时间：2026年5月24日（周日）下午14:30

地点：A301

一、报告题目：复杂攻击环境下多机器人系统弹性多目标监控与追踪算法

报告人：公鑫 副教授

报告人简介：公鑫，东南大学网络空间安全学院副教授，博士生导师；现为中国指挥与控制学会高级会员和青工委委员，中国自动化学会高级会员，中国计算机学会会员和网络弹性专委会委员，“江苏省网络群体智能重点实验室”和“东南大学复杂系统与网络科学研究中心”智能安全研究团队成员。他长期从事分布式控制与优化、无人机集群实验、网络攻防和博弈论等领域的相关研究，了解国内外无人集群系统的主要研究热点和动态，曾主持国家自然科学基金项目、江苏省自然科学基金项目、江苏省双创项目、人社部留学人员科技创新项目、网络安全国家重点实验室开放基金等项目，参与国家重点研发项目，搭建过无人机集群实验平台，积累了丰富的项目与工程经验。近四年来，他围绕高效集群和安全集群两大主题，以第一/通讯作者在IEEE Trans. Automat. Contr.、IEEE Trans. Industr. Inform.、IEEE/CAA J. Autom. Sin.、IEEE Trans. Cybern.、IEEE Trans. Syst. Man Cybern. Syst.、IEEE Trans. Netw. Sci. Eng.等国际知名杂志发表和接收了SCI论文30余篇。

讲座内容：报告围绕复杂攻击环境下多机器人系统弹性多目标监控与追踪问题展开。针对多机器人系统在开放动态环境中易受通信阻断、感知失效、目标近距威胁和恶意信息篡改等攻击影响的问题，本报告重点考虑两类典型攻击场景：一类是由 DoS 攻击、传感器干扰攻击和目标辐射攻击共同构成的复合攻击，另一类是由拜占庭边攻击和拜占庭节点攻击共同构成的广义拜占庭攻击。针对复合攻击破坏系统通信链路、局部可观测性和运动安全的问题，本报告构建通信层与决策层协同的两层防御框架，通过极大极小分配博弈和混合整数半定规划实现弹性通信拓扑重构，并结合控制障碍函数与加权 Voronoi 图实现风险感知安全追踪。针对拜占庭攻击破坏信息一致性和状态估计可靠性的问题，本报告构建拓扑调度、状态估计和决策控制一体化的三层防御框架，通过最坏攻击场景下的主动拓扑重构、残差协方差加权均值子序列滤波以及分布式模型预测控制，实现异常信息抑制、可靠状态融合和稳定编队追踪。本报告系统地构建了面向复杂攻击环境的多层弹性防御机制，为提升多机器人系统在攻击条件下的通信连通性、状态估计可靠性、目标追踪精度和安全协同能力提供了方法支撑。

二、报告题目：PCR模型中的DNA图灵斑图：反应-扩散机制与状态反馈控制

报告人：曹阳 副研究员

报告人简介：曹阳，东南大学网络空间安全学院院长助理、智能安全系长聘副研究员、博士生导师，2019年博士毕业于香港大学控制工程专业，师从James Lam教授。主要从事群体智能决策与强化学习、网络弹性优化与控制、无人系统安全及数学生命科学等领域的研究。近年来主持国家自然科学基金（面上及青年项目）、国家重点研发计划子课题、江苏省自然科学基金等多项国家级与省部级科研项目。在IEEE Trans系列、Neural Networks等国际权威期刊发表学术论文30余篇，其中5篇先后入选ESI高被引论文。曾获国际Obada杰出青年学者奖、入选江苏省“双创博士”、东南大学“至善学者”A类，担任Information Sciences Letters及Complex Engineering Systems期刊编委。

讲座内容：报告将一类源于聚合酶链式反应（PCR）的反应–扩散偏微分方程模型，重点分析扩散驱动Turing不稳定性及空间斑图形成机制。通过线性稳定性分析、多尺度摄动方法与状态反馈控制理论，系统揭示了交叉扩散与参数调控对系统动力学行为和模式演化的影响。该工作将生物反应动力学与非线性偏微分方程中的分岔、模式形成及控制问题相结合，为复杂反应–扩散系统的时空动力学研究提供了新的理论框架。

三、报告题目：多智能体一致性中的虚假数据注入攻击: 根本性能极限与最优数据驱动综合

报告人：朱诗勇 博士后

报告人简介：朱诗勇，香港城市大学博士后。目前的研究兴趣为群体智能网络中的数学理论与学习方法。以一作身份发表控制领域顶级期刊IEEE TAC(长文4篇，短文6篇)，Science China: Information Sciences等SCI期刊。相关结果获江苏省十大科技进展(基础研究领域)、国内外学位论文奖3次(世界华人数学家大会、中国自动化学会、江苏省)、会议最佳论文2次。现担任IET Control Theory & Applications 客座编委、美国数学学会《数学评论》评论员。

讲座内容：本研究探讨了多智能体系统中虚假数据注入攻击的根本性能极限与最优攻击数据综合方法。首先，提出了一种面向检测的“隐身裕度”指标，用于刻画攻击的固有隐身能力与系统脆弱性。通过求解零和极小极大优化问题，解析得到最优攻击与最优防御信号，结果表明隐身裕度与智能体动态特性及网络拓扑的能观性与能控性密切相关。其次，针对一阶线性智能体，分析了隐私保护与攻击隐身性能之间的权衡关系，推导出隐私泄露程度与最小可达$\ell_2$-一致性误差的解析表达式，揭示了不稳定极点、非最小相位零点及网络结构对攻击性能的根本约束。最后，发展了完全基于数据驱动的算法，在不依赖系统模型先验知识的情况下，重构出实现隐身裕度的最优攻击信号。通过结合子空间辨识与Lyapunov方程，将最优攻击设计转化为若干可组合的最小二乘问题，从而得到解析形式的数据驱动解。从基于模型到基于数据的视角，本研究系统分析了多智能体系统中恶意攻击的性能极限，阐明了智能体动态与网络属性如何共同约束攻击能力，为现实场景中的最优攻防策略设计提供了理论基准与算法基础。

欢迎广大师生参加!

理学院

2026年5月20日