公开(公告)号：CN116527515B

公开(公告)日：2025-04-04

申请号：CN202310549315.0

申请日：2023-05-16

Applicant: 哈尔滨工业大学

Inventor： 吴立刚 ,  吴承伟 ,  柴庆杰 ,  陈禹成 ,  尹立远 ,  朱鸿铭 ,  朱玉鹏

IPC: H04L41/14 ,  H04L41/142

Abstract: 基于轮询协议的远程状态估计方法，它属于信息物理系统领域。本发明解决了现有远程状态估计方法的估计速度慢且估计误差大的问题。本发明方法具体为：步骤一、建立信息物理系统模型；步骤二、判断建立的信息物理系统模型是否为线性系统；若建立的信息物理系统模型为线性系统，则直接执行步骤三；否则建立的信息物理系统模型为非线性系统，则对建立的信息物理系统模型进行线性处理后，得到线性的信息物理系统模型，再执行步骤三；步骤三、设计远程状态估计器，并基于设计的远程状态估计器对信息物理系统模型进行远程状态估计；步骤四、将步骤三的远程状态估计结果传输给控制器，控制器做出决策。本发明方法可以应用于信息物理系统中远程状态估计。

公开(公告)号：CN118827237A

公开(公告)日：2024-10-22

申请号：CN202411166061.5

申请日：2024-08-23

Applicant: 哈尔滨工业大学

Inventor： 吴立刚 ,  吴承伟 ,  柴庆杰 ,  高亚斌 ,  姚蔚然 ,  刘健行 ,  孙光辉

IPC: H04L9/40 ,  H04L41/14 ,  H04L69/00

Abstract: 本发明涉及信息物理系统领域，具体设计一种DoS攻击下基于轮询通信协议的状态估计性能的评估方法。现有对系统性能进行研究主要是针对的是马可夫模型的远程状态估计。由于采用通信协议时的状态估计不符合马尔可夫模型，现有的攻击策略不适合用来分析通信协议下状态估计，因此对研究信息物理系统中DoS攻击下基于通信协议的远程状态估计性能的评估方法存在缺陷的问题，提供了DoS攻击下基于轮询通信协议的状态估计性能评估方法，该方法基于轮询通信协议下状态估计器的设计，根据实际系统的开环和闭环两种结构，分析设计攻击者选择的最优DoS攻击调度方案，来评估不同DoS攻击方案下基于轮询通信协议的状态估计性能损失，对实际防御策略进行调度优化提供思路。

公开(公告)号：CN116527515A

公开(公告)日：2023-08-01

申请号：CN202310549315.0

申请日：2023-05-16

Applicant: 哈尔滨工业大学

Inventor： 吴立刚 ,  吴承伟 ,  柴庆杰 ,  陈禹成 ,  尹立远 ,  朱鸿铭 ,  朱玉鹏

IPC: H04L41/14 ,  H04L41/142

Abstract: 基于轮询协议的远程状态估计方法，它属于信息物理系统领域。本发明解决了现有远程状态估计方法的估计速度慢且估计误差大的问题。本发明方法具体为：步骤一、建立信息物理系统模型；步骤二、判断建立的信息物理系统模型是否为线性系统；若建立的信息物理系统模型为线性系统，则直接执行步骤三；否则建立的信息物理系统模型为非线性系统，则对建立的信息物理系统模型进行线性处理后，得到线性的信息物理系统模型，再执行步骤三；步骤三、设计远程状态估计器，并基于设计的远程状态估计器对信息物理系统模型进行远程状态估计；步骤四、将步骤三的远程状态估计结果传输给控制器，控制器做出决策。本发明方法可以应用于信息物理系统中远程状态估计。

公开(公告)号：CN113885330B

公开(公告)日：2022-06-17

申请号：CN202111247290.6

申请日：2021-10-26

Applicant: 哈尔滨工业大学

Inventor： 吴承伟 ,  柴庆杰 ,  刘健行 ,  孙光辉 ,  吴立刚

IPC: G05B13/04

Abstract: 一种基于深度强化学习的信息物理系统安全控制方法，它属于信息安全技术领域。本发明解决了在网络攻击情况下，基于现有方法设计的安全控制策略的控制性能不佳的问题。本发明将受攻击情形下的信息物理系统动态方程描述为一个马尔科夫决策过程，基于建立的马尔科夫过程，将虚假数据注入攻击情形下的信息物理系统安全控制问题转化为仅使用数据的控制策略学习问题，再基于柔性actor‑critic强化学习算法框架，提出了一种基于李雅普诺夫函数的柔性actor‑critic强化学习算法，并提供了一种新颖的深度神经网络训练框架，设计过程中融合李雅普诺夫稳定理论，保证了信息物理系统的稳定性，有效提升了控制性能。本发明可以应用于对信息物理系统的安全控制。

公开(公告)号：CN113885330A

公开(公告)日：2022-01-04

申请号：CN202111247290.6

申请日：2021-10-26

Applicant: 哈尔滨工业大学

Inventor： 吴承伟 ,  柴庆杰 ,  刘健行 ,  孙光辉 ,  吴立刚

IPC: G05B13/04

Abstract: 一种基于深度强化学习的信息物理系统安全控制方法，它属于信息安全技术领域。本发明解决了在网络攻击情况下，基于现有方法设计的安全控制策略的控制性能不佳的问题。本发明将受攻击情形下的信息物理系统动态方程描述为一个马尔科夫决策过程，基于建立的马尔科夫过程，将虚假数据注入攻击情形下的信息物理系统安全控制问题转化为仅使用数据的控制策略学习问题，再基于柔性actor‑critic强化学习算法框架，提出了一种基于李雅普诺夫函数的柔性actor‑critic强化学习算法，并提供了一种新颖的深度神经网络训练框架，设计过程中融合李雅普诺夫稳定理论，保证了信息物理系统的稳定性，有效提升了控制性能。本发明可以应用于对信息物理系统的安全控制。