摘要
本文研究了一类具有加性时变延迟的分数阶复值神经网络在遭受非周期性拒绝服务攻击时的投影同步控制问题。首先，设计了一种基于切换延迟的分数阶复值神经网络模型，以应对非周期性拒绝服务攻击的间歇性和不可预测性。其次，提出了一种自适应事件触发机制，该机制采用基于采样数据的切换调整阈值参数，能够有效节省网络带宽，并增强系统对非周期性拒绝服务攻击的防御能力。第三，利用事件触发信息设计了一种投影同步控制器，用于抵消拒绝服务攻击的影响，并在数据传输出现间歇性故障时保持系统稳定性。随后，为拒绝服务攻击的攻击阶段和静止阶段构建了一种新的共同李雅普诺夫-克拉索夫斯基函数，通过运用分数阶不等式方法，将投影同步的充分条件表示为线性矩阵不等式。最后，数值算例验证了理论结果的实用性和有效性，表明其在复杂攻击场景下仍能保持良好的同步性能。
