本文主要针对具有传感器故障和外部网络攻击的离散非线性神经网络系统设计了非脆弱状态估计器,保证了状态估计的准确性和有效性。主要工作如下:(1)目前,欺骗攻击作为最常见的网络攻击方式,其主要修改系统中数据的完整性与真实性,使系统接收到一个虚假的数据以至于执行器做出错误的行为,使系统受损。在这种情况下,对状态估计器的准确性就有了更高的要求。在实际的复杂环境中,状态估计器会由于各种外界因素的影响,不可能一直保持最理想的状态,同时传感器故障也会影响状态估计器的准确性。针对这一现象,对于欺骗攻击下的具有传感器故障的Markov跳变离散非线性时滞神经网络进行了非脆弱状态估计器的设计。为了进一步节约网络的带宽与资源,采用了事件触发的方式来进行采样。利用增广矩阵分析方法和李雅普诺夫函数,获得了系统均方指数稳定的充分条件,并以此获得了非脆弱状态估计器增益矩阵。(2)Do S(Denial-of-Service)攻击是一种使系统资源无法使用的攻击方式。从技术角度来看,攻击者可以填充用户域或内核域的缓冲区,阻塞共享网络介质以防止设备进行通信或接收或更改路由协议。主要使用队列模型,伯努利模型以及马尔可夫模型来建模。由于网络攻击的多样性,实际的攻击者也可能同时采用多种攻击方式来对网络化系统进行攻击。基于此点考虑,对于同时遭受Do S攻击以及欺骗攻击的具有传感器故障的离散非线性时滞神经网络系统进行了非脆弱状态估计器的设计。(3)重放攻击是一种非常特殊的欺骗攻击,主要表现在攻击发送的虚假的数据不是由攻击者自己凭空设置出来的,而是系统本身曾经使用过的数据。重放攻击需要有两步动作,首先需要在某一时刻记录下传感器或者执行器的数据,然后再在发动攻击时用记录下的数据来替代实时的传感器和执行器的数据。重放攻击与其他网络攻击最大的不同就是攻击信号是系统曾经使用过的数据。基于其攻击机制,采用传感器数据时延的模型来模拟重放攻击的发生,对于重放攻击下具有传感器故障的离散非线性时滞神经网络系统进行了非脆弱状态估计器的设计。最后,利用matlab数值仿真证明了所设计的非脆弱状态估计器有良好的估计效果。