文件名称：使用机器学习确定遭受攻击的多代理系统的网络鲁棒性
文件大小：450KB
文件格式：PDF
更新时间：2024-05-30 19:55:28
研究论文
网络健壮性已成为分析多主体系统（MAS）的安全分布式共识算法的关键指标。 然而，事实证明，确定具有大节点的MAS的网络鲁棒性是NP难的。 在本文中，我们尝试应用机器学习方法来确定MAS的鲁棒性。 我们使用由多层感知（MLP）组成的神经网络（NN）来学习多主体网络的表示，并使用softmax作为我们的分类器。 我们将我们的方法与传统的基于CNN的图结构化数据集进行了比较。 结果表明，借助机器学习方法，可以确定具有较大节点的MAS的鲁棒性。