Sampled-Data Consensus for Multiagent Systems Over Semi-Markov Switching Networks Under Denial-of-Service Attacks
Notice bibliographique
Résumé
This article investigates the almost sure consensus (ASC) problem for sampled-data multiagent systems (MASs) operating over semi-Markov switching networks (SMSNs) and facing different types of denial-of-service (DoS) attacks. During real-time information exchange among agents, communication failures between agents occur randomly, which may result in each possible network topology occurring with a certain probability, and its sojourn time is also stochastic. This necessitates the consideration of a more general switching signal to describe the stochastic switching phenomenon of networks. In pursuit of this goal, a semi-Markov chain is introduced to characterize the switching signal of stochastic interaction networks, whose sojourn time distribution allows for arbitrary continuous-time distribution and depends on the current and next state. Additionally, this article delves into the impact of two distinct types of DoS attacks on MASs. The first type involves random DoS attacks, which are also modeled by a semi-Markov chain to capture the stochastic nature of attack durations. The second type is deterministic DoS attacks, characterized by their frequency and duration. The proposed new stochastic analysis method, based on the law of large numbers, is used to analyze the ASC for MASs featuring SMSNs under the DoS attacks. The effectiveness of the proposed approach is demonstrated by evaluating the results obtained from two illustrative numerical examples.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».