一种耦合神经网络分层安全同步方法及系统

摘要: 本公开涉及神经网络同步,尤其涉及一种耦合神经网络分层安全同步方法及系统。背景技术:1、复杂动态网络同步是网络控制领域的核心研究方向,脉冲控制因具备低信息传输量、...
一种耦合神经网络分层安全同步方法及系统

本公开涉及神经网络同步,尤其涉及一种耦合神经网络分层安全同步方法及系统。

背景技术:

1、复杂动态网络同步是网络控制领域的核心研究方向,脉冲控制因具备低信息传输量、低成本的优势,被广泛应用于网络同步调控。为进一步降低大规模网络的控制成本,学界衍生出牵制脉冲控制策略,该策略历经单一节点牵制、切换牵制发展至静态牵制脉冲控制,现有技术存在如下局限:

2、牵制脉冲控制机制存在固有缺陷。单一节点牵制在大规模网络中控制效果有限;切换牵制需在每个脉冲时刻依托全局误差信息重新选取牵制层节点,而实际网络节点无法获取完整全局误差,工程可实现性差;现有静态牵制脉冲控制虽规避了前两类牵制方式的弊端,但要求所有节点脉冲序列同步施加,无法适配实际网络中普遍存在的信息异步传输特性,工程适用性受限。

3、网络脉冲同步的安全防控技术存在短板。实际网络控制过程涉及的通信与控制链路易遭受恶意欺骗攻击,现有针对脉冲控制下网络同步的安全研究,仅单独考虑传感器-控制器、控制器-执行器单一通道的欺骗攻击场景。未针对实际中频发的双通道协同欺骗攻击开展系统性研究,无法量化该类协同攻击对同步误差界、脉冲参数、网络耦合强度的综合影响,也缺乏可兼容牵制脉冲控制架构的统一化攻击建模与防控体系。

4、现有技术体系无法兼顾异步传输适配性与双通道攻击抗性。当前尚无能够适配异步脉冲驱动、采用固定牵制层节点集,且可抵御双通道协同欺骗攻击的网络同步控制架构,难以满足实际耦合神经网络在复杂通信、攻击环境下的稳定同步运行需求。

技术实现思路

1、本公开实施例提供了一种耦合神经网络分层安全同步方法及系统,用以解决现有的静态牵制脉冲控制方法要求所有脉冲序列保持同步驱动,且现有方法仅分别考虑单一通道欺骗攻击,未能将双通道协同攻击纳入统一设计框架的问题。

2、基于上述问题,第一方面,提供一种耦合神经网络分层安全同步方法,该方法应用于具有分层拓扑结构的耦合神经网络,分层拓扑结构将网络节点划分为牵制层节点和跟随层节点;以选定的领导者节点作为分层锚点,牵制层节点为与领导者节点存在直接交互连接的网络节点,跟随层节点为未与领导者节点直接连接的网络节点;

3、方法基于预构建的双通道协同攻击模型实施,该模型在牵制层节点的控制器-执行器通道引入第一数据篡改攻击,并在跟随层节点的传感器-控制器通道引入第二数据篡改攻击,第一数据篡改攻击和第二数据篡改攻击分别以预设概率随机发生;

4、方法包括:

5、针对牵制层节点,基于其与领导者节点的状态偏差,应用异步静态牵制脉冲控制策略,不同牵制层节点在互不重合的脉冲时刻序列对节点状态施加瞬时脉冲控制作用;

6、针对跟随层节点,基于其与邻居节点的状态偏差,应用事件触发耦合控制策略,仅在监测到当前时刻控制输入值相对上一触发时刻控制输入值的偏差量达到或超过预设触发阈值时,更新控制输入;

7、通过异步静态牵制脉冲控制策略驱动牵制层节点跟随领导者节点的状态,并通过事件触发耦合控制策略驱动跟随层节点追踪牵制层节点的状态,实现耦合神经网络在双通道欺骗攻击环境下的有界同步。

8、结合第一方面,在一种可能的实施方式中,牵制层节点与跟随层节点的划分在控制开始时确定并在整个控制周期内维持不变;

9、网络节点的状态变化率由其线性固有动态项、满足lipschitz条件的非线性内部作用力项以及外部控制输入项共同决定;

10、领导者节点的状态变化率由其线性固有动态项和非线性内部作用力项决定,且领导者节点不接收外部控制输入。

11、结合第一方面,在一种可能的实施方式中,第一数据篡改攻击为:在牵制层节点的控制器-执行器通道中,将节点执行器接收到的脉冲控制信号篡改为虚假脉冲控制信号;第一数据篡改攻击在每次脉冲时刻是否发生由第一随机变量表征,第一随机变量的数学期望为预设的第一攻击概率;

