新机制提升神经网络同步抗欺骗攻击能力

快速阅读: 研究团队设计了DOFC和SDDETM，解决了延迟T-S模糊神经网络同步中的网络拥堵、欺骗攻击等问题，通过CCL算法优化参数，提高系统稳定性和网络资源利用率，减少触发次数，验证了方法的有效性。

在神经网络（NN）控制领域，延迟Takagi-Sugeno（T-S）模糊神经网络的同步具有重要意义。然而，在网络环境中，这类系统常面临多重挑战：大量信息传输导致网络拥堵；网络欺骗攻击和系统状态不可测进一步恶化系统性能；传统的事件触发机制（ETM）依赖当前样本决定下一次触发，可能导致高触发频率和潜在的Zeno行为（有限时间内无限触发），无法平衡网络传输效率和信息完整性。

为解决这些问题，来自北京大学、北京智能博弈与决策实验室、重庆大学和西南大学的研究团队开展了一项名为“基于求和的动态离散事件触发机制应对欺骗攻击下的延迟神经网络同步”的研究。该研究设计了动态输出反馈控制器（DOFC）和基于求和的动态离散事件触发机制（SDDETM），以确保主从神经网络在遭受欺骗攻击时的同步。具体来说，实现了三项关键改进：首先，利用伯努利过程建模欺骗攻击的发生，能够描述多种攻击场景作为一个通用的马尔可夫过程；其次，引入SDDETM，结合过去采样测量值和内部动态变量确定后续触发事件，有效降低触发频率，避免Zeno行为，提高网络资源利用率；最后，集成DOFC确保系统稳定性。通过锥补线性化（CCL）算法同时设计DOFC和SDDETM参数，将非凸线性矩阵不等式转化为凸优化问题，提高了计算效率。两个仿真案例验证了所提方法的有效性：与传统ETM相比，SDDETM减少了触发次数（例如，在案例1中，当N_1 = N_2 = 4时，总触发次数从125次减少到99次；在案例2中，当N_1 = N_2 = 4时，总触发次数从168次减少到152次），系统状态轨迹在10秒内收敛至零，证明了该方法的稳定性和效率。

论文《基于求和的动态离散事件触发机制应对欺骗攻击下的延迟神经网络同步》由余忠静、张多、孔世涵、欧阳德强、李宏飞和于俊志撰写。全文链接：

https://doi.org/10.1631/FITEE.2401000

(以上内容均由Ai生成)