【技術實現步驟摘要】
本專利技術涉及網絡通信，更具體地說，本專利技術涉及一種基于ai的低空經濟通信服務器安全資源分配方法。
技術介紹
1、隨著無人機技術和低空經濟的迅猛發展，低空空域的商業化應用日益廣泛，例如無人機配送、農業監測、環境監測等多種場景；不僅提升了物流和服務效率，還為經濟增長和社會發展提供了新的動力；然而，隨之而來的是對數據通信和安全性的更高要求；低空經濟通信服務器作為信息傳輸的核心環節，承載著大量的實時數據流和指令；在這種環境中，服務器必須具備高效的資源分配能力，以應對快速變化的網絡需求；同時，安全性也成為重中之重，尤其是在面臨網絡攻擊、數據泄露等威脅時，如何確保通信的安全性和可靠性是關鍵問題。
2、公開號為cn115086992a的專利公開了一種分布式語義通信系統以及帶寬資源分配方法及裝置；方法包括：將深度殘差網絡的全連接層部署在邊緣服務器上，將深度殘差網絡中全連接層以前的神經網絡部署在d個終端設備上；基于分布式語義通信系統，建立帶寬資源分配優化模型；構建并訓練深度確定性策略梯度ddpg算法模型，在帶寬資源分配優化模型的基礎上，確定離線階段的最佳資源分配策略網絡；當處于在線階段時，將當前狀態信息輸入至最佳資源分配策略網絡，確定最優的特征壓縮方案和帶寬資源分配方案；從而緩解當前無線通信網絡中可用帶寬資源稀缺的問題。
3、但上述技術所采用的ddpg算法需要在資源分配初期整個網絡的帶寬資源總量進行確定，無法適應網絡負荷的變化，靈活性不足；并且ddpg算法的訓練過程計算復雜度高，需要大量的數據訓練，在實際網絡中難以快速
4、鑒于此，本專利技術提出一種基于ai的低空經濟通信服務器安全資源分配方法以解決上述問題。
技術實現思路
1、為了克服現有技術的上述缺陷，實現上述目的，本專利技術提供如下技術方案：一種基于ai的低空經濟通信服務器安全資源分配方法，方法包括：
2、s1：接收m組設備特征數據，m為大于1的整數；
3、s2：對m組設備特征數據進行分析，識別對應的作業任務；
4、s3：對m組設備特征數據進行分析，獲取對應的通信特性數據；
5、s4：根據對應的作業任務和通信特性數據，對m組設備特征數據進行優先級劃分；
6、s5：基于m組設備特征數據對應的優先級和通信特性數據，動態分配通信資源數據，并進行數據傳輸；
7、s6：實時監測數據傳輸過程，判斷是否生成報警指令。
8、進一步地，所述設備特征數據包括移動速度、數據傳輸量和數據傳輸效率；設備特征數據與低空設備一一對應；所述移動速度為低空設備相對于地面的移動速度；所述數據傳輸量為低空設備在單位時間內需要向云端平臺傳輸的數據總量；所述數據傳輸效率為低空設備在單位時間內成功傳輸至云端平臺的數據總量；
9、所述識別對應的作業任務的步驟包括：
10、步驟s201：建立模糊集合，將設備特征數據的每個數據劃分為多個模糊集合；
11、步驟s202：將m組設備特征數據中的每個數據，分別通過模糊化技術轉換成對應模糊集合的隸屬度；
12、步驟s203：定義模糊規則；
13、步驟s204：將模糊化后的m組設備特征數據與模糊規則匹配，進行模糊推理，獲取模糊推理結果，模糊推理結果為m組設備特征數據對應不同作業任務的隸屬度；
14、步驟s205：對模糊推理結果進行去模糊化操作，獲取去模糊化結果，去模糊化結果即為m組設備特征數據對應的作業任務；去模糊化操作為：根據模糊推理結果，分別獲取每組設備特征數據對應每種作業任務對應的隸屬度；將每組設備特征數據對應的隸屬度進行對比，將數值最大的隸屬度對應的作業任務作為對應設備特征數據所對應的作業任務，識別m組設備特征數據對應的作業任務。
15、進一步地，所述獲取對應的通信特性數據的方法包括：
16、通信特性數據包括帶寬需求和功率需求；
17、帶寬需求的表達式為：
18、；
19、式中，為帶寬需求，為數據傳輸量，為數據傳輸效率，為移動速度，、均為預設權重系數；
20、功率需求的表達式為：
21、；
22、式中，為功率需求，、為預設比例系數。
23、進一步地，所述對m組設備特征數據進行優先級劃分的方法包括：
24、對不同的作業任務設置不同的數字標簽，并標記為任務標簽；將任務標簽和通信特性數據作為分析數據；將每組設備特征數據對應的分析數據分別輸入訓練好的優先預測模型，預測出每組設備特征數據對應的優先系數；將每組設備特征數據對應的優先系數由大到小進行排序，獲取優先排序表；根據優先排序表正序，對m組設備特征數據依次遞增設置對應的優先編號，優先編號的范圍為，其中1為最高優先級，m為最低優先級；
25、優先預測模型的訓練過程包括：
