⚡ electrical engineering

Resilient Output Containment under Undisclosed Leader Dynamics and Actuator Attacks

Dieses Paper schlägt eine kontinuierliche, zweischichtige adaptive Steuerungsarchitektur vor, die eine resiliente Output-Containment-Einhaltung für heterogene lineare Multi-Agenten-Systeme unter unbekannten Leader-Dynamiken und komplexen Aktuator-Angriffen erreicht, indem sie eine virtuelle Aktuator-Rekonfigurationsschicht zur lokalen Kompensation sowie eine Netzwerkschnittstelle mit einem adaptiven Interaktionsprotokoll nutzt, um die asymptotische Konvergenz zum konvexen Hull des Leaders ohne die Anforderung globalen Graphwissens zu gewährleisten.

Ursprüngliche Autoren: Mohammadreza Nematollahi, Khashayar Khorasani, Nader Meskin

Veröffentlicht 2026-06-26

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Mohammadreza Nematollahi, Khashayar Khorasani, Nader Meskin

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich einen Schwarm von Drohnen (die „Follower“) vor, die versuchen, innerhalb einer beweglichen, unsichtbaren Blase zu bleiben, die von ein paar Leitdrohnen (den „Leadern“) erzeugt wird. Das Ziel ist es, dass jeder Follower innerhalb der Grenzen dieser Blase bleibt, egal wie sich die Leader bewegen, drehen oder in ihrer Größe verändern.

Dieses Paper präsentiert eine neue Methode, um diese Drohnen zu steuern, damit sie zwei große Probleme bewältigen können:

Die geheimen Leader: Die Follower kennen nicht die geheimen Pläne der Leader, wie schnell diese sich bewegen oder einmal das exakte Flugmodell. Die Leader halten ihr „Playbook“ verborgen.
Die Saboteure: Einige Follower wurden in ihren Motoren gehackt. Ein böswilliger Akteur versucht, die Motoren zu täuschen, indem er sie in die falsche Richtung drängt, indem er gefälschte Daten nutzt oder auf die Bewegungen der Drohne reagiert.

So haben die Autoren dies gelöst, indem sie ein zweischichtiges „Command and Control“-System verwendeten:

Ebene 1: Der „Geisterpilot“ (Die Netzwerkschicht)

Stellen Sie sich dies als den Mannschaftskapitän vor, der mit den anderen Drohnen spricht.

Das Problem: Normalerweise muss ein Team, um zu koordinieren, genau wissen, wie sich der Leader bewegt. Aber hier sind die Geheimnisse der Leader verborgen.
Die Lösung: Der Kapitän versucht nicht, die geheime Mathematik des Leaders zu erraten. Stattdessen nutzt er ein cleveres, adaptives „Verhandlungsprotokoll“. Er kommuniziert nur mit seinen unmittelbaren Nachbarn (anderen Dronen) und den Leadern, die er sehen kann.
Wie es funktioniert: Er erstellt einen „virtuellen Befehl“ (einen Zielpunkt am Himmel) für jede Drohne. Selbst wenn die Leader sich unvorhersehbar bewegen und die Follower die Regeln nicht kennen, stellt diese Ebene sicher, dass die Zielpunkte für alle Follower schließlich in dieselbe bewegliche Blase wie die der Leader konvergieren.
Die Magie: Es muss nicht wissen, wie hoch die Geschwindigkeitslimits der Leader sind oder wie groß das Netzwerk ist. Es passt sich einfach an der Fliege an, wie eine Gruppe von Menschen, die sich im Dunkeln an den Händen hält und dem Zug der Person neben einem spürt, um zusammenzubleiben.

Ebene 2: Der „Bodyguard“ (Die lokale Erholungsschicht)

Stellen Sie sich dies als den persönlichen Leibwächter der Drohne vor, der zwischen den Befehlen des „Geisterpiloten“ und den tatsächlichen Motoren der Drohne sitzt.

