王锦霞 高金凤 谭天

0 引言

近几十年来，神经网络(Neural Networks,NNs)经过不断地发展改进，被广泛地应用在图像识别、深度学习、优化问题和信号处理等领域.而随着基于NNs的控制技术的飞速发展，滤波器作为一种具有理论意义和应用价值的控制设计引起了越来越多的研究人员的关注[1-6].文献[1] 深入地研究了基于采样数据的延迟神经网络事件触发H∞滤波；文献[3]针对单处理度量的时滞转换神经网络设计了有限时间的异步H∞弹性滤波器；文献[4]研究了一类具有马尔可夫跳跃参数和混合时滞的不确定离散随机神经网络的鲁棒H∞滤波问题；文献[6]研究了一类具有事件触发机制(Event Triggering Mechanism,ETM)和量化器的半马尔可夫跳跃离散时间神经网络模型的H∞状态估计问题.

在实际的网络通信中，由于网络的开放性、共享性、互联性和通用性，通信网络经常接收到外部的恶意攻击信号，导致系统性能严重下降，甚至可能崩溃.一般来说，网络攻击主要是指破坏信息传输系统、真实采样数据、通信基础设施和网络设备的攻击性行为.网络攻击分为三类：重复攻击、拒绝服务攻击、欺骗攻击，其中对网络安全的最大威胁是欺骗攻击[2].因此，近年来关于欺骗攻击的研究成果不断更新[2-13].文献[7]对存在虚假信息注入的网络攻击提出了基于事件触发的攻击判定机制，设计了优化的状态估计器并进行估计误差收敛性分析；文献[2,10]都研究了具有混合触发方案和欺骗攻击的神经网络模型，其中文……