一种适应性神经网络方法,用于在网络攻击下对多代理系统的领导者遵循的共识控制
Muhammad Mamoon1, Ghulam Mustafa1, Naeem Iqbal1
1Department of Electrical Engineering, Pakistan Institute of Engineering and Applied Sciences (PIEAS), Islamabad, Pakistan.
ISA transactions
|December 6, 2024
概括
本研究介绍了动态神经网络 (DNN),用于检测和减轻多代理系统 (MAS) 中未识别的虚假数据注入 (FDI) 攻击. 该方法增强了领导者跟随的共识控制抵御随机网络攻击的弹性.
科学领域:
- 控制系统工程 控制系统工程
- 人工智能的人工智能
- 网络安全 网络安全
背景情况:
- 多代理系统 (MAS) 面临着虚假数据注入 (FDI) 攻击的漏洞,特别是随机网络拓攻击.
- 现有的方法难以应对未识别的外国直接投资攻击,特别是那些在传输过程中改变信息的攻击.
研究的目的:
- 为MAS在未识别的随机外国直接投资 (FDI) 攻击下制定一个有弹性的领导者遵循的共识控制策略.
- 通过使用动态神经网络 (DNN) 引入一种用于识别和减轻FDI攻击的新方法.
主要方法:
- 利用DNN来近似非线性攻击动态,使用状态转换方法来接收代理.
- 开发了一种估计未知FDI攻击的方法,使得大振幅信号的评估和隔离成为可能.
- 扩展了弹性共识控制到输出反方法.
主要成果:
- 从系统动态中成功识别并否定了随机FDI攻击估计,提高了控制器的弹性.
- 证明了处理概率类随机的外国直接投资攻击的能力,优于以前的方法.
- 通过与六个无人地面车辆 (UGV) 的模拟验证了方法.
结论:
- 拟议的基于DNN的方法为MAS在随机FDI攻击下提供了可行的和有弹性的共识方法.
- 该方法有效地提高了控制系统对复杂的基于网络的网络威胁的稳定性.
- 引入了简单的设计约束,以实际实施共识控制.


