【技术实现步骤摘要】
本专利技术涉及通信，尤其涉及一种安全中断概率预测方法及系统、电子设备。
技术介绍
1、随着大数据、互联网+、区块链等前沿技术的充分整合和运用，移动物联网(internet of things，iot)越来越呈现出强大的影响力和生命力。然而，由于移动物联网本身具有的开放性和多样性，可能严重的信息安全问题。
2、但是，iot移动通信环境的复杂性使得深度学习算法难以用于安全性能分析和预测。目前，基于物理层安全的通信安全性能预测算法研究尚处于起步阶段，特别是对于复杂多变的物联网通信场景，如何实现实时精确的物联网安全性能预测这一问题仍然没有得到较好的解决。
技术实现思路
1、本专利技术提供一种安全中断概率预测方法及系统、电子设备，用以解决现有技术中难以实现实时准确的物联网安全性能预测的缺陷，通过对安全中断概率进行预测，可以准确的进行物联网安全性能预测。
2、本专利技术提供的安全中断概率预测方法包括：
3、基于采集的目标数据创建通信数据集，通信数据集包括训练集；
4、基于深度可分离卷积和空洞卷积对所述训练集进行训练后，应用transformer模型得到预测模型；
5、基于预测模型进行安全中断概率预测。
6、根据本专利技术提供的安全中断概率预测方法，基于深度可分离卷积和空洞卷积对所述训练集进行训练后，应用transformer模型得到预测模型，包括：
7、对训练集进行深度可分离卷积，确定第一数据；
8
9、基于transformer模型对第一数据和第二数据进行编码和解码，基于解码结果进行训练。
10、根据本专利技术提供的安全中断概率预测方法，对训练集进行深度可分离卷积，确定第一数据，包括：
11、对训练集进行a次深度可分离卷积，a为正整数；
12、进行批量归一化后，通过激活函数进行激活得到第一数据。
13、根据本专利技术提供的安全中断概率预测方法，对通信数据集进行空洞卷积，确定第二数据，包括：
14、对训练集进行a次空洞卷积，a为正整数；
15、进行批量归一化后，通过激活函数进行激活的到第二数据。
16、根据本专利技术提供的安全中断概率预测方法，基于transformer模型对第一数据和第二数据进行编码和解码，包括：
17、对第一数据和第二数据进行特征融合，得到融合矩阵；
18、通过transformer模型对融合矩阵进行编码和解码。
19、根据本专利技术提供的安全中断概率预测方法，目标数据通过如下方式采集：
20、建立iot安全通信系统模型，iot安全通信系统模型包括信源、中继节点、目的端和窃听端；
21、确定iot安全通信系统模型的信噪比，并计算信噪比的概率密度函数和累积分布函数；
22、确定iot安全通信系统模型的安全中断概率，并基于iot安全通信系统模型的安全中断概率和概率密度函数和累积分布函数，确定目标数据。
23、根据本专利技术提供的安全中断概率预测方法，通信数据集还包括测试集，基于深度可分离卷积和空洞卷积对训练集进行训练，之后还包括：
24、使用测试集对训练得到的预测模型进行性能评估，若预测模型不满足预先设置的性能指标，重新进行训练。
25、根据本专利技术提供的安全中断概率预测方法，基于采集的目标数据创建通信数据集，之后还包括：
26、将通信数据集由二维数据转换成三维数据。
27、本专利技术还提供一种安全中断概率预测系统，包括：
28、创建模块，用于基于采集的目标数据创建通信数据集，通信数据集包括训练集和测试集；
29、训练模块，用于基于深度可分离卷积和空洞卷积对训练集进行训练后，应用transformer模型得到预测模型；
30、预测模块，用于基于预测模型进行安全中断概率预测。
31、本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现如上述任一种安全中断概率预测。
32、本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种安全中断概率预测。
33、本专利技术还提供一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现如上述任一种安全中断概率预测。
34、本专利技术提供的安全中断概率预测方法，可以基于采集的目标数据创建通信数据集，之后在对通信数据集进行训练时，可以应用深度可分离卷积和空洞卷积，通过两种技术的结合，一方面可以提高预测模型的精度，提高后续进行安全中断概率预测的准确性，还可以有效减少模型的参数的数量，减少模型训练以及后续进行安全中断概率预测的计算量。
本文档来自技高网...【技术保护点】
1.一种安全中断概率预测方法，其特征在于，包括：
2.根据权利要求1所述的安全中断概率预测方法，其特征在于，所述基于深度可分离卷积和空洞卷积对所述训练集进行训练后，应用Transformer模型得到预测模型，包括：
3.根据权利要求2所述的安全中断概率预测方法，其特征在于，所述对所述训练集进行深度可分离卷积，确定第一数据，包括：
4.根据权利要求2所述的安全中断概率预测方法，其特征在于，所述对所述训练集进行空洞卷积，确定第二数据，包括：
5.根据权利要求2所述的安全中断概率预测方法，其特征在于，所述基于Transformer模型对所述第一数据和所述第二数据进行编码和解码，包括：
6.根据权利要求1所述的安全中断概率预测方法，其特征在于，所述目标数据通过如下方式采集：
7.根据权利要求1所述的安全中断概率预测方法，其特征在于，所述通信数据集还包括测试集，所述基于深度可分离卷积和空洞卷积对所述训练集进行训练，之后还包括：
8.根据权利要求1所述的安全中断概率预测方法，其特征在于，所述基于采集的所述目标
9.一种安全中断概率预测系统，其特征在于，包括：
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，处理器执行程序时实现如权利要求1至8任一项所述安全中断概率预测方法。
...【技术特征摘要】
1.一种安全中断概率预测方法，其特征在于，包括：
2.根据权利要求1所述的安全中断概率预测方法，其特征在于，所述基于深度可分离卷积和空洞卷积对所述训练集进行训练后，应用transformer模型得到预测模型，包括：
3.根据权利要求2所述的安全中断概率预测方法，其特征在于，所述对所述训练集进行深度可分离卷积，确定第一数据，包括：
4.根据权利要求2所述的安全中断概率预测方法，其特征在于，所述对所述训练集进行空洞卷积，确定第二数据，包括：
5.根据权利要求2所述的安全中断概率预测方法，其特征在于，所述基于transformer模型对所述第一数据和所述第二数据进行编码和解码，包括：<...
【专利技术属性】
技术研发人员：徐凌伟，曹书博，李玉芳，高志贺，陈哲，王涵，李辉，
申请(专利权)人：青岛科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。