一种基于可学习触发器的联邦学习后门攻击方法、程序、设备及存储介质

    公开(公告)号:CN118296597A

    公开(公告)日:2024-07-05

    申请号:CN202410508819.2

    申请日:2024-04-26

    Abstract: 本发明属于联邦学习技术领域,具体涉及一种基于可学习触发器的联邦学习后门攻击方法、程序、设备及存储介质。本发明包括创建恶意客户端本地训练任务;根据全局模型副本和目标类小样本集生成可学习的触发器;可学习触发器注入本地数据,在训练过程中将后门植入本地模型;通过聚合器平均模型更新,将后门信息转递至全局模型中,使全局模型在正常工作的同时具有后门效应;在推理阶段,增强触发器触发强度,提高攻击性能的同时不影响攻击的隐蔽性。本发明提出的后门攻击方法具有良好的隐蔽性,生成用于触发后门攻击的可学习触发器具有良好的不可见性,使后门攻击在联邦学习范式中拥有较高的攻击成功率,并长时间维持。

    基于采样通信的自适应反步滑模多无人艇编队控制方法

    公开(公告)号:CN114047744B

    公开(公告)日:2023-06-13

    申请号:CN202111050090.1

    申请日:2021-09-08

    Abstract: 本发明公开了一种基于采样通信的自适应反步滑模多无人艇编队控制方法,包括:建立无人船控制系统的运动学和动力学模型;基于运动学和动力学模型搭建基于采样通信的无人船编队协同控制器,并进行稳定分析;基于无人船编队协同控制器,设计自适应反步控制底层;基于自适应反步控制底层,设计跟踪控制子系统的运动学控制器;基于自适应反步控制底层,设计编队控制子系统的动力学控制器;根据Lyapunov稳定性定理,分析自适应反步控制底层的稳定性。该方法采用多个无人艇进行协作实现任务的分担,降低对单个机器人的性能要求,也可有效地克服单个无人艇运载能力不足问题,同时大大提高任务完成的可靠性,且具有更高的容错性、鲁棒性、适应性。

    一种基于预设性能的USV鲁棒无模型轨迹跟踪控制器设计方法

    公开(公告)号:CN114706298A

    公开(公告)日:2022-07-05

    申请号:CN202111050109.2

    申请日:2021-09-08

    Abstract: 本发明公开了一种基于预设性能的USV鲁棒无模型轨迹跟踪控制器设计方法,属于智能体自动控制领域。包括以下步骤:步骤一、建立水面无人艇的运动学和动力学模型;步骤二、根据水面无人艇的运动学和动力学模型,定义运动学、动力学误差并形成跟踪误差动力学模型;步骤三、进行转换函数的设计;步骤四、进行误差转换公式选取;步骤五、基于步骤三和步骤四的设计,建立误差矩阵定义和无约束动力学系统;步骤六、进行无模型控制器的设计。本发明可以避免现有研究中的自适应律计算过程而导致所需的计算载荷减下,通过调整预设性能矩阵的参数来保证理想的跟踪误差的瞬态和稳态行为,最终实现USV轨迹跟踪控制器设计。

    一种水面无人艇路径跟踪控制方法

    公开(公告)号:CN110308719B

    公开(公告)日:2022-02-22

    申请号:CN201910436861.7

    申请日:2019-07-11

    Abstract: 本发明公开了一种水面无人艇路径跟踪控制方法,通过当前无人艇运动的状态信息、位置坐标信息,进行路径点的离散并根据点更新机制进行目标点的更新;通过状态信息进行航向规划,计算当前目标点的视线角视线余角横侧偏差SE、视线补偿量并求得当前航向误差根据航向规划信息,进行航向控制,计算控制器输出力矩Np,根据规划航速和海况估算推进器推力Xp;对输出推力Xp、输出力矩Np进行推力分配,求得各推进器的执行信号,并控制推进器执行指令动作。本发明使得无人艇可以跟踪曲线路径,保证了路径跟踪的快速性以及稳定性,在风浪存在的条件下大大避免了侧漂的发生,实现了对航速较为准确的控制,对于无人艇的路径跟踪控制有重要的作用。

Patent Agency Ranking