MétaCan
Menu
Retour à la cohorte
Enregistrement W3089274412 · doi:10.1002/rnc.5223

Event‐triggered output synchronization for nonhomogeneous agent systems with periodic denial‐of‐service attacks

2020· article· en· W3089274412 sur OpenAlexaff
Yong Xu, Mei Fang, Ya‐Jun Pan, Kaibo Shi, Zheng‐Guang Wu

Notice bibliographique

RevueInternational Journal of Robust and Nonlinear Control · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueDistributed Control Multi-Agent Systems
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésDenial-of-service attackControl theory (sociology)InterruptNode (physics)Computer scienceController (irrigation)Synchronization (alternating current)Event (particle physics)Control (management)EngineeringComputer networkChannel (broadcasting)

Résumé

récupéré en direct d'OpenAlex

Summary This article presents a two‐layered framework to investigate the output synchronization problem in nonhomogeneous agent systems in the presence of periodic energy‐limited denial‐of‐service (DoS) attacks with an event‐triggered control strategy. Under the developed framework, the proposed controller for different agents is composed of a dynamic compensator and a regulator, where the dynamic compensator on the first layer can copy the dynamics of the leader node. DoS attacks with a periodic (partially known) attack strategy are based on a time sequence and interrupt the data exchange over a shard network consisting of the leader node and dynamic compensators in the first layer. An event‐triggered control protocol is proposed to reduce the update frequency of the controller, and it also ensures that the output of every dynamic compensator can track the output of the leader node without occurring “Zeno phenomenon.” Based on the output regulator theory, the regulator for every agent can guarantee that all nonhomogeneous agents can converge to the trajectory of every dynamic compensator in the bottom layer. Finally, a simulation example is demonstrated to verify the new design method developed.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,021
Tête enseignante GPT0,243
Écart entre enseignants0,222 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations150
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Robust and Nonlinear ControlMême sujetDistributed Control Multi-Agent SystemsTravaux en français237 207