12、第二数据篡改攻击为:在跟随层节点的传感器-控制器通道中,将节点控制器接收到的自身状态测量值或邻居状态测量值篡改为虚假状态测量值;第二数据篡改攻击在每条通道上是否发生由第二随机变量表征,第二随机变量的数学期望为预设的第二攻击概率,不同通道上的第二数据篡改攻击相互独立。

13、结合第一方面,在一种可能的实施方式中,异步静态牵制脉冲控制策略中,作用于第个牵制层节点的脉冲控制信号由如下公式确定:

14、;

15、其中,表征未受到攻击的脉冲控制信号,为牵制层节点的脉冲控制增益,为在时刻该节点与领导者节点的状态偏差值,为表征第一数据篡改攻击是否发生的伯努利分布随机变量,为欺骗攻击信号,为狄拉克脉冲函数,为独立配置的脉冲时刻序列,严格递增且满足,节点状态在脉冲时刻右连续,不同牵制层节点的脉冲时刻序列互不重合。

16、结合第一方面,在一种可能的实施方式中,事件触发耦合控制策略中,第个跟随层节点的控制输入由如下公式确定:

17、;

18、其中,为耦合强度参数,为网络节点总数,为邻接矩阵中第行第列的元素,和分别为第个和第个节点的状态向量,表征第二数据篡改攻击的攻击项。

19、结合第一方面,在一种可能的实施方式中,预设触发阈值采用指数衰减函数构造;第个跟随层节点的下一触发时刻由如下公式确定:

20、;

21、其中,表示下确界,表示当前时刻耦合控制输入与上一触发时刻控制输入的误差向量,表示该误差向量的2-范数,为阈值常数,且满足,表示指数衰减函数,为待设计的衰减参数,为预设稳态下界常数,为初始时刻。

22、结合第一方面,在一种可能的实施方式中,耦合神经网络有界同步的稳定性条件基于李雅普诺夫稳定性理论,采用平均脉冲权重方法建立,稳定性条件满足如下不等式:

23、;

24、;

25、;

26、其中,为节点动力学模型中的线性固有动态项系数矩阵;为节点动力学模型中的非线性内部作用力项系数矩阵;为非线性函数的lipschitz 常数矩阵;为正定矩阵;为正定对称矩阵;为正常数形式的控制参数,用于在线性矩阵不等式中规定牵制层同步误差的最小指数收敛速率,其值越大,对牵制层同步误差的收敛速度要求越严格;表示跟随层的衰减参数;表示牵制层的平均脉冲权重;表示牵制层的平均脉冲区间。

27、结合第一方面,在一种可能的实施方式中,异步静态牵制脉冲控制策略的脉冲增益参数的取值以及所述事件触发耦合控制策略的耦合强度参数的取值根据所述第一攻击概率和所述第二攻击概率设定。

28、第二方面,提供一种耦合神经网络分层安全同步系统,包括:

29、网络分层配置模块,用于将耦合神经网络的网络节点划分为牵制层节点和跟随层节点;其中,牵制层节点为与领导者节点存在直接交互连接的网络节点,领导者节点作为分层锚点独立于牵制层之外,跟随层节点为未与领导者节点直接连接的网络节点;

30、攻击模型配置模块,用于在牵制层节点的控制器-执行器通道配置第一数据篡改攻击,并在跟随层节点的传感器-控制器通道配置第二数据篡改攻击,第一数据篡改攻击和第二数据篡改攻击分别配置为以预设概率随机发生;

31、牵制层脉冲控制模块,用于基于牵制层节点与领导者节点的状态偏差,对各牵制层节点施加异步静态牵制脉冲控制,不同牵制层节点在互不重合的脉冲时刻序列对节点状态施加瞬时脉冲控制作用;

32、跟随层事件触发控制模块,用于基于跟随层节点与其邻居节点的状态偏差,对各跟随层节点施加事件触发耦合控制,仅在监测到当前时刻控制输入值相对上一触发时刻控制输入值的偏差量达到或超过预设触发阈值时,更新控制输入。

33、结合第二方面,在一种可能的实施方式中,网络分层配置模块中,牵制层节点与跟随层节点的划分在控制开始时确定并在整个控制周期内维持不变;网络节点的状态变化率由其线性固有动态项、满足lipschitz条件的非线性内部作用力项以及外部控制输入项共同决定;领导者节点的状态变化率由其线性固有动态项和非线性内部作用力项决定,且领导者节点不接收外部控制输入。

