买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:重庆交通大学
摘要:本发明公开了一种零信任下基于图卷积的车联网异常节点和真值发现方法,将邻接矩阵和各个车辆节点的相关数据输入训练好的图卷积网络中,检测出异常节点并更新异常节点的真值;图卷积网络中:构建动态关系拓扑图;判断信任支持度低于设置的信任支持度阈值的车辆节点存在节点特征异常;计算存在节点特征异常的车辆节点的异常分数,当异常分数超过设置的异常分数阈值时,判断该车辆节点为异常节点;通过图卷积和注意力机制结合其周边车辆节点的节点特征聚合生成该异常节点的新节点特征即真值;通过更新后所有车辆节点的真值和真实值计算损失函数,进行反向传播和参数更新;本发明能够有效评估车辆之间的信任关系并对车辆拓扑进行动态更新。
主权项:1.零信任下基于图卷积的车联网异常节点和真值发现方法,其特征在于,包括:S1:构建以车联网中的车辆为节点的邻接矩阵;获取各个车辆节点的相关数据;S2:将邻接矩阵和各个车辆节点的相关数据输入训练好的图卷积网络中,检测出异常节点并更新异常节点的真值;训练图卷积网络的处理步骤如下:S201:构建图卷积网络的网络结构;S202:将作为训练数据的邻接矩阵以及各个车辆节点的相关数据和真实值作为图卷积网络的输入;S203:构建以车辆为节点、以车辆之间关系为边的动态关系拓扑图;S204:基于车辆节点之间的节点特征的相似性评估各个车辆节点的信任支持度,判断信任支持度低于设置的信任支持度阈值的车辆节点存在节点特征异常;S205:计算存在节点特征异常的车辆节点的异常分数,当异常分数超过设置的异常分数阈值时,判断该车辆节点为异常节点;S206:对于异常节点:删除其节点特征,通过图卷积和注意力机制结合其周边车辆节点的节点特征聚合生成该异常节点的新节点特征即真值,进而更新动态关系拓扑图;S207:通过更新后所有车辆节点的真值和真实值计算损失函数,对图卷积网络的进行反向传播和参数更新;S208:重复步骤S202至S207,直至图卷积网络收敛或达到预设迭代轮次。
全文数据:
权利要求:
百度查询: 重庆交通大学 零信任下基于图卷积的车联网异常节点和真值发现方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。