研究人员开发了一个新的多智能体系统框架，以增强在目标定位和跟踪过程中抵御虚假数据注入攻击的弹性。所提出的方法将基于信息的导航与贝叶斯攻击图（BAG）分析相结合，以检测受损的智能体。然后，它使用可达集引导恢复，允许未受损的智能体重新定位目标，即使在主智能体受到攻击时也能保持跟踪能力。仿真表明，在这些网络威胁下性能稳健，凸显了其在安全关键型自主应用中的潜力。 AI
影响 增强了自主系统抵御网络威胁的鲁棒性，这对于安全关键型应用至关重要。
排序理由 学术论文，详细介绍了一种用于多智能体系统的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.MA (Multiagent) 阅读 →
- arXiv
- BAG-Aware Mutual Information Maximization
- Bayesian attack graphs for platform virtualized infrastructures in clouds
- False data injection attacks against state estimation in electric power grids
- linear-quadratic regulator
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
