摘要：针对当前电力信息网络攻击检测方法存在的误报率较高和F1-score较低的问题,文章提出了一种基于图神经网络的电力信息网络攻击检测方法。首先,通过生成电力信息网络的拓扑图,以图结构的形式详细表示了用户服务器之间的网络拓扑结构以及它们之间的交互关系。然后,利用图神经网络的强大功能,对电力信息网络拓扑图中的攻击特征进行有效提取和分类。这种方法能够深入分析网络中的复杂关系和模式,从而实现对电力信息网络中各种网络攻击的准确检测。通过一系列实验验证,文章设计的方法在电力信息网络攻击检测中表现出色。具体而言,误报比例被控制在不超过0.1%的水平,而F1-score则达到了不低于90%的高值。表明该方法在检测电力信息网络攻击时具有较高准确度和可靠性。因此,基于图神经网络的电力信息网络攻击检测方法在电力信息网络攻击检测领域具有广阔的应用前景,能够为电力系统的安全稳定运行提供有力的技术支持。

摘要：针对一类控制方向未知的非线性切换多智能体系统,本文研究了在不确定网络攻击下的安全控制问题.网络攻击破坏传感器真实数据,导致系统真实信息无法获取且不能直接用于控制设计.为此,通过受攻击状态构建一组新颖辅助变量来消除网络攻击造成的影响.此外,所研究的系统包含更一般的不确定性,即未知控制方向,未知常值参数以及不确定攻击.这些不确定性在设计过程中相互耦合.利用Nussbaum型函数并设计自适应律补偿耦合后的不确定性,极大降低了系统复杂性.通过系统性地迭代构造出共同Lyapunov函数,提出了一套安全自适应控制方法,保证了受攻击系统在任意切换下达到渐近输出一致性.最后,数值仿真验证了该方法的有效性.

摘要：研究网络攻击下一般线性多智能体系统的动态事件触发一致性问题.考虑多智能体系统在受到网络攻击后,被攻击节点的状态会改变,导致与其相应的连接无法工作,设计修复策略恢复被攻击节点及其相应的连接,给出网络攻击下分布式事件触发控制协议.在静态事件触发机制基础上,通过引入动态阈值参数,提出动态事件触发机制.进一步,利用图论、线性矩阵不等式和李雅普诺夫函数方法,给出网络攻击下实现多智能体系统一致性的充分条件,并证明在所提出的动态事件触发条件下,能够有效避免芝诺行为.最后,通过仿真例子来验证理论结果的有效性.

摘要：多机器人或无人机组成的集群在执行任务的过程中,当探测到未知外部个体时,需要识别其意图来决定如何应对.然而,集群内部节点会受到针对测量信号的干扰攻击,导致对外部个体的测量存在误差,进而影响到对其意图的识别.针对此问题,设计一种考虑网络攻击的基于分布式意图识别的集群控制算法.在该算法中,集群内部执行集群控制律,当探测到未知外部个体时,集群内部各个节点采用攻击识别算法来识别其是否受到网络攻击;然后,利用基于攻击识别策略的分布式卡尔曼滤波算法,对外部个体的状态进行分布式状态估计,以最大程度上削弱网络攻击对测量值的影响;接着,利用Fréchet距离计算期望轨迹与测量轨迹的相似性,并采用基于分布式共识算法来判断该外部个体的意图,作出逃逸或汇聚控制.仿真结果验证了所提方法的有效性.

摘要：针对网络攻击下无人机信息物理系统(CPS)的安全状态估计问题,提出了一种基于自适应方差极小化的递推状态估计器(AVMRE)。通过将针对控制输入和传感器数据的恶意攻击分别建模为状态和量测方程中的未知干扰项,建立了未知干扰解耦状态递推估计器,实现滤波误差中的量测未知干扰解耦,利用滤波残差设计自适应调整因子对估计误差上界进行极小化,应用最小方差估计准则求解出算法中的量测增益反馈矩阵。同时引入事件触发机制,使得系统在保持一定估计精度的情况下节省通信资源。此外,给出了滤波误差指数有界性的充分条件。无人机飞行模型仿真验证了本文算法相比传统算法的有效性和优越性。

