基于仿射掩蔽的隐私保护非线性云模型预测控制

随着5G技术的出现带来了增强的通信可靠性和超低延迟，人们重新对采用云计算来执行高性能但计算昂贵的控制方案（如非线性模型预测控制（MPC））产生兴趣。然而，这种基于云的控制方案需要被控对象（智能体）与云之间的数据共享，这引发了隐私问题。这是因为系统状态和控制输入等隐私敏感信息必须发送至/接收自云，从而可能泄露给攻击者用于各种恶意活动。在本文中，我们开发了一种简单而有效的仿射掩蔽策略，用于隐私保护非线性MPC。具体而言，我们考虑外部窃听者或诚实但好奇的云服务器，它们窃听通信信道并意图推断被控对象的信息，包括状态信息和控制输入。设计了一种基于仿射变换的隐私保护机制来掩蔽真实状态和控制信号，同时将原始MPC问题重新表述为不同但等价的形式。我们表明，所提出的隐私方案不影响MPC性能，并且保护了被控对象的隐私，使得窃听者无法识别私有状态和输入信号的实际值，甚至无法估计其粗略范围。所提方法被进一步扩展，以在基于云的输出反馈MPC中实现隐私保护。通过仿真验证了所开发方法的有效性。