[發(fā)明專(zhuān)利]基于隱私信息加密學(xué)習(xí)的多智能體圖博弈納什均衡方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202111340301.5
• 申請(qǐng)日: 2021-11-12
• 公開(kāi)（公告）號(hào): CN114282703A
• 公開(kāi)（公告）日: 2022-04-05
• 發(fā)明（設(shè)計(jì)）人: 張紀(jì)峰;張坤;康宇;趙延龍;呂文君
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中國(guó)科學(xué)院數(shù)學(xué)與系統(tǒng)科學(xué)研究院;中國(guó)科學(xué)技術(shù)大學(xué)
• 主分類(lèi)號(hào): G06Q10/04
• 分類(lèi)號(hào): G06Q10/04;G06Q10/06;G06F21/62;G06F21/60;G06F17/16
• 代理公司: 合肥天明專(zhuān)利事務(wù)所(普通合伙) 34115
• 代理人: 金凱

1.一種基于隱私信息加密學(xué)習(xí)的多智能體圖博弈納什均衡方法，其特征在于，包括：

將分布式零和博弈的整體性能指標(biāo)分解為一組局部性能指標(biāo)，并得到一對(duì)耦合的最優(yōu)控制增益；

在網(wǎng)絡(luò)層中，基于所述一對(duì)耦合的最優(yōu)控制增益和所述一組局部性能指標(biāo)進(jìn)行迭代處理，并在迭代過(guò)程進(jìn)行在線隱私加密，得到加密數(shù)據(jù)；

將所述加密數(shù)據(jù)傳輸至物理層并進(jìn)行解密，得到所述一組局部性能指標(biāo)的整體納什均衡，以控制操作物理層。

2.如權(quán)利要求1所述的基于隱私信息加密學(xué)習(xí)的多智能體圖博弈納什均衡方法，其特征在于，所述分布式零和博弈的整體性能指標(biāo)包括N+1個(gè)相互連接的智能體，所述將分布式零和博弈的整體性能指標(biāo)分解為一組局部性能指標(biāo)，并得到一對(duì)耦合的最優(yōu)控制增益，包括：

定義節(jié)點(diǎn)i的局部性能指標(biāo)，并根據(jù)節(jié)點(diǎn)i的局部性能指標(biāo)，將所述整體性能指標(biāo)分解為所述一組局部性能指標(biāo)；

在所述整體納什均衡存在且唯一時(shí)，確定所述一對(duì)耦合的最優(yōu)控制增益滿足：

其中，為所述整體那什均衡的解，為最優(yōu)控制輸入增益，為最優(yōu)擾動(dòng)輸入增益，λ_i為拉普拉斯矩陣除0以外的第i個(gè)特征值，N為跟隨智能體個(gè)數(shù)，B為控制輸入矩陣，D為干擾輸入矩陣，A為系統(tǒng)狀態(tài)矩陣，μ為數(shù)據(jù)丟包變量的均值，P_i為第i個(gè)性能指標(biāo)參數(shù)矩陣，S為效用函數(shù)參數(shù)，T表示矩陣轉(zhuǎn)置，η為系統(tǒng)的L₂增益參數(shù)。

3.如權(quán)利要求2所述的基于隱私信息加密學(xué)習(xí)的多智能體圖博弈納什均衡方法，其特征在于，所述節(jié)點(diǎn)i的局部性能指標(biāo)的表示公式為：

其中，ξ_i(t)為一致性狀態(tài)，I為單位矩陣，K₁為控制輸入增益，K₂為擾動(dòng)輸入增益。

4.如權(quán)利要求3所述的基于隱私信息加密學(xué)習(xí)的多智能體圖博弈納什均衡方法，其特征在于，所述在網(wǎng)絡(luò)層中，基于所述一對(duì)耦合的最優(yōu)控制增益和所述一組局部性能指標(biāo)進(jìn)行迭代處理，并在迭代過(guò)程進(jìn)行在線隱私加密，得到加密數(shù)據(jù)，包括：

在所述網(wǎng)絡(luò)層中，將所述節(jié)點(diǎn)i的局部性能指標(biāo)的表示公式向量化表示為：

其中，矩陣矩陣Y_i(t)是實(shí)踐中的測(cè)量效用值，是直接關(guān)于狀態(tài)的向量；

采用Paillier的加密方法對(duì)矩陣和矩陣進(jìn)行加密，得到加密數(shù)據(jù)。

5.如權(quán)利要求4所述的基于隱私信息加密學(xué)習(xí)的多智能體圖博弈納什均衡方法，其特征在于，所述采用Paillier的加密方法對(duì)矩陣和矩陣進(jìn)行加密，得到加密數(shù)據(jù)，包括：

對(duì)所述矩陣和所述矩陣使用平衡因子量化為整數(shù)參數(shù)矩陣和

重置參數(shù)將所述矩陣和所述矩陣重置為正整數(shù)參數(shù)矩陣和其中，代表所述矩陣和所述矩陣中的所有參數(shù)的集合，N_θ＝2θ_m+1是重置參數(shù)，

采用所述Paillier的加密方法對(duì)所述正整數(shù)參數(shù)矩陣和進(jìn)行加密，得到所述加密數(shù)據(jù)。

6.如權(quán)利要求5所述的基于隱私信息加密學(xué)習(xí)的多智能體圖博弈納什均衡方法，其特征在于，所述采用所述Paillier的加密方法對(duì)所述正整數(shù)參數(shù)矩陣和進(jìn)行加密，得到所述加密數(shù)據(jù)，具體為采用可加-可乘屬性對(duì)其所述正整數(shù)參數(shù)矩陣和中的參數(shù)進(jìn)行加密，公式表示為：

其中，參數(shù)正整數(shù)參數(shù)為解密操作，為加密操作，κ_p為公鑰，κ_s為私鑰，為加密數(shù)據(jù)運(yùn)算符；

其中，

7.一種基于隱私信息加密學(xué)習(xí)的多智能體圖博弈納什均衡系統(tǒng)，其特征在于，包括：

性能指標(biāo)分解模塊，用于將分布式零和博弈的整體性能指標(biāo)分解為一組局部性能指標(biāo)，并得到一對(duì)耦合的最優(yōu)控制增益；

迭代加密模塊，用于在網(wǎng)絡(luò)層中，基于所述一對(duì)耦合的最優(yōu)控制增益和所述一組局部性能指標(biāo)進(jìn)行迭代處理，并在迭代過(guò)程進(jìn)行在線隱私加密，得到加密數(shù)據(jù)；

解密模塊，用于將所述加密數(shù)據(jù)傳輸至物理層并進(jìn)行解密，得到所述一組局部性能指標(biāo)的整體納什均衡，以控制操作物理層。