摘要：产品与供应链协同演进系统(product and supply chain synchronous evolution system,PSCSE)是一类复杂的分布式信息物理系统(cyber-physical system,CPS),含有大量的未建模动态与不确定性.剧烈的需求波动及突发的网络事件,使系统结构参数极易发生变化.产品设计变更是维持PSCSES稳定、满足用户需求及保证经济效益的重要手段.本文研究基于分布式CPS的PSCSES在受到DoS攻击下的应急变更控制问题.首先,针对PSCSES在网络攻击下数据包丢失问题,利用每条子链的历史数据设计基于循环神经网络(recurrent neural network,RNN)的预测器以弥补因网络攻击造成的库存数据丢失;其次,利用博弈论思想将H∞一致性控制问题转化为多人零和图博弈问题,提出一种应急变更补偿机制;进而基于Q-learning的策略迭代技术设计了模型未知的控制器求解算法,实现了系统的库存状态H∞一致性.最后,仿真实验验证了所提方法的有效性.

摘要：针对在网络空间安全攻击防御中,因无法准确获取攻击策略,导致攻击主动防御成功率较低、且能耗高,代价大的问题,本文设计扫描流量熵的计算方式,计算信息熵,根据信息熵感知网络空间安全态势,判断出可疑非安全数据,并预判得出攻击方式集合,构建带防御策略集合,以5个指标为约束条件,设计不同的防御方法。以防御方法的指标约束为基础,设计攻击主动防御策略代价集合。以最小代价主动防御网络空间攻击为目标,结合粒子群算法,通过不断迭代寻优,找到攻击图的最小关键策略,实现最小代价下的网络空间攻击主动防御。实验结果表明,该算法能够高效主动防御网络空间攻击,防御代价小,是一种可行性较强的网络攻击主动防御算法。

摘要：本文研究了随机网络攻击下切换信息物理系统的事件触发控制问题.将信息物理系统描述为一种切换线性系统形式.引入事件触发机制来节省系统资源和减轻网络负载,当误差超过给定阈值时传感器中的采样数据才通过通信网络传输到控制器中.考虑在传感器与控制器的通信网络中受到两种不同特征的随机网络攻击.在网络攻击和所设计的事件触发控制器下,建立了切换随机信息物理系统模型.利用模态依赖平均驻留时间方法构建了相应的切换信号.在设计的事件触发控制器和模态依赖平均驻留时间切换信号下实现了系统的均方指数稳定性,并给出了控制器增益.最后,通过实例验证了所得理论结果的有效性.

摘要：本文研究了网络攻击下一类控制方向未知的非线性信息物理系统(Cyber-Physical Systems,CPSs)的自适应输出反馈控制问题。通过引入合适的线性状态变换,将原系统转化为便于输出反馈控制设计的新系统。采用Nussbaum增益函数方法克服未知的控制系数和网络攻击所带来的设计困难。基于观测器状态和受攻击的测量输出信号,采用神经网络逼近方法,提出了一种新的事件触发自适应输出反馈控制策略。该控制策略不但大大降低数据的传输量,而且保证闭环系统是半全局一致最终有界的。另外,采用基于非线性滤波器的动态面控制方法可以克服反步法设计中惯有的“复杂性爆炸”问题。最后,通过机械手系统验证所提出控制方法的有效性和实用性。

摘要：为解决电力系统在遭受网络攻击后修复过程中的系统安全稳定问题,同时应对环境中存在的不确定性因素,该文提出了一种基于代理梯度深度强化学习的电力系统网络攻击事后安全控制策略。首先,建立了针对信息系统数据与信息系统功能的网络攻击模型,构建了攻击后系统的安全控制策略模型,并分析了网络攻击下系统事件演化过程;接着,在深度强化学习的框架下,定义了安全控制策略的马尔科夫决策过程;而后,设计了一种基于代理梯度的深度强化学习算法,通过参数扰动生成智能体种群,将智能体种群中对应各组扰动的适应度加权平均作为代理梯度;最后,采用IEEE-39节点系统对该文所提方法的有效性和优越性进行验证。