【技术实现步骤摘要】
本专利技术属于计算机，尤其涉及一种基于深度学习的网络节点重要性定量评估方法。
技术介绍
1、在复杂的系统中，网络节点的重要性决定了该网络节点的安全防护力度，尤其在资源有限或低时延通信需求的防护环境中，因此准确、合理的网络节点重要性定量评估至关重要。
2、网络节点重要性定量评估传统方法包括度中心性、介数中心性和特征向量中心性等，主要基于网络拓扑结构和数学模型。随着网络规模和复杂性的增加，这些传统方法在处理高维、异构和动态网络数据时面临诸多挑战。深度学习技术的快速发展为网络节点重要性评估带来了新的契机。深度学习通过多层非线性变换，可以自动提取数据中的高级特征，尤其在处理图结构数据时表现出色。图神经网络用于处理图结构数据的深度学习模型，通过迭代的方式更新每个节点的嵌入向量，捕捉节点与其邻居节点之间的复杂关系。图卷积网络，通过将传统卷积操作扩展到图数据上，能够有效提取节点的局部结构特征。图注意力网络引入了注意力机制，能够根据节点之间的相似性动态调整邻居节点的权重。
3、通过上述
技术介绍
的发展，基于深度学习的网络节点重要性...
【技术保护点】
1.一种基于深度学习的网络节点重要性定量评估方法，其特征在于：所述方法包括：构建被测系统网络节点图结构模型，构建网络节点重要性综合评价指标；利用图卷积神经网络框架形成网络节点重要性评估模型，通过删除网络节点形成网络节点重构图，计算网络节点重构图与原始图之间的差异，依据差异变化情况建立网络节点重要度序列。
2.根据权利要求1所述的一种基于深度学习的网络节点重要性定量评估方法，其特征在于：构建被测系统网络节点图结构模型，构建网络节点重要性综合评价指标的方法包括：
3.根据权利要求2所述的一种基于深度学习的网络节点重要性定量评估方法，其特征在于：利用...
【技术特征摘要】
1.一种基于深度学习的网络节点重要性定量评估方法，其特征在于：所述方法包括：构建被测系统网络节点图结构模型，构建网络节点重要性综合评价指标；利用图卷积神经网络框架形成网络节点重要性评估模型，通过删除网络节点形成网络节点重构图，计算网络节点重构图与原始图之间的差异，依据差异变化情况建立网络节点重要度序列。
2.根据权利要求1所述的一种基于深度学习的网络节点重要性定量评估方法，其特征在于：构建被测系统网络节点图结构模型，构建网络节...
【专利技术属性】
技术研发人员：王子帆，黄建平，成建宏，周双，魏自强，杨玉龙，朱义杰，
申请(专利权)人：贵州航天计量测试技术研究所，
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。