Distributed Data-Driven Adaptive Iterative Learning Control for Multiagent Systems with DoS Attacks

Xuefang Li

doi:10.1109/jiot.2026.3741550

Distributed Data-Driven Adaptive Iterative Learning Control for Multiagent Systems with DoS Attacks

2026-10-08

0

PRE

AI

DOI：10.1109/jiot.2026.3741550

原文链接

原文求助

摘要

En 中文

本文研究了一种分布式数据驱动的自适应迭代学习控制（AILC）方法，用于解决不确定非线性多智能体系统（MASs）在两种拒绝服务（DoS）攻击下的共识跟踪问题。首先，基于切换拓扑沿迭代轴建立了一种新颖的攻击表征框架，其中建立了保持连接和断开连接的DoS攻击模型。为了实现共识跟踪，建立了共识误差的数据驱动模型，在此基础上提出了数据驱动的AILC方案。随后，通过采用收缩映射原理，严格证明了共识误差的收敛性，确保在保持连接的DoS攻击下实现共识跟踪目标。分析进一步扩展到混合DoS攻击场景，其中攻击在保持连接和断开连接阶段之间交替。在此扩展框架内，进一步证明，在满足一定条件下，MASs仍能在混合DoS攻击存在下实现共识跟踪控制。最后，进行数值仿真以验证所提出控制方法的有效性和鲁棒性。

Keyword:

Data-driven adaptive iterative learning control

multiagent systems

denial-of-service attacks

Distributed Data-Driven Adaptive Iterative Learning Control for Multiagent Systems with DoS Attacks

摘要

期刊

机构

引用论文