Search
E-mail
RSS

Journal of Cybersecurity >

2025 , Vol. 3 >Issue 2: 41 - 48

DOI: https://doi.org/10.20172/j.issn.2097-3136.250204

Academic Research

An unmanned aerial vehicle swarm state consensus architecture

  • TONG Wei 1, 2 ,
  • SHEN Jian , 1, 2, * ,
  • ZHANG Yuanyu 3, 4 ,
  • SHEN Yulong 3, 4
Expand
  • 1. School of Information Science and Engineering(School of Cyber Science and Technology), Zhejiang Sci-Tech University, Hangzhou 310018, China
  • 2. Zhejiang Key Laboratory of Digital Fashion and Data Governance, Hangzhou 310018, China
  • 3. School of Computer Science and Technology, Xidian University, Xi’an 710071, China
  • 4. Shaanxi Key Laboratory of Network and System Security, Xi’an 710071, China

Online published: 2025-07-18

Copyright

Copyright ©2025 Journal of Aeronautical Materials. All rights reserved.
Fold

Abstract

The consensus on the state consistency of unmanned aerial vehicle (UAV) swarms is a crucial guarantee for the collaborative operations. The existing state consistency consensus methods are mostly applied in scenarios such as distributed databases and blockchain, and are characterized by stable network topology and simple task requirements. However, the high dynamics of UAV swarms lead to issues such as fragile network connections and diverse coexisting states, making it difficult for the existing state consistency consensus methods to be applicable. To address these issues, a state consistency consensus architecture for UAV swarms was proposed, providing theoretical support for ensuring the collaborative capabilities of UAV swarms. Firstly, it analyzes the problems existing in the state consistency of UAV swarms were analyzed in terms of models, protocols, and networks, and the existing research was summarized. Secondly, based on the Basically Available-Soft state-Eventually consistent (BASE) and Atomicity-Consistency-Isolation-Durability (ACID) theories, a relationship between soft state and weak consistency was established, and an asynchronous consensus protocol was designed for multi-cluster soft forks under the weak connections. Finally, simulation experiment results conducted in a flying ad-hoc network (FANET) showed that the proposed architecture could meet the state consistency consensus requirements of the high-dynamic UAV swarms.

Key words： unmanned aerial vehicle swarm; consensus architecture; state consistency; high dynamics; fault tolerant

Cite this article

TONG Wei , SHEN Jian , ZHANG Yuanyu , SHEN Yulong . An unmanned aerial vehicle swarm state consensus architecture[J]. Journal of Cybersecurity, 2025 , 3(2) : 41 -48 . DOI: 10.20172/j.issn.2097-3136.250204

0 引言

无人机（Unmanned aerial vehicle，UAV）已被列入国家战略重点发展方向。2015年5月，国务院印发的《中国制造2025》[1]规划要求推进无人机产业化快速发展；2023年5月，国务院公布了《无人驾驶航空器飞行管理暂行条例》[2]，规范了无人驾驶航空器的飞行以及有关活动；同年12月，国家标准化管理委员会发布了国家标准《民用无人驾驶航空器系统安全要求GB 42590—2023》[3]，提出了17个方面的强制性技术要求及相应的试验方法。
与单机行动相比，无人机群协同作业具有多样化的任务执行能力、高效的信息共享和协同行动能力、鲁棒的生存能力等优势，已经受到国内外广泛关注并开展了试验验证[4-5]。为无人机群搭建区块链系统能够保障无人机群通信的安全和可追溯性，确保数据的完整性和可信度，为无人机协同作业提供状态一致性能力。然而，如图1所示，由于工作环境的开放性和执行任务的动态性，无人机群呈现网络连接不稳定、数据同步有延迟、任务集群高动态等特点，导致无人机群存在失效节点数多、系统可用性差等问题。同时，现有分布式一致性网络拓扑僵化、规模固定，难以满足无人机群共识网络弹性与共识凭证同步的需求。因此，迫切需要构建无人机群动态共识体系，达成无人机群状态一致性，抵抗工作环境开放性和执行任务动态性的干扰。无人机群状态一致性模型的构建、协议设计、网络优化主要面临以下挑战：
图 1 无人机群协同作业问题