Das Problem: Selbst wenn der „Geisterpilot“ einen perfekten Befehl gibt, könnte ein Hacker die Motoren der Drohne kompromittiert haben. Ein Hacker könnte gefälschte Signale einspeisen, die die Drohne dazu bringen, zu rotieren oder abzuweichen.
Die Lösung: Der Bodyguard beobachtet die tatsächliche Bewegung der Drohne und vergleicht sie mit dem, was sie basierend auf dem Befehl tun sollte.
Wie es funktioniert:
- Er verwendet einen „Virtuellen Aktuator“ (einen digitalen Schutzschild). Wenn der Hacker versucht, die Drohne vom Kurs abzubringen, berechnet der Bodyguard sofort eine Gegenkraft, um dies zu neutralisieren.
- Er bewältigt drei Arten von Angriffen:
  1. Zustandskorreliert: Der Hacker reagiert darauf, wo sich die Drohne befindet.
  2. Inputkorreliert: Der Hacker reagt auf die gesendeten Befehle.
  3. Exogen: Der Hacker sendet einfach nur zufälliges Rauschen.
- Entscheidend ist: Der Bodyguard benötigt nur die Position und die Geschwindigkeit der Drohne (partielle Daten). Er muss nicht die interne „Null-Dynamik“ (komplexe interne Physik) der Drohne sehen, was ihn einfacher zu bauen und schwerer für Hacker angreifbar macht.

Das Ergebnis: Ein „praktischer“ Sieg

Das Paper beweist mathematisch, dass dieses zweischichtige System funktioniert:

Die Befehle: Der „Geisterpilot“ stellt sicher, dass die Zielpunkte für die Drohnen perfekt innerhalb der Blase der Leader landen.
Die Realität: Da die Drohnen unterschiedliche physische Größen und Gewichte haben (sie sind „heterogen“) und da sich die Leader kontinuierlich bewegen, können die tatsächlichen physischen Drohnen den Zielpunkt nicht in jedem einzelnen Millisekunden-Intervall perfekt verfolgen.
Das Ergebnis: Die Drohnen bleiben mit einer winzigen, vorhersehbaren Fehlermarge innerhalb der Blase. Es ist wie bei einer Tanzgruppe, die einem Leittänzer folgt; sie mögen aufgrund ihrer eigenen Schuhgrößen ein paar Zentimeter von der perfekten Formation abweichen, aber sie bleiben in der Gruppe und stürzen nicht ab.

Der Simulationstest

Die Autoren testeten dies mit einer Gruppe von sechs Quadrocoptern, die schwere, schwingende Lasten (wie einen Kran) tragen.

Der Angriff: Zwei der Drohnen wurden gehackt. Eine Drohne erlitt einen moderaten Hack, und die andere einen schweren „Hijacking“-Versuch, bei dem der Hacker versuchte, die Drohne einem völlig anderen, wilden Pfad folgen zu lassen.
Das Ergebnis:
- Die gehackten Drohnen ignorierten die Befehle des Hackers erfolgreich.
- Die „Bodyguard“-Ebene neutralisierte die Angriffe.
- Die gesamte Gruppe blieb innerhalb der beweglichen Blase, die von den drei geheimen Leadern erzeugt wurde.
- Eine „nicht-resiliente“ Version (ohativ ohne den Bodyguard) versagte vollständig, wobei die gehackte Drohne tausende Meter weit von der Gruppe wegflog.

Kurz gesagt: Das Paper zeigt, wie ein Team von Robotern zusammenbleiben und einem geheimen Leader folgen kann, selbst wenn einige der Roboter in ihren Motoren gehackt wurden, indem es eine intelligente „Verhandlungs“-Schicht für das Team und eine „Bodyguard“-Schicht für jeden einzelnen Roboter verwendet.

Technische Zusammenfassung: Resiliente Ausgabeneingrenzung unter undurchsichtiger Leader-Dynamik und Aktuatorangriffen

Problemstellung
Diese Arbeit befasst sich mit dem Problem der resilienten Ausgabeneingrenzung (Output Containment) für heterogene lineare Multi-Agenten-Systeme (MAS), die über gerichtete Netzwerktopologien operieren. Das Ziel besteht darin, sicherzustellen, dass die physikalischen Ausgaben eines Netzwerks von Followern gegen die zeitvariable konvexe Hülle konvergieren, die von mehreren Leadern generiert wird. Das Problem wird durch zwei kritische Randbedingungen erschwert:

Undurchsichtige Leader-Dynamik: Die Leader erzeugen beschränkte, lokal absolut stetige Trajektorien, aber ihre dynamischen Modelle, Geschwindigkeitsgrenzen und Bewegungsenvelopen sind den Followern strengstens nicht bekannt. Dies verhindert die Verwendung standardmäßiger verteilter Beobachter-Designs, die auf der Rekonstruktion von Parametern des Leader-Exosystems beruhen.
Aktuator-Cyberangriffe: Die Follower unterliegen Aktuatorangriffen, die als Kombination aus zustands-korrelierten Angriffen, eingangs-korrelierten Angriffen und beschränkten exogenen Falschdaten-Injektionen modelliert werden. Diese Angriffe können die Ausführung von Containment-Befehlen korrumpieren und potenziell durch das Netzwerk propagieren.

