Distributed Containment of a Compromised Agent through Repulsive Cages

तकनीकी सारांश: रिपल्सिव केज (Repulsive Cages) के माध्यम से एक समझौता किए गए एजेंट का वितरित नियंत्रण (Distributed Containment)

समस्या विवरण
यह शोध पत्र एक सहकारी बहु-एजेंट प्रणाली (जैसे कि UAV झुंड या मोबाइल-रोबोट बेड़े) के भीतर एक समझौता किए गए (compromised) एजेंट की सुरक्षा चुनौती को संबोधित करता है। यह परिदृश्य एक "हाइब्रिड" समझौते की धारणा रखता है: एक हमलावर ने एक एकल एजेंट (लक्ष्य/target) के उच्च-स्तरीय कमांड चैनल को हाईजैक कर लिया है, जिससे वे मनमाने मोशन सेटपॉइंट्स (motion setpoints) चुन सकते हैं, लेकिन एजेंट का निम्न-स्तरीय टकराव-बचाव (collision-avoidance) सुरक्षा स्तर बरकरार और सक्रिय रहता है। यह सुरक्षा स्तर, जो आमतौर पर हार्डवेयर या फर्मवेयर में लागू होता है, अन्य एजेंटों के सापेक्ष दूरियों के आधार पर प्रतिकर्षक बल (repulsive forces) उत्पन्न करता है और इसे हमलावर द्वारा अक्षम (disable) नहीं किया जा सकता है।

उद्देश्य एक वितरित नियंत्रण रणनीति डिजाइन करना है जिससे शेष "रक्षक" (defender) एजेंटों को प्रत्येक समय चरण (time step) पर लक्ष्य को एक निर्धारित स्वीकार्य क्षेत्र $\Omega_{k+1}$ के भीतर रखना सुनिश्चित हो सके, बावजूद इसके कि हमलावर सबसे खराब स्थिति वाले कमांड का चयन कर रहा हो। रक्षक सीधे लक्ष्य को कमांड नहीं दे सकते; इसके बजाय, उन्हें लक्ष्य की अनकंप्रोमाइज्ड निम्न-स्तरीय प्रतिकर्षक प्रतिक्रिया का लाभ उठाना होगा। रणनीतिक रूप से खुद को तैनात करके, रक्षक लक्ष्य पर कार्य करने वाले कुल प्रतिकर्षक क्षेत्र (aggregate repulsive field) को आकार देते हैं, प्रभावी रूप से लक्ष्य के अपने सुरक्षा तंत्रों का उपयोग एक अप्रत्यक्ष नियंत्रण चैनल के रूप में करते हैं।

कार्यप्रणाली (Methodology)
लेखक इस अंतःक्रिया को समय-परिवर्तनीय बाधाओं और वितरित सूचना के साथ एक ऑनलाइन स्टैकेलबर्ग गेम (Stackelberg game) के रूप में मॉडल करते हैं:

