均一致性算法，具有计算和通信开销低，适用于时变交互拓扑结构的特点。
2017-09-19 cs.CR cs.SY eess.SY
On Aggregation Performance in Privacy Conscious Hierarchical Flexibility Coordination Schemes
在本文中，我们介绍了一种方法的性能量化的灵活性聚合的灵活性协调计划（FCS），重点是隐私保护层次FCS。量化是基于两个性能指标：聚合误差和聚合效率。我们提出了一种复杂类型的灵活性提供单元（FPU），即能量存储系统（ESS）的仿真框架和建模。ESS导致跨期约束的灵活性协调，导致聚合错误的情况下，灵活性是从异构组FPU聚合。我们确定一个参数负责的聚合误差是ESS的功率能量比。一组FPU使用相似的功率能量比，以提高协调性能。此外，我们描述了灵活性需求时间序列的聚合误差的影响，得出的结论是，未来的评估聚合误差应考虑多个代表性的需求时间序列，这是一个不平凡的任务。最后，我们讨论了所开发的方法的适用性，更大的系统规模的场景。
2022-07-07 cs.SY eess.SY
Differentially Private Bipartite Consensus over Signed Networks with Time-Varying Noises
本文研究符号网络上的差分隐私二部共识算法，通过引入时变方差噪声保护智能体敏感信息，并基于随机逼近的时变步长证明其均方与几乎必然收敛，揭示了收敛速率与隐私水平间的权衡。
2023-04-02 cs.SY eess.SY
Robust and Efficient Average Consensus with Non-Coherent Over-the-Air Aggregation
针对无线多智能体系统中非相干空中聚合引入偏差的问题，本文将平均共识建模为分布式优化问题，提出基于去中心化投影梯度下降的鲁棒算法，并结合功率控制与接收缩放机制，实现无偏且更快的平均共识。
2025-04-08 cs.IT cs.SY eess.SP
The PageRank Problem, Multi-Agent Consensus and Web Aggregation -- A Systems and Control Viewpoint
Tokyo Institute of Technology（东京工业大学）；CNR-IEIIT, Politecnico di Torino（意大利都灵理工大学）
本文从系统与控制视角出发，提出基于马尔可夫链技术的分布式随机方法，用于解决页面排名问题，并探讨其与多智能体一致性、网络聚合等领域的联系。
2013-12-06 cs.SY eess.SY
Faithful and Privacy-Preserving Implementation of Average Consensus
针对理性策略智能体的平均一致性问题，提出结合机制设计与加密控制的协议，通过激励确保忠实执行、用同态加密和秘密共享保护隐私，经安全多方计算模拟验证安全性，证明两者互补可应对理性敌手。
2025-03-13 cs.CR cs.SY eess.SY
Finite Time Privacy Preserving Quantized Average Consensus with Transmission Stopping
由于其灵活性，电池供电或能量收集无线网络被用于各种应用。保护无线设备之间的数据传输是至关重要的，以便避免隐私敏感的用户数据泄漏。在本文中，我们专注于这样的场景，其中一些节点是好奇的（但不是恶意的），并试图识别一个（或多个）其他节点的初始状态，而一些节点的目标是保护其初始状态的隐私，从好奇的节点。提出了一种隐私保护的有限传输事件触发的量化平均一致性算法。它的操作适合于电池供电或能量收集无线网络，因为它保证（i）高效（量化）通信，以及（ii）传输停止（这允许保存可用能量）。此外，我们提出的拓扑条件下，该算法允许节点保护自己的隐私。我们的结论与我们的算法对其他算法在现有文献中的比较。
2022-07-17 cs.SY eess.SY math.OC
Robust Constrained Consensus and Inequality-constrained Distributed Optimization with Guaranteed Differential Privacy and Accurate Convergence
本文协同设计分布式优化与差分隐私噪声机制，提出可在无限迭代下保证精确收敛和 ε-差分隐私的不等式约束优化算法，并给出隐私约束一致性算法。
2024-04-02 cs.SY eess.SY math.OC
Observer-based Differentially Private Consensus for Linear Multi-agent Systems
China University of Geosciences（中国地质大学）；Hubei Key Laboratory of Advanced Control and Intelligent Automation for Complex Systems（复杂系统先进控制与智能自动化湖北省重点实验室）；University of Science and Technology Beijing（北京科技大学）；Key Laboratory of Knowledge Automation for Industrial Processes, Ministry of Education（教育部工业过程知识自动化重点实验室）；Zhongyuan University of Technology（中原工学院）；State Key Laboratory of Mathematical Sciences, Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院数学科学国家重点实验室）
