Distributed Containment of a Compromised Agent through Repulsive Cages

技術要約：反発ケージによる乗っ取られたエージェントの分散型封じ込め

問題提起
本論文は、協調型マルチエージェントシステム（UAVスウォームや移動ロボット艦隊など）における、乗っ取られたエージェントというセキュリティ上の課題に対処するものである。想定されるシナリオは「ハイブリッド」な乗っ取りである。すなわち、攻撃者が単一のエージェント（ターゲット）の高レベルコマンドチャネルをハイジャックし、任意の運動目標値を選択できる一方で、そのエージェントの低レベル衝突回避安全レイヤーは無傷で動作し続けている状態である。この安全レイヤーは通常、ハードウェアまたはファームウェアとして実装されており、他のエージェントとの相対距離に基づいて反発力を生成するもので、攻撃者によって無効化することはできない。

目的は、残りの「防御側」エージェントのための分散型制御戦略を設計し、最悪のケースのコマンド選択が行われる場合でも、許容される領域 $\Omega_{k+1}$ 内にターゲットを毎ステップ維持することである。防御側はターゲットを直接指示することはできない。その代わりに、ターゲットの改ざんされていない低レベル反発応答を利用しなければならない。防御側は戦略的に自らの位置を調整することで、ターゲットに作用する総和としての反発場を形成し、ターゲット自身の安全メカニズムを間接的な駆動チャネルとして利用する。

手法
著者らは、この相互作用を、時変制約および分散情報を伴うオンライン・スタッケルベルグ・ゲームとしてモデル化している。

1. ゲーム構造: 防御側はリーダーとして行動し、高レベルコマンドと低レベル反発レイヤーによって誘発される幾何学的構成 $y$ を決定する。攻撃者はフォロワーとして行動し、この構成を観察した後、ターゲットが許容領域から脱出することを最大化するように高レベルコマンド $u_a$ を選択する。
2. 幾何学的特性: 本論文では、堅牢な一ステップの封じ込めのための正確な幾何学的条件を導出している。サポート関数と法錐（normal cones）を用いることで、著者らは「反発ケージ（repulsive cage）」、すなわち、あらゆる許容可能な攻撃者コマンドに対してターゲットが許容領域内に留まることを保証する防御側の構成を定義している。これは、方向的な封じ込めマージン $\ell_k(y; v)$ によって特徴付けられ、最悪のケースのマージン $c_k(y) \leq 0$ である場合に、堅牢な封じ込めが成立する。
3. 中央集権型オラクル: 中央集権的なスタッケルベルグ・オラクルをベンチマークとして定義する。これは、最悪のケースの封じ込め違反、輸送欠損（目的地への誘導が必要な場合）、および防御側の運動と分離に関する正則化項からなる損失関数を最小化する。
4. 分散実装: 中央集権型オラクルはグローバルな情報を必要とするため、著者らは完全分散型のオンラインアルゴリズムを提案している。このアプローチは以下に基づいている：
   • 動的平均合意: 防御側は、ローカルな通信を用いて、チームによって生成される総和の反発場 $g_k(y)$ を推定する。
   • 能動方向近似: 最悪のケースの解析に必要な非平滑な方向に関する最大化問題を扱うため、防御側は有限の方向ディクショナリに対する合意ルーチンを実行するか、あるいは幾何学的射影ルールを使用して、最もクリティカルな「能動的」方向を特定する。
   • 射影勾配降下法: 防御側は、損失関数の劣勾配のローカルな推定値を用いて、誘発された構成を更新する。

主な貢献

• 反発ケージのフレームワーク: 本論文は、「反発ケージ」という概念を導入している。これは、ターゲットの低レベル反発プリミティブを利用することで、あらゆる攻撃者コマンドに対して封じ込めを保証する防御側の幾何学的構成である。これにより、標準的な衝突回避メカニズムを、乗っ取られたエージェントに対する制御チャネルへと転用している。
• 正確な幾何学的特性化: 著者らは、サポート関数を用いて、堅牢な一ステップの封じ込め条件の厳密な導出を行い、最悪のケースの違反と方向的マージンの間の等価性を確立している。
• 分散型オンライン・スタッケルベルグ制御: 本研究は、封じ込めタスクをオンライン・スタッケルベルグ・ゲームとして定式化し、ローカルなセンシングと通信のみを用いて中央集権型オラクルを追跡する分散アルゴリズムを開発している。
• 動的リグレット分析: 著者らは、分散アルゴリズムの劣線形動的リグレット境界を証明している。これにより、分散ポリシーと中央集権型オラクルとの性能差を定量化しており、ネットワークに起因する推定誤差、方向一致の近似、および最適解の経時的変動を明示的に考慮している。

結果

• 理論的保証: 理論的解析により、オラクルの経路変動および総和場の変動に関する特定の条件下において、分散アルゴリズムが劣線形動的リグレット ($Reg_T = o(T)$) および劣線形累積封じ込め違反 ($V^\Psi_T = o(T)$) を達成することが示されている。
• シミュレーションによる検証: 2D環境における5台の防御側スウォームと、乗っ取られたターゲットを用いたシミュレーションにより、本アプローチを検証している。結果として、分散型コントローラ（能動方向合意と、より安価な射影ルールを使用した場合の両方）は、中央集権型オラクルの性能を正常に追跡し、低い瞬間的および累積的リグレットを維持しながら、ターゲットを許容領域内に保持することを示している。

意義と主張
本論文は、乗っ取られたエージェントの検知や隔離に依存しない、レジリエントな協調のための新しいアプローチを提供すると主張している。これらは、安全性に関わるリアルタイムのシナリオにおいては困難な場合が多い。代わりに、自律プラットフォームに共通する構造的特性、すなわち、高レベルの乗っ取りが発生しても低レベルの安全レイヤーは存続するという性質を利用している。

著者らは、本研究を既存の「間接的なハーディング（indirect herding）」（例：StringNet）とは異なるものとして位置付けている。それは、外部の敵対的スウォームではなく、内部の単一の乗っ取られたエージェントと最悪のケースのコマンドに焦点を当てている点、および、静的な安定性保証ではなく、時変のオラクルに対する動的リグレット保証を提供している点においてである。本研究の意義は、乗っ取られたユニットの完全な制御を必要とせずに、彼ら自身の安全メカニズムを逆手に取ることで、乗っ取られたエージェントを封じ込めるための数学的に厳密な分散フレームワークを提供したことにある。