CISF：基于共识的信息共享框架，用于确保无人机群在灾害响应中的强大一致性和稳定性

《Computer Communications》：CISF: Consensus-based Information Sharing Framework for robust consistency in UAVs swarm disaster response

多无人机灾害响应中的拜占庭容错与动态信息一致性保障研究

　　

Xuefeng Du|Yanqi Cheng|Li Yin|Ning Tong|Fengqiang Xu|Fengqi Li

大连交通大学机械工程学院，中国大连116028

摘要

在灾害响应场景中，分布式无人机（UAV）群由于网络不稳定、通信延迟和潜在的拜占庭故障，面临保持实时信息一致性的重大挑战。传统方法往往无法在这种动态和对抗性条件下平衡容错性、通信延迟和任务执行效率。本文提出了基于共识的信息共享框架（CISF），这是一种专门为确保动态灾害环境中的信息一致性而设计的新型解决方案。CISF结合了分层并行拜占庭容错（SPBFT）机制——通过动态能力-声誉评估模型进行优化——以及基于改进的Cuckoo搜索算法的多轮搜索和巡逻模型（MSPM）。MSPM采用多目标适应度函数来共同优化时间效率、空间覆盖范围和任务优先级，从而实现全面的区域探索和持续的信息验证。理论分析得出了CISF的最佳层次比例和最大容错阈值。仿真结果显示，在拜占庭干扰下，CISF保持了93.8%的一致性，并将共识延迟降低了多达56.2%，同时在高度动态的环境中仍然有效。总体而言，本研究为易受干扰的无人机网络中实现实时、容错的信息一致性建立了一个强大且高效的框架，为未来的基于群体的灾害响应系统提供了广泛的应用前景。

引言

近年来，群体智能与物联网（IoT）的整合为灾害响应应用开辟了新的途径[1]。通过利用多智能体系统（MAS）的自组织和自适应能力，大规模的无人机（UAV）、地面机器人和自主传感器集群可以在危险环境中快速协调搜索、救援和评估操作[2]。然而，尽管技术取得了显著进步，但在群体成员之间确保信息的一致性仍然是一个基本挑战。

现有的基于群体的信息一致性机制通常在通信渠道稳定和节点正常运行的理想化假设下运行[3]。在灾害场景中，这些假设显得非常不充分，因为通信基础设施经常受损，单个节点容易发生故障、能量耗尽或受到环境干扰[4]。更严重的是，受损节点可能会表现出恶意行为，将损坏的信息注入系统[5]。为良性环境设计的传统共识算法在高风险、动态的灾害条件下使用时会显著恶化，给当前的基于群体的灾害响应系统带来重大漏洞。

例如，在地震后的城市搜索和救援操作中，由于无线连接不稳定和部分节点故障，自主无人机在标准信息共享协议下的态势感知能力下降[6]。这导致了严重的效率低下，因为无人机根据过时或错误的信息做出决策，导致已经检查过的区域被重复探索，而其他区域仍未被检查，同时错误地识别了对无人机和幸存者构成威胁的结构风险[7]。

为了解决这一根本挑战，我们正式定义了基于群体的灾害响应中的鲁棒一致性问题（RCSBDR）。RCSBDR要求群体系统即使在节点故障、通信异常和潜在恶意参与者的存在下也能保持可靠的信息共享和达成可靠的共识。这个问题超越了传统的一致性挑战，结合了应急响应场景的独特操作需求和约束[8]。

解决RCSBDR问题面临几个主要的技术挑战。首先，灾害环境中节点和通信链接的高度动态性使得传统共识算法失效，因为这些算法通常假设网络拓扑相对稳定[9]。随着网络规模的扩大，通信开销呈多项式增长，从而削弱了实时响应能力。其次，由于存在受损节点，强大的容错性至关重要，以确保系统即使在参与者故意传播错误信息的情况下也能达成共识[10]。第三，灾害响应操作受到能源、带宽和计算能力等有限资源的限制，需要轻量级但有效的算法[11]。第四，实现全面区域覆盖需要大量的时间开销，而灾害条件的动态演变要求持续验证和及时的态势更新[12]。这些时间敏感的要求需要快速达成共识。

