线性多主体系统的基于观测器的差分隐私一致性

本文研究了基于输出反馈协议的一般线性多主体系统 (MASs) 的差分隐私一致性问题。为保护视为私有数据且可能面临高风险暴露的输出信息，在信息交换中添加拉普拉斯噪声。使用背向步骤方法和非负几乎亚鞅收敛理论，建立了实现 MASs 中均方和几乎sure 一致性的条件。证明了线性 MASs 带有衰减拉普拉斯噪声的一致性问题中分离原理仍然有效。此外，提供了收敛速率。随后，开发了用于状态估计增益、反馈控制增益和噪声的联合设计框架，以确保 $\epsilon$ -差分隐私的保存。证明每个 agent 的输出信息在每个时间步都受到保护。最后，建立了利用全顺序和简化顺序观测器同时实现线性 MASs 的一致性和差分隐私保护的充分条件。同时，实现满足所需隐私水平的 $\epsilon$ -差分隐私一致性。提供了两个仿真示例以验证理论结果。