本文提出基于观测器的差分隐私一致性控制方法，通过加入拉普拉斯噪声保护输出信息，结合反步法和收敛理论实现一致性，同时确保差分隐私保护。
2025-12-19 cs.SY eess.SY
A dynamical approach to privacy preserving average consensus
Linköping University（林雪平大学）
本文提出了一种新颖的方法，在连续时间多智能体网络中实现平均一致性的同时避免泄露个体智能体的初始状态。通过引入称为输出掩码的映射，改变状态值后再进行传输。这些输出掩码是局部的、确定性的、时间变化的，并渐近收敛到真实状态。所得到的掩码系统也是时间变化的，其原始系统是其极限系统。论文证明了掩码系统具有原始平均一致性值作为全局吸引子，但为了保护隐私，它不能与未掩码系统共享平衡点，这意味着在掩码系统中，全局吸引子也不能稳定。
2019-03-02 cs.SY eess.SY math.OC
Structural Consensus in Networks with Directed Topologies and Its Cryptographic Implementation
现有的基于密码系统的网络系统隐私保护共识方法通常局限于无向拓扑的网络系统。提出了一种新的有向拓扑网络系统的隐私保护算法，以达到机密共识。作为应用该算法的先决条件，一个结构的共识问题，制定和可解性条件进行了讨论的显式构造的控制器。然后，控制器被实现为具有加密以实现共识，同时避免个人的信息泄漏给外部窃听者和/或恶意的内部邻居。
2022-01-18 cs.MA cs.SY eess.SY
Statistical Privacy in Distributed Average Consensus on Bounded Real Inputs
University of Maryland, College Park（马里兰大学帕克分校）
本文提出了一种隐私协议，用于在有界实值输入上实现分布式平均一致性算法，该协议在通信网络中不构成顶点割的情况下，能够保证诚实代理的输入统计隐私。这表明，如果通信网络的连通性至少为t+1，则可以保护代理输入的隐私，其中t是任意合谋代理的数量。
2019-03-20 cs.CR cs.IT cs.SY
Privacy-Preserving Average Consensus via State Decomposition
Clemson University（克莱姆森大学）
本文提出了一种通过状态分解实现隐私保护平均一致性的方法，该方法通过将每个节点的状态分解为两个子状态，避免在平均一致性过程中披露个体状态信息，从而保证精确收敛到期望的一致值。
2019-03-02 cs.CR cs.SY eess.SY
Preserving Topology Privacy of Network Systems by Feedback: Conditions and Distributed Design
KTH Royal Institute of Technology（皇家理工学院）；UCLouvain（瓦隆-布鲁塞尔联邦联合研究行动ICTEAM研究所）
本文提出基于反馈的方法保护共识协议拓扑隐私，通过故意违反拓扑可识别性条件，防止从观测数据中准确恢复真实拓扑，同时保持共识行为。提出分布式拓扑修改设计，在有限隐私预算下实现性能保证。
2026-05-15 cs.MA cs.SY eess.SY
Local Information Privacy and Its Application to Privacy-Preserving Data Aggregation
在本文中，我们研究了本地信息隐私（LIP），并设计了基于LIP的统计聚集机制，同时保护用户的隐私，而不依赖于可信的第三方。上下文感知的概念被纳入LIP，它可以被看作是明确的建模对手的背景知识。它可以利用先验分布设计隐私保护机制，这可能比本地差分隐私（LDP）等上下文无关概念实现更好的实用性与隐私权衡。我们提出了一个优化框架，以最大限度地减少在数据聚合的均方误差，同时保护隐私的每个单独的用户的输入数据或相关的潜在变量，同时满足LIP约束。然后，我们研究了两种不同类型的应用程序：（加权）求和和直方图估计，并推导出最佳的上下文感知数据扰动参数为每种情况下，基于随机响应类型的机制。我们进一步比较了LIP和LDP之间的效用-隐私权衡，并从理论上解释了为什么先验知识的引入扩大了扰动参数的可行区域，从而导致更高的效用。我们还将基于LIP的隐私机制扩展到更一般的情况下，确切的先验知识是不可用的。最后，我们验证了我们的分析模拟使用合成和真实世界的数据。结果表明，我们的基于LIP的隐私机制提供了更好的实用性和隐私的权衡比LDP，和LIP的优势是更显着的先验分布时，更偏斜。
2020-11-29 cs.CR cs.DB cs.IT
Differentially Private Iterative Synchronous Consensus
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
针对迭代共识问题中保护初始值隐私的需求，提出基于差分隐私的服务端和完全分布式随机机制，并分析隐私与准确性的权衡。
2012-08-08 cs.CR cs.DC cs.SY