Fig.1 Issues of UAV swarm collaborative operations

（1）高动态无人机群状态一致性共识模型构建问题。无人机群协同作业时呈现信任基础设施缺失、网络连接动态变化、任务集群并行并存、任务状态同步延迟等特点，这使得无人机群状态一致性共识模型难以满足分布式CAP（Consistency-Availability- Partition tolerance）定理[6]、传统区块链思想[7]的状态强一致性要求。
（2）高动态无人机群状态一致性共识协议设计问题。无人机群在工作状态中呈现网络连接不稳定、任务状态多样并存、共识过程差异延迟、状态管理分层次等特点，这使得无人机群共识协议难以满足现有共识协议和分布式一致性算法对分布式系统状态一致性和功能可用性的基本要求。
（3）高动态无人机群状态一致性共识网络优化问题。无人机群在工作状态中呈现网络拓扑动态变化、共识网络规模多变、共识凭证动态共享等特点，这使得无人机群共识网络难以满足现有共识网络对网络规模扩展性和网络拓扑稳定性的要求，影响系统功能可用性和共识协议成功状态可达性。
针对上述问题，本文提出了一种无人机群状态一致性共识架构，旨在解决分布式与可用性对抗下动态环境最终一致性建模和动态无线自组织共识网络弹性伸缩与副本同步问题，为保障无人机群协同作业能力提供理论支撑。主要工作总结如下：
（1）从分布式一致性理论模型、共识协议和网络系统三个方面归纳总结现有研究工作，分析现有工作的优缺点，为无人机群状态一致性共识架构夯实基础。
（2）利用BASE（Basically Available-Soft state- Eventually consistent）理论[8]、ACID（Atomicity-Consistency-Isolation-Durability）理论[9]，构建状态并行的异步最终一致性模型，解决动态特性下状态CAP三方平衡问题；利用软分叉[10]和区块链分片[11]，提出弱连接下多集群软分叉异步共识协议，达成多任务集群状态并行的异步最终一致性；利用心跳机制[12]和智能合约[13]，设计弱连接下高效安全的可伸缩共识网络重组方法，支持连接不稳定和网络延迟下节点动态入网与退网。
（3）在飞行自组网（Flying Ad-hoc Network，FANET）[14]中进行大量仿真实验，结果表明该架构能够满足高动态无人机群状态一致性共识需求，具有良好的鲁棒性和一致性。与现有方案对比，在任务响应延迟性能上具有明显优势。
本文组织结构如下：第1节总结现有分布式一致性研究工作；第2节阐述无人机群状态一致性共识架构；第3节验证无人机群状态一致性共识架构有效性；第4节总结全文。

1 相关工作

无人机群是近年来国内外重点研究领域，正在推动无人机应用样式由“单平台遥控应用”向“智能群体应用”转变[15]。现有针对无人机群状态一致性共识的研究工作可以归纳为模型构建、协议设计及网络优化三个方面。

1.1 分布式一致性理论模型

分布式系统中CAP定理的一致性是指分布式系统中所有节点对于客户来说似乎都只在一台机器上，看到的读取和写入执行都是按照操作到达的顺序响应操作，这也是线性一致性的定义。因为CAP定理中一致性、可用性、分区容错性不可能同时满足，而对于大型的分布式系统来说，分区容错性是必须的。虽然无法做到强一致性，但是每个应用都可以根据自身的业务特点，采用适当的方式使得系统达到最终一致性。因此，又出现了一种新的分布式理论——BASE理论。BASE理论是对CAP定理中一致性和可用性权衡的结果，是由CAP定理演化而来的。随着区块链的发展，分布式一致性理论模型研究进入新的阶段[16]。Tong等[17]构建了共识节点信任评估架构，设计了基于信任值评估的共识节点选举策略，弹性提升了共识协议容错性，扩展了共识网络规模。针对任务环境的复杂性和对抗性，Hai等[18]提出了一种无人机群分布式态势感知一致性共识解决方案，构建了基于分布式优化的共识达成模型，支持无人机群分布式共识。为了保护实体身份真实性和任务数据一致性，Xie等[19]提出了一种区块链驱动的安全无人机群任务管理方案，构建了三层区块链结构，以支持多任务并行，实现对无人机编队的泛在控制。
综上所述，现有分布式一致性理论模型存在一致性共识难、分布式状态可用性差等问题，难以达成分布式与可用性对抗下无人机群的最终一致性。