1. गेम संरचना: रक्षक 'लीडर' के रूप में कार्य करते हैं, जो एक ज्यामितीय विन्यास (geometric configuration) $y$ के लिए प्रतिबद्ध होते हैं (जो उनके उच्च-स्तरीय कमांड और निम्न-स्तरीय प्रतिकर्षक परत द्वारा प्रेरित होता है)। हमलावर एक 'फॉलोअर' के रूप में कार्य करता है, जो इस विन्यास का अवलोकन करता है और एक उच्च-स्तरीय कमांड $u_a$ चुनता है ताकि लक्ष्य को स्वीकार्य क्षेत्र से बाहर निकालने को अधिकतम किया जा सके।
2. ज्यामितीय लक्षण वर्णन: यह शोध पत्र एक मजबूत एक-चरण नियंत्रण (one-step containment) के लिए एक सटीक ज्यामितीय स्थिति व्युत्पन्न करता है। सपोर्ट फंक्शन्स और नॉर्मल कोन्स का उपयोग करते हुए, लेखक एक "रिपल्सिव केज" (repulsive cage) को परिभाषित करते हैं—एक ऐसा रक्षक विन्यास जो गारंटी देता है कि लक्ष्य सभी स्वीकार्य हमलावर कमांडों के विरुद्ध स्वीकार्य क्षेत्र के भीतर ही रहे। इसे एक दिशात्मक नियंत्रण मार्जिन $\ell_k(y; v)$ द्वारा अभिलक्षित किया जाता है, जहाँ मजबूत नियंत्रण तब बना रहता है जब सबसे खराब स्थिति वाला मार्जिन $c_k(y) \leq 0$ हो।
3. केंद्रीकृत ऑरेकल (Centralized Oracle): एक केंद्रीकृत स्टैकेलबर्ग ऑरेकल को एक बेंचमार्क के रूप में परिभाषित किया गया है जो एक लॉस फंक्शन को कम करता है, जिसमें सबसे खराब स्थिति का उल्लंघन, एक ट्रांसपोर्ट डेफिसिट (यदि गंतव्य की ओर ले जाना आवश्यक हो), और रक्षक गति एवं पृथक्करण के लिए एक रेगुलाइजेशन टर्म शामिल है।
4. वितरित कार्यान्वयन: चूंकि केंद्रीकृत ऑरेकल को वैश्विक जानकारी की आवश्यकता होती है, इसलिए लेखक एक पूर्णतः वितरित ऑनलाइन एल्गोरिदम प्रस्तावित करते हैं। यह दृष्टिकोण निम्नलिखित पर निर्भर करता है:
   • डायनेमिक एवरेज कंसेंसस (Dynamic Average Consensus): रक्षक टीम द्वारा उत्पन्न कुल प्रतिकर्षक क्षेत्र $g_k(y)$ का अनुमान लगाने के लिए स्थानीय संचार का उपयोग करते हैं।
   • एक्टिव-डायरेक्शन एप्रोक्सिमेशन (Active-Direction Approximation): दिशाओं पर आवश्यक नॉन-स्मूथ मैक्सिमाइजेशन को संभालने के लिए, रक्षक सबसे महत्वपूर्ण "सक्रिय" दिशा की पहचान करने के लिए एक सीमित दिशा डिक्शनरी (या एक ज्यामितीय प्रोजेक्शन नियम) पर एक कंसेंसस प्रक्रिया करते हैं।
   • प्रोजेक्टेड ग्रेडिएंट डिसेंट (Projected Gradient Descent): रक्षक अपने प्रेरित विन्यासों को लॉस फंक्शन के सबग्रेडिएंट के स्थानीय अनुमानों का उपयोग करके अपडेट करते हैं।

प्रमुख योगदान

• रिपल्सिव केज फ्रेमवर्क: यह शोध पत्र एक "रिपल्सिव केज" की अवधारणा पेश करता है, जो लक्ष्य के निम्न-स्तरीय प्रतिकर्षक प्रिमिटिव का लाभ उठाकर सभी हमलावर कमांडों के विरुद्ध नियंत्रण की गारंटी देने वाला रक्षकों का एक ज्यामितीय विन्यास है। यह मानक टकराव-बचाव तंत्रों को समझौता किए गए एजेंटों के लिए एक नियंत्रण चैनल के रूप में पुन: उपयोग करता है।
• सटीक ज्यामितीय लक्षण वर्णन: लेखक सपोर्ट फंक्शन्स का उपयोग करके एक मजबूत एक-चरण नियंत्रण स्थितियों का एक कठोर व्युत्पन्न प्रदान करते हैं, जो सबसे खराब स्थिति के उल्लंघन और एक दिशात्मक मार्जिन के बीच समानता स्थापित करता है।
• वितरित ऑनलाइन स्टैकेलबर्ग नियंत्रण: यह कार्य एक समझौता किए गए एजेंट को नियंत्रित करने के कार्य को एक ऑनलाइन स्टैकेलबर्ग गेम के रूप में तैयार करता है और केवल स्थानीय सेंसिंग और संचार का उपयोग करके केंद्रीकृत ऑरेकल को ट्रैक करने के लिए एक वितरित एल्गोरिदम विकसित करता है।
• डायनेमिक रिग्रेट विश्लेषण: शोध पत्र एक डायनेमिक-रिग्रेट बाउंड (dynamic-regret bounds) सिद्ध करता है। यह वितरित नीति और केंद्रीकृत ऑरेकल के बीच प्रदर्शन अंतर को मात्रात्मक रूप से निर्धारित करता है, जो नेटवर्क-प्रेरित अनुमान त्रुटियों, दिशा-सहमति अनुमानों और इष्टतम समाधान की अस्थायी परिवर्तनशीलता को स्पष्ट रूप से ध्यान में रखता है।

