差分隐私集群控制器

隐私近全面保护

引入受控噪声的拉普拉斯机制，在实现集群的同时掩盖个体聚合能力，对抗全知观察者。

Zhang, Shuai · 黄云轲 · Li, Weizi · 潘佳

IEEE Transactions on Automation Science and Engineering 2025

参数信息

隐私阈值下限

≤0.13

隐私阈值上限

≥0.85

技术优势

无需显式通信

机器人仅凭自身传感器分布式感知邻居状态，避免了公开信道中的信息泄露。

无法被全知对手识破

即使对手完全掌握集群构型，也无法从运动轨迹中学习个体敏感信息。

参数可调，隐私可量化

通过调节差分隐私参数 ε，可在隐私保护和集群性能之间取得平衡。

应用场景

• 隐私保护集群机器人：在需要隐私保护的集群任务中防止敏感信息泄露。
• 自主系统安全：增强自主系统对抗行为观察攻击的能力。
• 安全集群控制：实现不依赖显式通信的安全集群控制。