34、结合第二方面,在一种可能的实施方式中,攻击模型配置模块中,第一数据篡改攻击为:在牵制层节点的控制器-执行器通道中,将节点执行器接收到的脉冲控制信号篡改为虚假脉冲控制信号;第一数据篡改攻击在每次脉冲时刻是否发生由第一随机变量表征,第一随机变量的数学期望为预设的第一攻击概率;第二数据篡改攻击为:在跟随层节点的传感器-控制器通道中,将节点控制器接收到的自身状态测量值或邻居状态测量值篡改为虚假状态测量值;第二数据篡改攻击在每条通道上是否发生由第二随机变量表征,第二随机变量的数学期望为预设的第二攻击概率,不同通道上的第二数据篡改攻击相互独立。

35、结合第二方面,在一种可能的实施方式中,牵制层脉冲控制模块用于采用如下公式确定作用于第个牵制层节点的脉冲控制信号:

36、;

37、其中,表征未受到攻击的脉冲控制信号,为牵制层节点的脉冲控制增益,为在时刻该节点与领导者节点的状态偏差值,为表征第一数据篡改攻击是否发生的伯努利分布随机变量,为欺骗攻击信号,为狄拉克脉冲函数,为独立配置的脉冲时刻序列,严格递增且满足,节点状态在脉冲时刻右连续,不同牵制层节点的脉冲时刻序列互不重合。

38、结合第二方面,在一种可能的实施方式中,跟随层事件触发控制模块用于采用如下公式确定第个跟随层节点的控制输入:

39、;

40、其中,为耦合强度参数,为网络节点总数,为邻接矩阵中第行第列的元素,和分别为第个和第个节点的状态向量,表征第二数据篡改攻击的攻击项。

41、结合第二方面,在一种可能的实施方式中,跟随层事件触发控制模块用于采用指数衰减函数构造预设触发阈值第个跟随层节点的下一触发时刻由如下公式确定:

42、;

43、其中,表示下确界,表示当前时刻耦合控制输入与上一触发时刻控制输入的误差向量,表示该误差向量的2-范数,为阈值常数,且满足,表示指数衰减函数,为待设计的衰减参数,为预设稳态下界常数,为初始时刻。

44、结合第二方面,在一种可能的实施方式中,该系统应达成的耦合神经网络有界同步的稳定性条件基于李雅普诺夫稳定性理论,采用平均脉冲权重方法建立,所述稳定性条件满足如下不等式:

45、;

46、;

47、;

48、其中,为节点动力学模型中的线性固有动态项系数矩阵;为节点动力学模型中的非线性内部作用力项系数矩阵;为非线性函数的lipschitz 常数矩阵;为正定矩阵;为正定对称矩阵;为正常数形式的控制参数,用于在线性矩阵不等式中规定牵制层同步误差的最小指数收敛速率,其值越大,对牵制层同步误差的收敛速度要求越严格;表示跟随层的衰减参数;表示牵制层的平均脉冲权重;表示牵制层的平均脉冲区间。

49、结合第二方面,在一种可能的实施方式中,牵制层脉冲控制模块的脉冲增益参数的取值以及所述跟随层事件触发控制模块的耦合强度参数的取值根据所述第一攻击概率和所述第二攻击概率设定。

50、第三方面,提供一种控制器,包括如第二方面,或者结合第二方面的任一种可能的实施方式的耦合神经网络分层安全同步系统。

51、第四方面,提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如第一方面,或者结合第一方面的任一种可能的实施方式的耦合神经网络分层安全同步方法的步骤。

52、本公开实施例的有益效果包括:

53、本公开实施例提供了一种耦合神经网络分层安全同步方法,构建了包含固定牵制层与跟随层的分层网络结构,牵制层节点划分后维持不变、无需随脉冲时刻重新选择,允许不同牵制层节点在互不重合的脉冲时刻序列上异步施加脉冲控制,克服了现有方法无法兼容实际网络中异步传输特性的缺陷;同时,基于分层结构对攻击面进行差异化建模,在牵制层节点的控制器-执行器通道引入第一数据篡改攻击、在跟随层节点的传感器-控制器通道引入第二数据篡改攻击,两类攻击均以预设概率随机发生并统一纳入控制框架,使攻击概率为控制器设计提供参考依据,相比现有方法仅分别处理单一通道攻击的做法,能够在攻击存在时保证鲁棒同步性能;针对牵制层采用异步脉冲控制提供间歇性同步推力,针对跟随层采用基于控制输入偏差量阈值触发的事件触发耦合控制,两类控制策略在时间尺度上相互独立、在功能上相互补充,打破传统耦合神经网络中所有节点同质化受攻的假设,摒弃对全网所有节点实施统一安全防护的高成本方案,仅对牵制层节点部署抗脉冲控制信号欺骗的刚性防御机制;对跟随层节点部署抗状态测量值欺骗的弹性补偿机制。有效降低通信频次与计算负担,适用于分布式传感器网络协同监测、移动自主智能体编队控制及广域测量系统等节点间信息传输普遍存在异步特征且面临恶意数据注入攻击的工程场景。