1.2 分布式一致性共识协议

根据分布式一致性理论模型，大量的分布式一致性共识协议被提出，主要分为基于证明的共识协议和基于投票的共识协议。工作量证明共识协议要求所有共识参与者节点独立解决共同的数学难题，最先解出答案的节点作为获胜者将答案向全网节点广播，其他节点验证通过答案后，达成一致性共识[20]。该协议是典型的基于证明的共识协议，能够达成完全的分布式一致性共识。Paxos共识协议要求所有共识节点参与提案和批准两个阶段，达成分布式一致性共识[21]。该协议是一种崩溃容错协议，允许网络中存在少量离线节点，但不允许存在拜占庭恶意节点。实用拜占庭容错共识协议要求所有节点参与五个阶段，以达成分布式一致性共识。该协议是一种拜占庭容错协议，允许网络中同时存在2/3的离线节点和拜占庭恶意节点[22]。Paxos共识协议和实用拜占庭容错共识协议都是基于投票的共识协议。面向无人机集群区块链网络通信，Tong等[23]构建了多分片物联网区块链模型，提出了信任驱动的多分片状态分层共识方法，极大地提升了物联网区块链共识吞吐量。Wang等[24]提出了一种面向无人机群分布式协同编队轨迹规划的共识算法，通过结合人工势场与共识理论，在保持编队稳定性的同时，实现了各无人机之间相对距离和速度的收敛和一致。
现有分布式一致性共识协议支持多种安全模型下的同步和异步共识，然而这种强一致性共识应用于动态无人机群中会导致失效节点数多、系统可用性差等问题，难以满足多样系统状态并存、多层次状态管理、节点同步延迟等无人机群异步共识的需求。

1.3 分布式一致性网络系统

区块链作为分布式系统的典型应用，其共识网络研究备受关注[25]。Dong等[26]提出了基于区块链的无人机身份认证方法，构建了无人机群分布式协同身份认证模型，设计了无人机入网、退网及重入网认证机制，确保无人机群的网络鲁棒性和任务状态完整性。Li等[27]研究了具有交换拓扑和输入延迟的三阶积分器网络多智能体系统的一致性问题，推导了达成一致的充分条件，论证了异步可扩展共识网络构建的有效性。面向动态未知乃至对抗条件下的异构无人机集群协同作战网络，潘子双等[28]构建了以动态一致性联盟算法为核心的无人机集群决策控制流程框架，基于“作战环”理论和动态自适应机制，有效推动了异构无人机集群网络的组建。Jian等[29]提出了一种由三维链路持续时间的最大最小稳定路由算法和多点中继驱动的拜占庭容错共识机制，在无人机群FANET的高动态拓扑结构中寻找稳定的一致性协商路径。
现有分布式一致性网络具有拓扑僵化、规模固定的特点，应用于环境开放和任务动态的无人机群中可能导致无人机节点之间网络连接的动态变化，进而导致共识网络变化、共识达成困难和系统可用性降低等问题，难以满足共识网络弹性与共识凭证同步的需求。

2 无人机群状态一致性共识架构

面向无人机群工作环境开放性、执行任务动态性、无信任基础设施、多状态异步共识等特点，无人机群状态一致性共识架构分别从模型构建、协议设计和网络优化三个方面进行研究，旨在实现无人机群状态多样并存、异步动态共识和弹性网络重组。

2.1 分布式最终一致性建模

分布式最终一致性模型利用时空关联的无线网络协议构建无人机群动态网络模型，基于BASE理论和区块链分叉思想构建状态最终一致性模型，并结合基于ACID理论和有向无环图构建的多状态并行模型，分析软状态与最终一致性的可控关联关系。
在分布式领域，CAP定理证明在一个分布式系统中，当涉及读写操作时，只能保证一致性、可用性、分区容错性三者中的两个，另外一个必须被牺牲。然而，无人机群场景不需要满足实时强一致性特性，因此，考虑利用BASE理论达成状态最终一致性。利用区块链分叉技术，在无人机群场景中能够实现BASE理论效果，短时间维护两个或多个合法的系统状态。
如图2所示，面向无人机群的弹性BASE模型定义了五种基本可用、软状态和一致性程度，作为分析软状态与最终一致性关联关系的基础。该模型根据一致性强度对分布式、可用性和一致性三种特性能力进行划分，其中一致性由弱到强依次是最终一致性、单调一致性、因果一致性、顺序一致性和线性一致性。
图 2 面向无人机群的弹性BASE模型

