基于GConvGRU-GAT的车联网安全性能智能预测方法研究
李天成1
薛培友2
徐凌伟1
1.安徽省普通高校交通信息与安全重点实验室,安徽 合肥 230601;青岛科技大学 信息科学技术学院,山东 青岛 2660612.安徽省普通高校交通信息与安全重点实验室,安徽 合肥 230601
摘要：随着5G技术和物联网的不断发展,车联网业务层出不穷,其应用场景也越来越复杂多变.在车联网通信过程中,安全性能受车联网复杂多变环境的影响,难以进行实时准确的预测.因此,本文提出了一种基于GConvGRU-GAT的车联网安全性能智能预测方法.首先在N-Nakagami信道下,建立了车联网安全通信系统模型,并通过检测通信链路信噪比来进行安全性能分析,有效分析不同影响因素对安全性能的影响,构建了通信数据集.为了更好的对通信系统进行实时预测,本文融合了图注意力神经网络(Graph Atten-tion Network,GAT)、图卷积神经网络(Graph Convolutional Network,GCN)和门控循环单元(Gated Re-current Unit,GRU),设计了基于GConvGRU-GAT的移动安全性能预测网络模型.试验结果表明,相较于其他算法,GConvGRU-GAT算法具有更好的预测效果,比GCN模型性能提高了84.6%.
关键词：车联网安全通信安全性能预测图注意力神经网络
分类号：TP183(自动化基础理论)TN915.08(通信)
资助基金：国家自然科学基金(62201313)安徽省普通高校交通信息与安全重点实验室开放课题(JTX202404)
论文发表日期：2025-08-01
在线出版日期：2026-08-28（本平台首次上网日期，不代表文献的发表时间）
页数：10( 507-515,526 )
英文信息