LEARNING
面向网络安全的互联微电网拜占庭弹性联邦多智能体优化框架
Ali Peivand, Seyyed Mostafa Nosratabadi
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出了一种拜占庭弹性联邦多智能体近端策略优化框架，通过三重表面移动目标防御和自适应隔离策略保障互联微电网的网络安全。该框架采用全局联邦共享编码器和私有动作头的策略分区，并结合修剪均值滤波与奖励加权聚合的拜占庭弹性规则，有效抵御隐蔽虚假数据注入攻击。
关键词
Byzantine resiliencefederated learningmulti-agent optimizationcyber securitymicrogrids
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018