Bestehende Lösungen weisen Limitationen auf: Verteilte Beobachter verletzen die Nicht-Offenlegungs-Beschränkungen; Sliding-Mode-Protokolle führen oft zu Chattering oder erfordern Vorabwissen über die Geschwindigkeitsgrenzen der Leader; und kontinuierliche adaptive Protokolle sind typischerweise auf ungerichtete Graphen beschränkt oder erfordern die Messung des vollständigen Zustands.

Methodik
Die Autoren schlagen eine kontinuierliche, zweischichtige adaptive Steuerungsarchitektur vor, die darauf ausgelegt ist, die netzwerkseitige Befehlserzeugung von der lokalen Ausführungsresilienz zu trennen.

Netzwerkschnittstellen-Schicht (Befehlserzeugung):
- Diese Schicht generiert Aufgabenraum-Befehle ( $\sigma_i$ ) unter Verwendung ausschließlich von über Nachbarn ausgetauschten Netzwerk-Schnittstellen-Zuständen und instantanen Leadersignalen (sofern verfügbar).
- Sie verwendet ein neuartiges adaptives Interaktionsprotokoll, das kein globales Graphwissen (z. B. Eigenwerte der Laplace-Matrix) für die Abstimmung benötigt und zudem keine Vorab-Informationen über Leader-Geschwindigkeiten oder Bewegungsenvelopen erfordert.
- Das Protokoll nutzt eine nichtglatte Lyapunov-Analyse, um die asymptotische Eingrenzung der Befehlszustände ( $\sigma_i$ ) an die konvexe Hülle der Leader zu beweisen, vorausgesetzt, der Graph enthält einen Leader-verwurzelten vereinheitlichten Spannbaum (united spanning tree).
Lokale virtuelle Aktuator-Wiederherstellungsschicht (Ausführungsresilienz):
- Diese Schicht stellt sicher, dass der physische Follower den generierten Befehl trotz Aktuatorangriffen verfolgt.
- Sie nutzt ein „virtuelles Aktuator“-Konzept, das einen Wiederherstellungsblock zwischen dem nominalen Controller und dem kompromittierten Aktuator einfügt.
- Das Design verwendet einen stabilen lokalen Befehlsfilter, um den Aufgabenraum-Befehl in die Dynamik des Followers einzubetten.
- Ein kontinuierliches adaptives Steuergesetz kompensiert Zustands-korrelierte, Eingangs-korrelierte und beschränkte exogene Angriffe. Entscheidend ist, dass dieser Wiederherstellungsmechanismus nur auf partiellen Zustandsmessungen (dem externen Normalform-Zustand $x_i$ ) basiert und die Notwendigkeit einer vollständigen Zustandsmessung (speziell des Zero-Dynamics-Zustands $\eta_i$ ) vermeidet.
- Die Stabilitätsanalyse verwendet eine nichtglatte Lyapunov-Funktion und Riccati-basierte Ungleichungen, um die asymptotische Konvergenz der lokalen Tracking-Fehler zu garantieren.

Wesentliche Beiträge

Kontinuierliches adaptives Protokoll für gerichtete Graphen: Die Arbeit schlägt ein kontinuierliches adaptives Protokoll vor, das eine asymptotische Befehlseingrenzung über allgemeine gerichtete, Leader-verwurzelte Graphen erreicht, ohne eine Rekonstruktion des Leader-Modells, bekannte Grenzen der Leader-Bewegung oder globale Graphparameter zu erfordern.
Nichtglatte Lyapunov-Analyse: Eine neuartige nichtglatte Lyapunov-Analyse wird eingesetzt, um asymptotische Ergebnisse für das vorgeschlagene Protokoll zu etablieren, wodurch die mit diskontinuierlichen Sliding-Mode-Controllern verbundenen Chattering-Probleme sowie die durch Boundary-Layer-Approximationen bedingten Beschränkungen der endlichen Boundedness vermieden werden.
Partieller Zustands-Virtueller-Aktuator-Wiederherstellung: Eine kontinuierliche adaptive virtuelle Aktuator-Wiederherstellungsschicht wurde entwickelt, die eine breite Klasse von Aktuatorangriffen (zustands-korreliert, eingangs-korreliert und exogen) unter Verwendung nur partieller Zustandsmessungen asymptotisch kompensiert. Dies steht im Gegensatz zu bestehenden Ergebnissen, die oft vollständige Zustandsmessungen für eine asymptotische Wiederherstellung erfordern.
Praktische Eingrenzung mit Residuenanalyse: Die Arbeit unterscheidet zwischen Befehls-Eingrenzung (asymptotisch) und physischer Ausgangs-Eingrenzung (praktisch). Sie liefert eine rigorose Charakterisierung des Residuenfehlers in den physischen Ausgängen, indem sie diesen auf die Diskrepanz zwischen dem beweglichen Befehl und dem stabilen lokalen Befehlsfilter zurückführt, statt auf ein Versagen des Containment-Protokolls.

