摘要
本发明提出了一种基于时空图注意力模型的网络病毒传播预测方法,主要解决现有技术对传播参数的依赖性强、预测精度低的问题。方案包括:1)基于网络拓扑结构和病毒历史传播数据,构建时空感染状态图;2)使用滑动窗口机制对病毒历史传播数据进行处理,构建数据集;3)结合图注意力网络和长短期记忆网络,构建基于时空图注意力网络的预测模型;4)利用构建的数据集对预测模型进行训练,并评估模型的预测性能;5)采用训练好的模型对未来网络病毒的传播趋势进行预测。本发明有效结合了病毒传播的空间拓扑特性与时间演化规律,同时引入图注意力机制,能够显著提升大规模网络环境下病毒传播的预测准确性和计算速度。
技术关键词
节点特征
滑动窗口机制
多头注意力机制
注意力模型
大规模网络环境
输出特征
数据
病毒
优化器
线性变换矩阵
长短期记忆网络
训练集
网络拓扑结构
非线性特征
标签