为了克服这些挑战，本文引入了CISF，如图1所示，它采用分层并行容错共识算法来确保分布式信息的一致性，同时减少通信开销。此外，MSPM通过共识验证的多轮扫描和验证过程动态更新灾害区域信息。总之，本文的主要贡献如下：

（1）据作者所知，这是第一项仅通过共识机制解决动态灾害场景中感知信息一致性的研究。我们首先提出了一种高效的容错解决方案，用于分布式无人机群的感知，通过动态巡逻策略更新灾害区域信息。该解决方案为动态灾害环境中实现信息一致性提供了一种通用方法，适用于通信不稳定和易受干扰的场景。

（2）我们通过引入基于能力-声誉阈值评估的结构化层次处理方法，创新性地增强了分层并行容错共识算法SPBFT。这种改进降低了通信复杂性，同时提高了系统的容错性。此外，我们对该系统进行了建模，以确定最佳层次比例，提供了一个平衡效率和容错性的基准解决方案，从而解决了大规模节点环境中的可扩展性挑战。

（3）此外，我们提出了一种多轮搜索巡逻更新方案（MSPM），通过改进的Cuckoo搜索算法适应基准解决方案所需的信息供应。该方案适应区域分布特性，并适应轻量级的空中资源限制，在多轮更新中表现出强大的性能。

相关工作

相关工作

在本节中，我们回顾了与基于群体的灾害响应系统、对抗条件下的分布式共识机制以及多智能体系统中的信任管理相关的文献。为了系统地定位我们的CISF框架，我们将调查范围扩展到包括最近在分层和增强信任的BFT协议方面的发展，特别是那些适用于灾害场景下无人机群等高度动态环境的协议。

系统模型

所提出系统的整体框架如图2所示。灾害事件发生后，部署了一群无人机（UAV）对受影响区域进行全面调查，高效的任务分配对操作成功至关重要。推荐的划分策略将每架无人机分配到特定的子区域进行扫描和初步数据处理。然后，无人机在各自的子区域内整合收集的信息并广播

理论分析

在本节中，我们分析了最大容错能力、CSIF的最佳分层比例以及通信复杂性证明

仿真实验与评估

在本节中，我们使用基于共识的信息共享框架（CISF）对一个基本灾害场景进行案例研究，以验证所提出方法的有效性。

CISF的优势和贡献

CISF框架在基于无人机的群体灾害响应场景中提供了几个明显的优势，相比传统的集中式和现有的分布式方法。

结论与未来工作

本文解决了在灾害环境中运行的分布式无人机群中的信息一致性挑战，并提出了CISF框架来解决这一挑战。我们首先分析了信息不一致性问题，并将其形式化为一个分布式容错共识一致性问题。为了解决这个问题，我们引入了两项关键创新：（1）分层并行拜占庭容错（SPBFT）和（2）多轮搜索巡逻模型（MSPM）。理论

CRediT作者贡献声明

Xuefeng Du：撰写——原始草稿、可视化、软件、数据整理。Yanqi Cheng：验证、调查、形式分析。Li Yin：可视化、验证、软件。Ning Tong：监督、资源管理。Fengqiang Xu：撰写——审稿与编辑、监督、资源管理。Fengqi Li：项目管理、方法论、资金获取、概念化。

利益冲突声明

作者声明以下可能被视为潜在利益冲突的财务利益/个人关系：Fengqi Li报告称获得了辽宁省人工智能领域的科技创新项目的财务支持。Ning Tong报告称获得了辽宁省应用基础研究计划的财务支持。Ning Tong报告称获得了辽宁省基础研究项目的财务支持。