智能群体遭遇网络攻击时如何保持默契？

2026-07-22

在现代科技应用中，多智能体系统（Multiagent Systems, 简称 MAS）无处不在。从协同防御系统、智能机器人，到交通控制以及电力系统，这些由多个个体组成的网络都依赖一种核心机制运作：一致性（Consensus）。简单来说，一致性就是通过一套控制法则，让系统内所有成员的状态最终收敛到同一个目标值，从而实现完美的协作。

然而，现实的网络环境充满了不可预知的风险，恶意的网络攻击会轻易破坏智能体之间的通信通道，进而摧毁整个系统的稳定性。其中最典型的就是拒绝服务攻击（DoS 攻击），它可以通过信息阻塞使得整个系统陷入瘫痪。在网络断断续续的情况下，智能系统如何才能继续保持默契呢？

为了应对 DoS 攻击，科学家们通常会采用周期性采样控制，或是一种被称为“集中的事件触发控制（ETC）”的方法。虽然这些方法起到了一定作用，但也存在显著的缺陷：

资源浪费： 它们会大量消耗极其有限的网络带宽和系统资源。
隐私风险： 过去的触发机制大多是基于“状态测量误差”设计的。意味着每个智能体需要连续不断地进行通信和采样，并在触发瞬间向周围的邻居共享自己的控制输入信息，这从安全角度来看带来了极大的隐私泄露隐患。

针对上述痛点，研究人员提出了一套全新的分布式事件触发控制策略：

基于链路的状态估计器： 智能体不需要连续获取周围同伴的绝对状态，而是通过数学模型在间歇性的通信中去“预测”和“估计”相邻节点之间的相对状态。
创新的触发条件： 新方案没有采用传统的“状态测量误差”，而是将触发条件建立在控制输入信号上。这样一来，系统彻底摆脱了对连续采样的依赖，同时通过减少敏感信息的相互传递，极大地保护了各个智能体的隐私。

在实际应用中，网络攻击往往是出其不意的。因此，该研究探讨了一种贴近现实的未知攻击策略模型：DoS 攻击被设定为基于时间序列发生，且发生频率和持续时间毫无规律（非周期性），攻击策略完全未知。正如论文中图1和图2所示，整个系统的时间轴被形象地划分为红色的“通信区域”（没有攻击者，网络畅通）和蓝色的“攻击区域”（攻击者介入，通信中断）。研究表明，只要这种未知攻击的频率和持续时长满足一定的客观条件，系统就依然能够实现安全的一致性协作。

为了验证这套算法的有效性，研究团队构建了由4个智能体组成的网络（拓扑结构参见图3），并对其进行了数值仿真。在这个模拟环境中，系统遭遇了毫无规律的 DoS 攻击（图4中的黑色条块即代表网络瘫痪的攻击区域）。实验结果客观地展现了该算法的各项优势：

按需通信，节约资源： 观察图5（三个智能体的触发瞬间）和图7（节点间边缘的触发条件演变），可以发现智能体只有在自身或者邻居满足特定触发条件时，才会进行动作和信息同步。这证明了系统有效规避了无意义的频繁通信。
完美达成一致： 图8展示了4个智能体的状态演变轨迹。尽管网络屡次中断，但在新控制方案的引导下，所有节点最终都汇聚到了同一个状态，顺利实现了系统协同。
收敛速度更优： 研究人员还将新方法与现有的一些方法进行了对比。图9可以看出基于新算法（曲线A）的系统误差下降速度，明显快于基于传统状态测量误差的方法（曲线B）。
排除“死机”隐患： 从数学和实验层面，该研究均证明了系统存在正的最小触发时间间隔，彻底排除了 “芝诺现象（Zeno phenomenon，即在有限时间内发生无限次触发导致系统崩溃的理论风险）”。