一种网络攻击下多域无人系统的分布式状态估计方法技术方案

本发明专利技术涉及基于智能算法的多域无人系统分布式安全状态估计。本发明专利技术公开了一种网络攻击下多域无人系统分布式安全估计系统，通过网络攻击下的异构多域无人系统的多传感器信息，从而获取多域无人系统的分布式状态交互模型，在此基础上，设计网络攻击下多域无人系统的分布式状态估计器，结合状态估计误差的有约束优化问题，实现对多域无人系统所遭受网络攻击的估计，以及对分布式状态估计器增益的优化。进一步地，考虑控制输入能够对网络攻击下的分布式状态估计效果产生影响，融合最优控制理论的智能算法，通过多域无人系统分布式状态估计误差和交互误差优化目标函数的优化设计，从而获取具有网络攻击抑制效果的最优控制率，提高分布式状态估计器的状态估计效果。本发明专利技术能够有效提高多域无人系统对网络攻击的状态信息可信性，解决网络攻击下无人系统协同感知、智能理解、精准决策、高效控制问题。高效控制问题。高效控制问题。

【技术实现步骤摘要】
一种网络攻击下多域无人系统的分布式状态估计方法


[0001]本专利技术涉及多域无人系统在网络攻击下的安全估计，涉及多域无人系统的分布式状态估计器设计以及基于智能算法的最优攻击抑制控制策略设计。

技术介绍

[0002]本专利技术所针对的多域无人系统是指发挥陆域上的无人车、水域中的无人艇和空域中无人机等多区域无人系统在各区域的功能与优势，通过协同调配，完成搜救、作战和探测等任务，具有自主性强、适应性强和长时间值守等优势。但是随着信息通信技术的发展，黑客技术不断升级逐渐兴起，使无人系统协同通信暴露与开放的网络环境中，对网络攻击下无人系统安全状态估计引发了国内外学者大量关注。研究具有网络通信拓扑的多个无人系统安全估计方法，文献[L.Petnga,H.Xu.Security of unmanned aerial vehicles:Dynamic state estimation under cyber
‑
physical attacks.2016International Conference on Unmanned Aircraft Systems(ICUAS),2016:811
‑
819.]提出了一种基于卡尔曼滤波器的安全状态估计方法，考虑了无人机系统网络拓扑结构，基于图论的基本理论，设计了一种分布式的安全状态估计方法。同样，文献[M.Noor
‑
A
‑
Rahim,M.O.Khyam,G.G.M.N.Ali,Z.Liu,D.Pesch,P.H.J.Chong.Reliable State Estimation of an Unmanned Aerial Vehicle Over a Distributed Wireless IoT Network.IEEE Transactions on Reliability,2019,68(3):1061
‑
1069.]研究了针对于分布式无人系统无线物联网结构，提出了一种编码状态估计方法，进而提高无人系统通信的可靠性与安全。为了能够实现无人系统对网络攻击的主动防御，从而尽可能地避免网络攻击发生。多域无人系统的状态信息可信性是保证系统正常运行的关键，通过分布式状态估计的方法对系统状态的恢复具有重要意义。