Simulationsergebnisse
Die Architektur wurde mittels numerischer Simulationen validiert, die ein Netzwerk von sechs heterogenen Quadrotoren mit kabelfestgespannten Lasten (Vektor-Relativgrad [4,4]) und drei Leadern umfassten, die komplexe, sich bewegende, rotierende und in der Größe verändernde konvexe Hüllen generieren.

Angriffsszenario: Zwei Follower wurden massiven, anhaltenden Aktuatorangriffen ausgesetzt, die zustands-korrelierte, eingangs-korrelierte und exogene Komponenten kombinierten.
Leistung:
- Die Netzwerkschnittstelle steuerte die Befehlszustände ( $\sigma_i$ ) erfolgreich mit vernachlässigbarem Fehler ( $< 10^{-6}$ m relativ zum Hüllendurchmesser) zur konvexen Hülle der Leader.
- Die lokale Wiederherstellungsschicht hielt die Signale beschränkt und stellte sicher, dass die physischen Ausgaben innerhalb eines kleinen praktischen Residuums der konvexen Hülle blieben (maximaler Abstand $\approx 7,23$ m, oder $\approx 1\%$ des Hüllendurchmessers).
- Die dominante Quelle des physischen Residuums wurde als Realisierungsfehler des Befehlsfilters identifiziert (aufgrund der Unfähigkeit des stabilen Filters, beliebige bewegliche Befehle ohne höhere Ableitungen perfekt zu verfolgen), nicht als Fehler des Containment-Protokolls.
- Vergleiche mit einer nicht-resilienten Baseline zeigten, dass die vorgeschlagene Architektur effektiv aus Angriffen regenerierte, während die Baseline die Eingrenzung nicht aufrechterhalten konnte.

Bedeutung und Ansprüche
Das Paper beansprucht, eine Lücke in der Literatur bezüglich der kontinuierlichen, asymptotischen Eingrenzung für heterogene MAS unter undurchsichtiger Leader-Dynamik und Aktuatorangriffen zu schließen. Die Bedeutung liegt in der Fähigkeit:

Ohne sensible Informationen über das Leader-Modell zu operieren, was die Sicherheit gegen die Synthese von heimlichen Angriffen erhöht.
Resilienz gegen komplexe Aktuator-Kompromisse aufrechtzuerhalten, ohne auf diskontinuierliche Steuerungsaktionen angewiesen zu sein, die Chattering verursachen.
Eine asymptotische Konvergenz der Koordinationsschicht (Befehle) zu erreichen und gleichzeitig eine rigorose Grenze für die praktische Eingrennung der physikalischen Schicht bereitzustellen.

Die Autoren betonen, dass die physische Ausgangseingrenzung „praktisch“ (Konvergenz gegen ein Residuum) und nicht asymptotisch ist – eine Limitation, die der Informationsstruktur (Mangel an höheren Ableitungen des Befehls) und der Verwendung stabiler lokaler Filter innewohnt, und nicht ein Versagen der vorgeschlagenen Steuerungsstrategie darstellt. Die Arbeit zeigt, dass die Trennung der Netzwerkschnittstelle von der lokalen Ausführungsschicht die Aktuatorangriffe effektiv isoliert und deren Propagation zur Koordinationsschicht verhindert.

Ebene 1: Der „Geisterpilot“ (Die Netzwerkschicht)

Ebene 2: Der „Bodyguard“ (Die lokale Erholungsschicht)

Das Ergebnis: Ein „praktischer“ Sieg

Der Simulationstest

Mehr davon