-
公开(公告)号：CN114326403B
公开(公告)日：2024-03-29
申请号：CN202111653958.7
申请日：2021-12-30
Applicant: 杭州电子科技大学
IPC: G05B13/04
Abstract: 本发明公开了基于节点信息隐私保护的多智能体系统安全趋同控制方法，该方法包括：(1)智能体初始状态值分解，进行一次实现隐私保护目标的状态更新，随后构造一个存储向量，安全传播一次各智能体存储向量后在每一轮迭代使用少数服从多数的筛选机制保存可信状态值向量，并使用最终接收的信息更新自身状态，最终实现所有系统网络中智能体的状态趋同；(2)应用相关图论知识以及信息论理论分析了多智能体系统在遭受恶意网络攻击下实现精确趋同控制以及隐私保护的条件。与传统方法相比，本方法突破了只考虑恶意网络攻击而不考虑隐私保护问题的多智能体系统等方面的局限，在智能工业应用和智慧城市领域中具有很强的实用前景。
-
公开(公告)号：CN114301666A
公开(公告)日：2022-04-08
申请号：CN202111617124.0
申请日：2021-12-27
Applicant: 杭州电子科技大学
IPC: H04L9/40
Abstract: 本发明公开了一种多智能体系统隐私保护和均值趋同控制方法。智能体系统易遭受到网络攻击，同时存在节点信息的隐私泄露问题。本发明方法实现过程包括：给出一种基于差分隐私的分布式网络节点信息处理机制，可以保证所有节点初始状态值的隐私；结合事件触发控制的方法，最终实现了在DoS攻击下也可以保护节点的初始状态值和达到均值趋同控制；应用图论知识和严格的数学定理证明，分析了系统在遭受DoS攻击下实现趋同控制的条件。本发明方法克服了单一的仅研究差分隐私和仅研究DoS攻击的情况，而是将差分隐私与事件触发控制结合起来，在实现隐私保护同时，保证系统达到均值趋同，且能够免疫网络中存在的DoS攻击的影响。
-
公开(公告)号：CN115967550B
公开(公告)日：2025-04-22
申请号：CN202211580974.2
申请日：2022-12-09
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种无人集群系统隐私保护和均值趋同控制方法，首先建立节点动态模型和DoS攻击模型，然后利用节点动态模型和DoS攻击模型进行无人集群系统控制。该方法给出一种无人集群系统下基于差分隐私的分布式隐私保护机制，可以保护每个节点在更新过程中的隐私，也可以保证每个节点对初始状态值的保护，实现不同节点不同程度的隐私；再结合事件触发机制，可以抵御DoS攻击对无人集群系统的影响，在攻击下也可以实现对节点初始状态值的保护和精确的均值趋同控制。克服了现有的仅研究隐私保护和仅研究DoS攻击的单一情况，将隐私保护和抗DoS攻击结合起来，在达到系统精确的均值趋同的同时，实现对节点初始状态值的隐私保护，并保护系统免受DoS攻击的影响。
-
Patent Agency Ranking
公开(公告)号：CN114298276B
公开(公告)日：2025-02-28
申请号：CN202111627420.9
申请日：2021-12-28
Applicant: 杭州电子科技大学
IPC: G06N3/0464 , G06N3/09
Abstract: 本发明公开了基于卷积神经网络的多智能体系统网络鲁棒性评估方法。首先针对多智能体系统网络集合，将邻接矩阵中各个节点的入度分布统计量作为基本特征，并根据入度信息对邻接矩阵进行节点重排；然后将相同节点数量的数据集交给卷积神经网络进行特征学习，获得权值矩阵和偏置向量；最后对同一数据集邻接矩阵学习到的特征进行卷积神经网络模型预测，得到最终分类结果。本方法使用更适合学习邻接矩阵特征的卷积神经网络模型，从邻接矩阵中学习到更能表达图结构的特征，使得学习后的卷积神经网络的精度和查准率更好。解决了现有技术当网络中节点数增加时时间复杂度呈指数级增长，算法复杂度极高因而无法有效地进行评估。
-
公开(公告)号：CN114301666B