Fig.2 A flexible BASE model for UAV swarm

为了直观地表现软状态与最终一致状态之间的关联关系，利用有向无环图构建了多状态并行模型，如图3所示。由于无人机群的动态特性，一致性初始状态会分裂为多种状态，该模型从一个一致性的状态起始，支持多种集群软状态并存，同时支持多种集群软状态异步共识。
图 3 软状态与最终一致性的关联关系

Fig.3 Relationship between soft state and eventual consistency

基于此，最终一致性能够被形式化为读操作 $ {R}_{t} $与写操作$ {W}_{t-1,{p}^{m}} $、全局时钟$ t $、最终一致性共识周期 $ T $和支持软状态进程$ {p}^{0},{p}^{1},\cdots,{p}^{l} $ 之间的关系：
$ {R}_{t}=\left\{\begin{aligned} &{W}_{t-1,{p}^{m}}\\& {R}_{T}\end{aligned}\right. $
在任一时间，节点均可以读取两种系统状态，即任务集群软状态$ {R}_{t} $和无人机群全局状态$ {R}_{T} $，两种状态对应的时间先后不同，通常读取到的无人机群全局状态时间早于任务集群软状态时间。各个节点通过维护两种状态能够确保无人机群高动态性下的功能基本可用和状态最终一致性共识。

2.2 软分叉异步共识

软分叉异步共识利用拜占庭容错算法和软状态设计异步一致性协商方法，基于分片技术和分层协议设计最终一致性协商方法，根据最终一致性协商方法，结合基于软分叉和二次共识思想设计的多状态一致性管理方法，突破多集群软分叉动态维护与合并方法。
弱连接下多集群软分叉异步共识协议如图4所示。首先在任务集群建立时刻构建任务集群状态子链，任务集群无人机节点同时维护主状态和任务集群状态。然后在任务执行过程中，各任务集群独立维护过期的主状态并更新本任务集群状态。任一集群任务执行结束后，将该任务集群状态向空闲集群最新主状态进行同步，完成无人机群状态动态自主的分层异步合并，确保无人机群状态最终一致性。
图 4 异步共识协议过程

Fig.4 Process of asynchronous consensus protocol

2.3 可伸缩共识网络重组

可伸缩共识网络重组利用心跳机制和自组网协议设计时空关联的动态共识网络，结合异步存储器和智能合约设计共识凭证自动同步方法，实现弱连接下节点动态入网与退网。
如图5所示，无人机共识节点每隔N秒向共识主节点发送一个心跳消息，共识主节点收到心跳消息后，回复同样的心跳消息给无人机共识节点。如果共识主节点或无人机共识节点在M s（M > N）内都没有收到包括心跳消息在内的任何消息，即心跳超时，则判定无人机共识节点已经断开。无人机群中的某个无人机节点出现网络问题，可能会导致其与整个区块链网络断开连接，此时网络节点心跳信息停止，在断开的这段时间，无人机群与区块链网络都可能产生新的系统状态。同时，为无人机共识节点建立可信异步存储器，当无人机节点断网时，能够将单机状态和根据智能合约生成的共识凭证临时缓存在异步存储器中，等待建立新的网络连接，确保弱连接下无人机节点状态的安全维护。
图 5 可伸缩共识网络重组

