恶意攻击下多智能体网络鲁棒性评估方法

发布时间：2021-09-24 01:06

　　多智能体系统是伴随着嵌入式技术、网络技术发展形成的新型概念,它能够完成原先单个智能体或者人工无法完成的复杂任务。一致性是多智能体系统中研究最为广泛的问题,其主要包括分布式控制协议和网络通信拓扑结构两部分。在分布式控制协议中,网络拓扑连通性通常是达成一致性的必要条件。然而目前已存在的攻击可轻易破坏这种拓扑连通性。网络鲁棒性或称（r.s）-鲁棒性,是当前常用来衡量抵御攻击能力的网络拓扑属性,但对其评估判定是一个NP难问题。本文基于智能优化算法,深入研究了多智能体系统的网络鲁棒性评估方法。针对基于穷举思想的网络鲁棒性判定算法存在指数级时间复杂度的问题,提出了一个基于多层感知器的网络鲁棒性评估方法。该方法首先手工从图数据的入度分布以及频谱空间中提取了特征,然后使用该特征对多层感知器模型进行训练调优,最后实现了网络鲁棒性的评估。仿真实验结果表明,该模型在测试数据上的评估平均准确率超过85%。针对传统神经网络模型需要大量人工处理的问题,提出了一个基于表征学习的网络鲁棒性评估方法。该方法在预处理阶段先对邻接矩阵进行重排,然后利用卷积神经网络自动从邻接矩阵中学习特征,最终了实现在少量人工处理的情况下对... 

【文章来源】：杭州电子科技大学浙江省

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

(r，s卜可达集合示例图

?３．２问题描述??（ｒ，Ｓ；）－可达集合，（ｒ，Ｓ）－鲁棒图的概念不再复述参考第二章。作为例子，图３．１展示了??５节点和７节点的一个（１．２）－鲁棒图。从图中可以观察到任意节点的入度至少为１，再任??意组合节点构造子集时，可以观察到每个子集的外部至少都有一个入度邻节点。最后当??任意选定两个子集时很明显两个子集外部入度邻节点的总数至少为２。（ｒ．ｓ）－鲁棒图的能??力主要体现在当ｒ，ｓ值足够大时它能保证在一部分节点被入侵的情况下任意子集的正常??节点依然能够和子集外部节点做交互避免受到恶意节点的完全控制。??（ａ）?５节点（１，２）－鲁棒图?（ｂ）?７节点（１，?２）－鲁棒图??图３．１?（１，２）－鲁棒图示例图??现在正式定义本章的问题。给定７Ｖ个多智能体网络Ｇ?＝?｛２＾，２＾，．．．．Ｐａａ丨，其对应??的邻接矩阵表示为乂?＝｛為

图３．３不同鲁棒性及节点数图的入度分布条形图??表３．１?Ｐｅａｒｓｏｎ关联系数表??


本文编号：3406791