反馈中的隐私：差分隐私LQG

信息物理系统（CPSs）中通信的信息通常用于确定此类系统的物理状态，恶意对手可能截获这些通信以推断CPS或其组件的未来状态。因此，需要保护系统的状态值。最近，差分隐私的概念已被用于保护动态系统中的状态轨迹，我们在此使用这一隐私概念来保护CPS的状态轨迹。我们引入一台云计算机来协调组成相关CPS的智能体，云提供了远程协调多个智能体、快速执行计算并广播结果的能力，使其自然适用于具有许多交互智能体或组件的系统。为了追求广泛适用性，我们求解了无限时域线性二次型调节器（LQR）问题，每个智能体通过在其状态发送到云之前向状态添加噪声来保护自己的状态轨迹。然后，云使用这些状态值为智能体生成最优输入。结果，私有数据在每个迭代中被反馈到反馈回路中，每个噪声项影响每个智能体的每个未来状态。在本文中，我们证明了差分隐私LQR问题可以与已得到充分研究的线性二次型高斯（LQG）问题相关联，并给出了智能体隐私要求如何影响云为智能体生成最优反馈控制值的界限。这些结果通过数值模拟进行了说明。