26、預先收集q組分析數據，對q組分析數據均設置對應的優先系數，q為大于1的整數，將分析數據與對應的優先系數轉換為對應的一組特征向量；將每組特征向量作為優先預測模型的輸入，所述優先預測模型以每組分析數據對應的一組預測優先系數作為輸出，以每組分析數據對應的實際優先系數作為預測目標，實際優先系數即為預先設置的與分析數據對應的優先系數；以最小化所有分析數據的預測誤差之和作為訓練目標；對優先預測模型進行訓練，直至預測誤差之和達到收斂時停止訓練；所述優先預測模型為深度神經網絡模型。
27、進一步地，所述通信資源數據包括帶寬和功率；
28、所述動態分配通信資源數據的步驟包括：
29、步驟s501：定義種群規模、迭代閾值、移動因子和擾動因子；
30、步驟s502：構建m組數據集合，，對不同的數據集合設置不同的數字標簽，并標記為集合標簽；
31、步驟s503：構建種群，種群中每個個體的位置與集合標簽一一對應，個體包括狩獵者和獵物；種群對應的迭代次數t為0；
32、步驟s504：確定評估值函數；
33、步驟s505：隨機生成個獵物，計算每個獵物的選擇概率并進行選擇；
34、步驟s506：確定全局最優位置，并計算每個狩獵者對應的陷阱深度；
35、步驟s507：計算每個狩獵者對應的吸引度；
36、步驟s508：更新每個狩獵者和獵物的位置；
37、步驟s509：判斷迭代次數t是否小于迭代閾值，若是，則令，并返回步驟s505，若否，則進入步驟s510；
38、步驟s510：更新全局最優位置，獲取全局最優位置對應的集合標簽，根據集合標簽對應的數據集合，對通信資源數據進行動態分配。
39、進一步地，所述步驟s502中，構建m組數據集合的方法為：獲取數據總值，數據總值包括網絡總帶寬和網絡本文檔來自技高網...
【技術保護點】
1.一種基于AI的低空經濟通信服務器安全資源分配方法，其特征在于，方法包括：
2.根據權利要求1所述的基于AI的低空經濟通信服務器安全資源分配方法，其特征在于，所述設備特征數據包括移動速度、數據傳輸量和數據傳輸效率；設備特征數據與低空設備一一對應；所述移動速度為低空設備相對于地面的移動速度；所述數據傳輸量為低空設備在單位時間內需要向云端平臺傳輸的數據總量；所述數據傳輸效率為低空設備在單位時間內成功傳輸至云端平臺的數據總量；
3.根據權利要求2所述的基于AI的低空經濟通信服務器安全資源分配方法，其特征在于，所述獲取對應的通信特性數據的方法包括：
4.根據權利要求3所述的基于AI的低空經濟通信服務器安全資源分配方法，其特征在于，所述對m組設備特征數據進行優先級劃分的方法包括：
5.根據權利要求4所述的基于AI的低空經濟通信服務器安全資源分配方法，其特征在于，所述通信資源數據包括帶寬和功率；
6.根據權利要求5所述的基于AI的低空經濟通信服務器安全資源分配方法，其特征在于，所述步驟S502中，構建M組數據集合的方法為：獲取數據
7.根據權利要求6所述的基于AI的低空經濟通信服務器安全資源分配方法，其特征在于，所述步驟S504中，評估值函數的表達式為：
8.根據權利要求7所述的基于AI的低空經濟通信服務器安全資源分配方法，其特征在于，所述步驟S505中，，計算每個獵物的選擇概率并進行選擇的方法包括：
9.根據權利要求8所述的基于AI的低空經濟通信服務器安全資源分配方法，其特征在于，所述步驟S506中，確定全局最優位置的方法為：計算每個個體對應的評估值，將評估值最大對應個體的位置作為全局最優位置；
10.根據權利要求9所述的基于AI的低空經濟通信服務器安全資源分配方法，其特征在于，所述判斷是否生成報警指令的方法包括：
...【技術特征摘要】
1.一種基于ai的低空經濟通信服務器安全資源分配方法，其特征在于，方法包括：
2.根據權利要求1所述的基于ai的低空經濟通信服務器安全資源分配方法，其特征在于，所述設備特征數據包括移動速度、數據傳輸量和數據傳輸效率；設備特征數據與低空設備一一對應；所述移動速度為低空設備相對于地面的移動速度；所述數據傳輸量為低空設備在單位時間內需要向云端平臺傳輸的數據總量；所述數據傳輸效率為低空設備在單位時間內成功傳輸至云端平臺的數據總量；
3.根據權利要求2所述的基于ai的低空經濟通信服務器安全資源分配方法，其特征在于，所述獲取對應的通信特性數據的方法包括：
4.根據權利要求3所述的基于ai的低空經濟通信服務器安全資源分配方法，其特征在于，所述對m組設備特征數據進行優先級劃分的方法包括：
5.根據權利要求4所述的基于ai的低空經濟通信服務器安全資源分配方法，其特征在于，所述通信資源數據包括帶寬和功率；
6.根據權利要求5所述的基于ai的低空經濟通信服務器安全資源分配方法，其特征在于，所述步驟s502中，構建m組數據集合的方...
【專利技術屬性】
技術研發人員：蔣飛虎，覃超寶，陳勁，
申請(專利權)人：深圳市倍聯德實業有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。