技术实现思路

[0003]本专利技术要解决的网络攻击下多域无人系统测量信息的不完整性、异步性和虚假性影响的无人系统多传感器协同感知的状态估计的完整性、快速性和准确性等问题。
[0004]本专利技术解决上述问题所采用的方法是多域无人系统的分布式状态估计器设计以及基于智能算法的最优攻击抑制控制策略设计。通过基于多传感器数据信息的分布式状态估计器设计，融合智能算法下的攻击抑制控制策略，实现拟态多域无人系统的分布式融合安全状态估计，提高多域无人系统的分布式安全。本专利技术能够有效解决网络攻击下无人系统协同感知、智能理解、精准决策、高效控制问题。
[0005]网络攻击下多域无人系统的分布式状态估计方法包括多域无人系统分布式状态估计方法设计和基于深度强化学习的最优控制策略设计。
[0006]首先，根据多域无人系统各个节点攻击检测信息集K
n
＝{[κ
1,1
,κ
1,2
,
…
,κ
1,n
],[κ
2,1
,κ
2,2
,
…
,κ
2,n
],
…
,[κ
s,1
,κ
s,2
,
…
,κ
s,n
]}和多传感器协同感知信息集y
n
＝{[y
1,1
,y
1,2
,
…
,y
1,n
],[y
2,1
,y
2,2
,
…
,y
2,n
],
…
,[y
s,1
,y
s,2
,
…
,y
s,n
]}，其中κ
s,n
，y
s,n
分别表示第s域第n
个节点的攻击检测信息和传感器节点数据信息，建立多域无人系统的分布式模型，进而设计基于分布式状态估计器；其次，建立分布式状态估计器的状态估计误差二次型，设计网络攻击优化策略从而实现对多域无人系统所遭受的网络攻击的估计；进一步考虑分布式状态估计器的估计误差函数，设计分布式状态估计器的参数优化方法，从而获取分布式状态估计器的增益；最后，获取估计状态与系统参考模型状态的误差指标函数，设计多域无人系统的优化目标值函数和交互函数系统间交互函数从而得到基于哈密尔顿
‑
雅克比
‑
贝尔曼方程的评价函数和执行函数，基于并行工作神经网络方法，设计评价网络和执行网络，通过策略迭代至算法收敛。进一步地，利用新型凸优化理论和LaSalle不变集理论对状态估计的最优性、收敛性、稳定性进行分析。
附图说明
[0007]图1为本专利技术多域无人系统分布式安全估计系统结构示意图；
[0008]图2为本专利技术基于深度强化学习的分布式融合状态方法算法结构图；
具体实施方式
[0009]下面以包含区域1、区域2、区域3的多域无人系统为例，结合附图详细描述本专利技术的技术方案。
[0010]如图2所示，本专利技术所设计的网络攻击下多域无人系统的分布式状态估计方法，主要包括攻击信息检测与系统协同信息融合、分布式状态估计器设计、网络攻击策略优化估计、估计器增益优化设计和基于深度强化学习的攻击抑制最优控制策略设计。实施过程主要是从网络攻击下多域无人系统的分布式状态估计方法设计和基于强化学习的多域无人系统攻击抑制最优控制策略设计两个方面展开。
[0011]首先，开展网络攻击下多域无人系统的分布式状态估计方法设计，如图2，所示的多域无人系统状态估计算法结构图，首先，针对于多域无人系统，利用多域无人系统各个节点攻击检测信息集K
n
＝{[κ
1,1
,κ
1,2
,
…
,κ
1,n
],[κ
2,1
,κ
2,2
,
…
,κ
2,n
],
…
,[κ
s,1
,κ
s,2
,
…
,κ
s,n
]}和多域传感器协同感知信息集y
n
＝{[y
1,1
,y
1,2
,
…
,y
1,n
],[y
2,1
,y
2,2
,
…
,y
2,n
],
…
,[y
s,1
,本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种网络攻击下多域无人系统的分布式状态融合安全估计方法，其特征在于，包括通过对网络攻击下多域无人系统的分布式状态估计设计，获取系统状态信息和攻击信息；2.根据权利要求1所述的多域无人系统，其特征在于，融合先进的通信技术、网络计算技术和感知技术，通过分布式通信网络构联异域、异构的无人设备，形成包含物理层、感知层、通信层、决策层等多层分布式多域无人系统网联结构，复杂多层的网联结构使得多域无人系统对网络攻击极为敏感。3.根据权利要求1所述的多域无人系统所遭受的网络攻击，其特征在于，利用多域无人系统的数据通信传输通道，通过数据窃取、通信阻断和数据注入等方式，破...

【专利技术属性】
技术研发人员：张龙杰，陈勇，潘成伟，刘越智，李猛，唐辉，贺叶杰，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：