公开(公告)日：2024-01-30
申请号：CN202111617124.0
申请日：2021-12-27
Applicant: 杭州电子科技大学
IPC: H04L9/40
Abstract: 本发明公开了一种多智能体系统隐私保护和均值趋同控制方法。智能体系统易遭受到网络攻击，同时存在节点信息的隐私泄露问题。本发明方法实现过程包括：给出一种基于差分隐私的分布式网络节点信息处理机制，可以保证所有节点初始状态值的隐私；结合事件触发控制的方法，最终实现了在DoS攻击下也可以保护节点的初始状态值和达到均值趋同控制；应用图论知识和严格的数学定理证明，分析了系统在遭受DoS攻击下实现趋同控制的条件。本发明方法克服了单一的仅研究差分隐私和仅研究DoS攻击的情况，而是将差分隐私与事件触发控制结合起来，在实现隐私保护同时，保证系统达到均值趋同，且能够免疫网络中存在的DoS攻击的影响。
-
公开(公告)号：CN114326403A
公开(公告)日：2022-04-12
申请号：CN202111653958.7
申请日：2021-12-30
Applicant: 杭州电子科技大学
IPC: G05B13/04
Abstract: 本发明公开了基于节点信息隐私保护的多智能体系统安全趋同控制方法，该方法包括：(1)智能体初始状态值分解，进行一次实现隐私保护目标的状态更新，随后构造一个存储向量，安全传播一次各智能体存储向量后在每一轮迭代使用少数服从多数的筛选机制保存可信状态值向量，并使用最终接收的信息更新自身状态，最终实现所有系统网络中智能体的状态趋同；(2)应用相关图论知识以及信息论理论分析了多智能体系统在遭受恶意网络攻击下实现精确趋同控制以及隐私保护的条件。与传统方法相比，本方法突破了只考虑恶意网络攻击而不考虑隐私保护问题的多智能体系统等方面的局限，在智能工业应用和智慧城市领域中具有很强的实用前景。
-
公开(公告)号：CN115967550A
公开(公告)日：2023-04-14
申请号：CN202211580974.2
申请日：2022-12-09
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种无人集群系统隐私保护和均值趋同控制方法，首先建立节点动态模型和DoS攻击模型，然后利用节点动态模型和DoS攻击模型进行无人集群系统控制。该方法给出一种无人集群系统下基于差分隐私的分布式隐私保护机制，可以保护每个节点在更新过程中的隐私，也可以保证每个节点对初始状态值的保护，实现不同节点不同程度的隐私；再结合事件触发机制，可以抵御DoS攻击对无人集群系统的影响，在攻击下也可以实现对节点初始状态值的保护和精确的均值趋同控制。克服了现有的仅研究隐私保护和仅研究DoS攻击的单一情况，将隐私保护和抗DoS攻击结合起来，在达到系统精确的均值趋同的同时，实现对节点初始状态值的隐私保护，并保护系统免受DoS攻击的影响。
-
公开(公告)号：CN114298276A
公开(公告)日：2022-04-08
申请号：CN202111627420.9
申请日：2021-12-28
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于卷积神经网络的多智能体系统网络鲁棒性评估方法。首先针对多智能体系统网络集合，将邻接矩阵中各个节点的入度分布统计量作为基本特征，并根据入度信息对邻接矩阵进行节点重排；然后将相同节点数量的数据集交给卷积神经网络进行特征学习，获得权值矩阵和偏置向量；最后对同一数据集邻接矩阵学习到的特征进行卷积神经网络模型预测，得到最终分类结果。本方法使用更适合学习邻接矩阵特征的卷积神经网络模型，从邻接矩阵中学习到更能表达图结构的特征，使得学习后的卷积神经网络的精度和查准率更好。解决了现有技术当网络中节点数增加时时间复杂度呈指数级增长，算法复杂度极高因而无法有效地进行评估。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.022 seconds)