Fig.5 Restructuring for scalable consensus network

无人机节点动态入网与退网场景如图5所示，具体过程如下：
（1）待入网无人机节点接入过程。待入网无人机节点在首次连接无人机群共识网络后，首先向无人机群共识网络中的共识主节点发送入网请求，共识主节点向共识网络提交该节点的入网请求，网络中的其他共识节点检测到新无人机节点后，利用智能合约获取节点的身份证书，对节点的身份进行验证，只有多数节点验证通过后，节点才能加入共识网络。加入无人机群共识网络后，该节点可以自动同步无人机群中的系统状态。
（2）待退网无人机节点退出过程。待退网无人机节点首先向无人机群共识网络中的共识主节点发送退网请求，共识主节点向共识网络提交该节点的退网请求，网络中的其他共识节点利用智能合约对节点的身份进行撤销。退出无人机群共识网络后，该任务集群无人机节点不再向该节点推送新的系统状态，该节点不再拉取无人机群新的系统状态。
（3）意外退网无人机节点重连过程。断网的无人机节点在网络恢复之后，需要重新连接无人机群共识网络，并且整个系统状态需要进行重新同步。断连的无人机节点恢复网络连接后，首先向无人机群共识网络中的边缘无人机节点进行重连请求，边缘无人机节点向共识网络提交节点的重连请求，网络中的其他节点检测到新无人机节点网络心跳正常后，利用智能合约调取节点的身份证书，对节点的身份进行验证，只有多数节点验证通过后，节点才能重新加入共识网络。重新加入无人机群后，该节点可以自动同步共识网络中新的系统状态，而在离线阶段产生的系统状态以区块形式进行共识保存。

3 实验评估

通过分析无人机群状态一致性共识架构的鲁棒性和一致性来评估其有效性。其中，鲁棒性是指高动态无人机群之间达成状态一致性共识的成功率。假设存在100个共识候选者节点，其中共识参与者节点数量取值为4~52，恶意共识候选者节点数量取值为0~100，数据共识成功率仿真测试结果如图6所示。利用软分叉异步共识策略，当恶意共识候选者节点数量不超过共识候选者节点总数与共识参与者节点数量之差的1/3时，共识成功率几乎为100%。反之，共识成功率为0。由此可见，本架构能够确保大概率的高动态无人机群任务执行的鲁棒性。
图 6 共识成功率

Fig.6 Consensus success rate

本节讨论的一致性是指高动态无人机群之间达成状态一致性共识的时间，即状态同步时间。状态转移以区块链交易形式执行。利用MATLAB& Simulink平台和UAV Toolbox工具，通过大量实验对本架构进行任务响应时间性能评估。模拟64个无人机节点，并将它们平均部署在4个任务集群中。设置区块大小为2 MB，出块时间为10 ms，交易大小为1 KB，共享带宽为100 M。依次启动任务集群中的无人机节点，测试不同任务集群下的任务响应时间性能。如图7所示，如果总数为5 000的状态转移平均发送到已启动的任务集群中，则几乎每个无人机的任务响应时间都随任务集群数量的增加而线性减少，但任务响应时间减小的幅度逐渐降低。此外，如果每个任务集群都被发送5 000个任务指令，则每个无人机的任务响应时间基本不变。
图 7 状态同步时间

Fig.7 State synchronization time

为了验证本架构在无人机群动态环境下共识效率的优越性，与现有无人机共识算法进行了比较。Chen等[30]提出了一种多领导者模式混合的无人机群共识模型，通过引入虚拟项统一无领导者和领导者跟随两种共识模式，实现了多种场景下的低时延共识策略。利用MATLAB& Simulink平台和UAV Toolbox工具，模拟7个无人机集群，均匀部署在一个1500 m×1500 m矩形空间，每个集群包含7个无人机节点，每台无人机在500 m×500 m方形平面做布朗运动。设置区块大小为2 MB，出块时间为10 ms，交易大小为1 KB，通信协议为IEEE 802.11b，共享带宽为100 M。设置无人机群共享指令为停止运动，记录从指令发出到所有无人机停止运动的时间作为指令响应时间。每组实验测试执行50次。在上述实验环境中复现Chen等的工作，并与本架构和基于Fabric的解决方案进行对比，实验结果如图8所示。共识状态取值范围是0~1，其中0表示指令发送时的共识状态，1表示共识状态达成一致，即随着指令的传播与执行，共识状态逐渐从0变成1。通过对比图8（a）和图8（b）发现，在执行相同指令时，为达成状态一致性，本架构的指令响应时延低于Chen等的方案。这是因为本架构利用分片技术在7个集群中并行完成指令和状态的共识操作，共识效率大大提升。
图 8 共识过程对比

Fig.8 Comparison of consensus processes

另外，通过对比8（b）和图8（c）发现，无人机运动对达成一致的共识状态有很大影响。在执行相同指令时，为达成状态一致性，本架构在动态拓扑下的指令响应时延明显高于其在静态拓扑下的指令响应时延。这是因为无人机在做布朗运动时，会给通信带来更多的不确定性，包括距离、信噪比、天线角度等参数，这些会影响指令的发送和共识消息的同步协商。
综上，本架构相较于现有工作具有任务响应时延优势。本架构在无人机静止的环境中具有良好的任务响应时延性能，但当无人机做无规则的布朗运动时，本架构的任务响应时延性能明显降低。

