一致性问题作为多智能体系统中关键性问题之一,其目标是系统内每个智能体凭借与周围节点的信息交互,使得所有智能体的某个状态值在有限时间内达成一致。由于多智能体系统可能部署在开放的甚至是比较恶劣的环境中,单个智能体容易遭到恶意干扰和攻击,并通过网络影响附近节点继而对整个系统产生影响使其无法达到一致。已有的许多研究中安全一致性算法所需的网络拓扑过于苛刻或只能针对某种特定的攻击。本文在对前人工作进行研究的基础上,针对现有安全算法在适用性和收敛速度上的不足,进一步探索了多智能体系统中的安全一致性算法。首先,针对现有的平均子序列缩减一致性算法所需网络拓扑过于复杂的问题,提出了一种新的安全一致性方案。在该方案中采用一种特定的移动节点作为移动检测器和网络鲁棒性构建器,用于识别系统中状态值相差较大的区域并充当它们之间的通信链路。仿真实验结果显示了在f-局部恶意行为下运行的该一致性算法能够适应于低于2f+1-鲁棒性的网络。此外,针对多智能体系统中的弱一致性问题,提出了一种弹性最大值一致性算法。系统中的每个节点通过设定的规则从收集到的信息中挑选出该节点认为的最大状态值进行更新迭代。通过理论推导证明了该算法达到弹性一致时网络拓扑需要满足的充分必要条件即网络依然需要满足2f+1-鲁棒性来抗f-局部攻击,实验仿真结果显示该算法相比传统平均子序列缩减一致性算法在恶意攻击下具有更快的收敛速度。最后,将上述研究工作向应用层面进行拓展,提出了一种弹性最大值时钟同步算法。系统中每个节点接收到信息的同时会读取自身信息用来计算相对逻辑偏差并进行存储,随后在更新时参考相对逻辑偏差这一参数选择相对安全的存储信息进行更新。本文理论推导证明了该同步算法在恶意节点影响下的有限时间内达到收敛,仿真实验显示了系统在运行该算法后在少量时间步骤中迅速达到一致的情况。