परिणाम

• सैद्धांतिक गारंटी: सैद्धांतिक विश्लेषण प्रदर्शित करता है कि वितरित एल्गोरिदम विशिष्ट शर्तों के तहत (ऑरेकल के पथ परिवर्तन और कुल क्षेत्र के परिवर्तन के संबंध में) सबलीनियर डायनेमिक रिग्रेट ($Reg_T = o(T)$) और सबलीनियर संचयी नियंत्रण उल्लंघन ($V^\Psi_T = o(T)$) प्राप्त करता है।
• सिमुलेशन सत्यापन: 2D वातावरण में एक हाइजैक किए गए लक्ष्य के साथ 5-डिफेंडर झुंड के सिमुलेशन दृष्टिकोण को मान्य करते हैं। परिणाम दिखाते हैं कि वितरित नियंत्रक (एक्टिव-डायरल कंसेंसस और एक सस्ते प्रोजेक्शन नियम दोनों का उपयोग करते हुए) केंद्रीकृत ऑरेकल के प्रदर्शन को सफलतापूर्वक ट्रैक करते हैं, कम तात्कालिक और संचयी रिग्रेट बनाए रखते हुए लक्ष्य को स्वीकार्य क्षेत्र के भीतर रखते हैं।

महत्व और दावे
यह शोध पत्र दावा करता है कि यह लचीले समन्वय (resilient coordination) के लिए एक नया दृष्टिकोण प्रदान करता है जो समझौता किए गए एजेंट का पता लगाने या उसे अलग करने पर निर्भर नहीं है, जो सुरक्षा-महत्वपूर्ण, वास्तविक समय के परिदृश्यों में कठिन हो सकता है। इसके बजाय, यह एक संरचनात्मक गुण का लाभ उठाता जो स्वायत्त प्लेटफार्मों में सामान्य है: उच्च-स्तरीय समझौते के बावजूद निम्न-स्तरीय सुरक्षा परतों की निरंतरता।

लेखक अपने कार्य को मौजूदा "इनडायरेक्ट हर्डिंग" (जैसे कि StringNet) साहित्य से भिन्न बताते हैं, जो बाहरी हमलावर झुंडों के बजाय एक एकल आंतरिक हाइजैक किए गए एजेंट (सबसे खराब स्थिति वाले कमांड के साथ) पर ध्यान केंद्रित करता है, और स्थिर स्थिरता गारंटी के बजाय एक समय-परिवर्तनीय ऑरेकल के विरुद्ध डायनेमिक-रिग्रेट गारंटी प्रदान करता है। इसका महत्व समझौता किए गए एजेंटों को नियंत्रित करने के लिए एक गणितीय रूप से कठोर, वितरित ढांचे को प्रदान करने में निहित है, जो उनके अपने सुरक्षा तंत्रों को उनके विरुद्ध मोड़कर सुरक्षा सुनिश्चित करता है, बिना समझौता किए गए यूनिट पर पूर्ण नियंत्रण की आवश्यकता के।