4 结束语

本文基于BASE和ACID理论，提出了一种新的无人机群状态一致性共识架构，建立了软状态与最终一致性的关联关系，设计了多集群软分叉异步共识协议和可伸缩重组的共识网络系统。仿真实验表明，本架构在FANET中具有良好的鲁棒性和一致性，有效满足了高动态无人机群的状态一致性需求。本架构较现有工作具有明显的任务响应时延优势。未来，需要在动态环境中完善本架构的共识协议和通信网络的设计与优化。

References

Publishing order | Descend order by publishing year | Descend order by cited within
1
中国制造2025[EB/OL](2015-05-08) [2025-02-22]. https://www.gov.cn/gongbao/content/2015/content_2873744. htm.

Made in China 2025[EB/OL]. (2015-05-08) [2025- 02-22]. https://www.gov.cn/gongbao/content/2015/content_2873744.htm.

2
无人驾驶航空器飞行管理暂行条例[EB/OL](2023-05-13)[2025-02-22]. https://www.gov.cn/zhengce/zhengceku/202306/content_6888800.htm.

Interim regulation on the administration of the flight of unmanned aircraft[EB/OL]. (2023-05-13)[2025-02-22]. https://www.gov.cn/zhengce/zhengceku/202306/content_6888800.htm.

3
民用无人驾驶航空器系统安全要求GB 42590—2023[EB/OL](2023-05-23) [2025-02-22]. https://std.samr.gov.cn//gb/search/gbDetailed?id=FC83293D549DB452E05397BE0A0A9309.

Safety requirements for civil unmanned aircraft system [EB/OL].(2023-05-23) [2025-02-22]. https://std.samr.gov.cn//gb/search/gbDetailed?id=FC83293D549DB452E05397BE0A0A9309.

4
AGGARWAL S, KUMAR N, TANWAR S. Blockchain-envisioned UAV communication using 6G networks: Open issues, use cases, and future directions[J]. IEEE Internet of Things Journal, 2020, 8 (7): 5416- 5441.

5
ABADA A, YANG B, TALEB T. Generalized traffic flow model for multi-services oriented UAV system[J]. Journal of Networking and Network Applications, 2021, 1 (1): 1- 5.

DOI

6
GILBERT S, LYNCH N. Brewer’s conjecture and the feasibility of consistent, available, partition-tolerant web services[J]. ACM SIGACT News, 2002, 33 (2): 51- 59.

DOI

7
谢晴晴, 董凡. 轻量级区块链技术综述[J]. 软件学报, 2023, 34 (1): 33- 49.

XIE Q Q, DONG F. Survey on lightweight blockchain technology[J]. Journal of Software, 2023, 34 (1): 33- 49.

8
PRITCHETT D. BASE: An acid alternative: In partitioned databases, trading some consistency for availability can lead to dramatic improvements in scalability[J]. Queue, 2008, 6 (3): 48- 55.

DOI

9
HAERDER T, REUTER A. Principles of transaction-oriented database recovery[J]. ACM Computing Surveys, 1983, 15 (4): 287- 317.

DOI

10
BUTERIN V. Ethereum 2.0 mauve paper[C]//Ethereum Developer Conference. 2016.

11
ZHANG G, PAN F, MAO Y, et al. Reaching consensus in the byzantine empire: A comprehensive review of BFT consensus algorithms[J]. ACM Computing Surveys, 2024, 56 (5): 1- 41.

12
崔玉龙, 付国, 张岩峰, 等. Elsa: 一种面向跨区域架构的无协调分布式键值存储系统[J]. 软件学报, 2023, 34 (5): 2427- 2445.

CUI Y L, FU G, ZHANG Y F, et al. Elsa: Coordination-free distributed KVS for cross-region architecture[J]. Journal of Software, 2023, 34 (5): 2427- 2445.

13
CHISHTI M S, SUFYAN F, BANERJEE A. Decentralized on-chain data access via smart contracts in Ethereum blockchain[J]. IEEE Transactions on Network and Service Management, 2021, 19 (1): 174- 187.

