遅延結合ファジィ慣性ニューラルネットワークにおけるデセプション攻撃に対するサンプルデータベースのセキュア同期制御

科学分野:

• 制御理論
• 人工知能
• ネットワークセキュリティ

背景:

• 遅延結合ファジィ慣性ニューラルネットワーク（FINN）はデセプション攻撃を受けやすい。
• 敵対的条件下でのネットワークセキュリティと同期の確保は極めて重要である。

研究 の 目的:

• デセプション攻撃に対するFINNのための堅牢なセキュリティ制御戦略を設計すること。
• デセプション干渉下でのシステムの挙動を解析し、指数関数的同期を保証すること。

主な方法:

• ファジィサンプリングデータセキュリティコントローラを設計した。
• ライアプノフ汎関数（LKF）と不等式技法を用いた。
• 線形行列不等式（LMI）を用いて同期基準を確立した。

主要な成果:

• 閉ループシステムの挙動をデセプション下で解析するための理論的枠組みを定式化した。
• 指数関数的同期を達成するための基準を確立した。
• 数値シミュレーションにより、提案されたセキュリティ制御アプローチの有効性を確認した。

結論:

• 開発されたセキュリティ制御手法は、デセプション攻撃を効果的に軽減する。
• 遅延結合ファジィ慣性ニューラルネットワークの指数関数的同期は、敵対的条件下でも達成可能である。
• このアプローチは、インテリジェントネットワークを保護する上での実用性を示している。