Resilient Output Formation-Tracking of Heterogeneous Multiagent Systems Against General Byzantine Attacks: A Twin-Layer Approach
Notice bibliographique
Résumé
This work solves the countermeasure design problems of distributed resilient output time-varying formation-tracking (TVFT) of heterogeneous multiagent systems (MASs) against general Byzantine attacks (GBAs). Inspired by the concept of Digital Twin, a hierarchical protocol equipped with a twin layer (TL) is proposed, which decouples the above problem into the defense against Byzantine edge attacks (BEAs) on the TL and the defense against Byzantine node attacks (BNAs) on the cyber-physical layer (CPL). First, a secure TL with respect to (w.r.t.) the high-order leader dynamics is designed, which achieves resilient estimation against BEAs. A trusted-node strategy against BEAs is proposed, which promotes network resilience by protecting almost the smallest fraction of crucial nodes on the TL. It is proven that strongly (2f+1) -robustness w.r.t. the above trusted nodes is sufficient for the resilient estimation performance of the TL. Second, a decentralized adaptive and chattering-free controller against potentially unbounded BNAs is designed on the CPL. This controller has the merit of uniformly ultimately bounded (UUB) convergence and an assignable exponential decay rate when converging into the above UUB bound. To the best of our knowledge, this article is the first to achieve resilient output TVFT against GBAs, rather than under GBAs. Finally, the practicability and validity of this new hierarchical protocol are illustrated via a simulation example.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».