14
WANG Z, WANG H, LI Z, et al. Robust permissioned blockchain consensus for unstable communication in FANET[J]. IEEE/ACM Transactions on Networking, 2023, 32 (1): 699- 712.

15
张婷婷, 蓝羽石, 宋爱国. 无人集群系统自主协同技术综述[J]. 指挥与控制学报, 2021, 7 (2): 127- 136.

DOI

ZHANG T T, LAN Y S, SONG A G. An overview of autonomous collaboration technologies for unmanned swarm systems[J]. Journal of Command and Control, 2021, 7 (2): 127- 136.

DOI

16
黄纯悦, 彭起, 张拂晓, 等. 多副本分布式事务处理关键技术及典型数据库系统综述[J]. 软件学报, 2024, 35 (1): 455- 480.

HUANG C Y, PENG Q, ZHANG F X, et al. Survey on key techniques of multi-replica distributed transaction processing and representative database systems[J]. Journal of Software, 2024, 35 (1): 455- 480.

17
TONG W, DONG X, SHEN Y, et al. A blockchain-driven data exchange model in multi-domain IoT with controllability and parallelity[J]. Future Generation Computer Systems, 2022, 135, 85- 94.

DOI

18
HAI X, QIU H, WEN C, et al. A novel distributed situation awareness consensus approach for UAV swarm systems[J]. IEEE Transactions on Intelligent Transportation Systems, 2023, 24 (12): 14706- 14717.

DOI

19
XIE H, ZHENG J, HE T, et al. B-UAVM: A blockchain-supported secure multi UAV task management scheme[J]. IEEE Internet of Things Journal, 2023, 10 (24): 21240- 21253.

DOI

20
NAKAMOTO S. Bitcoin: A peer-to-peer electronic cash system. White Paper, 2008.

21
LAMPORT L. Paxos made simple[J]. ACM SIGACT News, 2016, 32(4).

22
CASTRO M,LISKOV B. Practical byzantine fault tolerance[C]//3rd USENIX Symposium on Operating Systems Design and Implementation. USENIX Association,1999:173-186.

23
TONG W, DONG X, SHEN Y, et al. CHChain: Secure and parallel crowdsourcing driven by hybrid blockchain[J]. Future Generation Computer Systems, 2022, 131, 279- 291.

DOI

24
WANG N,DAI J,YING J. Research on consensus of UAV formation trajectory planning based on improved potential field[C]//2021 40th Chinese Control Conference. IEEE,2021:99-104.

25
XIAO Y, ZHANG N, LUO W, et al. A survey of distributed consensus protocols for blockchain networks[J]. IEEE Communications Surveys & Tutorials, 2020, 22 (2): 1432- 1465.

26
DONG Z,TONG W,ZHANG Z,et al. Blockchain-based identity authentication oriented to multi-cluster UAV networking[C]//2023 IEEE International Conference on Blockchain. IEEE,2023:68-73.

27
LI C,CAO X,MO J,et al. Dynamic consensus of third-order delayed networked multi-agent systems with switching topology[C]//2021 40th Chinese Control Conference. IEEE,2021:130-135.

28
潘子双, 苏析超, 韩维, 等. 基于动态一致性联盟算法的异构无人机集群协同作战联盟组建[J]. 兵工学报, 2023, 12 (1): 1- 13.

DOI

PAN Z S, SU X C, HAN W, et al. Cooperative combat coalition formation of heterogeneous UAV swarm based on dynamic consensus-based grouping algorithm[J]. Acta Armamentarii, 2023, 12 (1): 1- 13.

DOI

29
JIAN X, LENG P, WANG Y, et al. Blockchain-empowered trusted networking for unmanned aerial vehicles in the B5G era[J]. IEEE Network, 2021, 35 (1): 72- 77.

DOI

30
CHEN W, LIU J, CUO H. Achieving robust and efficient consensus for large-scale drone swarm[J]. IEEE Transactions on Vehicular Technology, 2020, 69 (12): 15867- 15879.

DOI

Options
Outlines

/

〈 〉

Website Copyright © Editorial Office of Journal of Cybersecurity.
Tel: 010-89061756/89061778　
E-mail：wlkjaqkxxb@caasse.cn
Powered by Beijing Magtech Co. Ltd,.

京ICP备16032046号-20