应对坏苹果：基于测距的鲁棒网络定位的分布式松弛方法

真实世界的网络应用必须应对故障节点、恶意攻击或某种面临损坏数据的节点——归类为离群值。一个支持性应用是网络节点的地理定位。然而，尽管在网络定位问题上有出色的研究，先前研究很少考虑离群数据——即使现在已部署的网络迫切需要鲁棒程序。我们提出鲁棒、快速且分布式的网络定位算法，对高功率噪声有弹性，同时在常规高斯噪声下也精确。我们使用Huber M估计量作为估计节点距离与噪声距离测量值之间的差异度量，从而得到一个鲁棒（但非凸）优化问题。然后我们设计了一个可在多项式时间内求解的凸下估计量，且在节点间项上紧。我们还提供了该凸下估计量的最优性界。我们提出了一种由范数构成的Huber函数的新表示，使得分布式鲁棒定位算法能够最小化所提出的下估计量。同步分布式方法具有最优收敛速率，异步方法在给定精度下有限时间收敛。我们贡献的主要亮点在于，我们在分布式计算中没有付出精度、通信成本或收敛速度方面的代价。仿真显示了我们使用所提算法的优势，无论在离群值存在下还是常规高斯噪声下：我们的方法在边长为1Km的区域内比基于L1范数的另一种鲁棒方法精度至少高出100m。