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！

龙图腾网获悉西安交通大学申请的专利一种基于图神经网络的物理层安全传输方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119485317B 。

龙图腾网通过国家知识产权局官网在2025-12-19发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411637616.X，技术领域涉及：H04W12/122；该发明授权一种基于图神经网络的物理层安全传输方法及系统是由唐晓;赵可欣;刘金鑫;杜清河;张世娇设计研发完成，并于2024-11-15向国家知识产权局提交的专利申请。

本一种基于图神经网络的物理层安全传输方法及系统在说明书摘要公布了：本发明公开了一种基于图神经网络的物理层安全传输方法及系统，属于通信信号处理技术领域，首先构建存在多个窃听者和合法用户与基站通信的场景，分析得出接收机的瞬时接收速率，并形成以最大化此系统的合法用户接收速率、最小化此系统的窃听者接收速率为目标，发射波束赋形为变量的问题模型；然后开发了一个基于图神经网络的框架，其中波束赋形向量通过神经网络训练来解决。采用随机梯度下降法对神经网络参数进行优化，达到有效抑制窃听、提升物理层安全的目的。

本发明授权一种基于图神经网络的物理层安全传输方法及系统在权利要求书中公布了：1.一种基于图神经网络的物理层安全传输方法，其特征在于，包括以下步骤： 构建存在若干窃听者和合法用户接收基站下行通信信号的场景； 基于基站发射机信号到达的给定方向，得到基站发射机到合法用户和窃听者之间的信道增益，确定合法用户和窃听者处接收信号的表达式，合法用户接收信号为： 其中，，表示基站到合法用户的通信信道向量，为基站到用户的信道增益，为基站对用户的波束赋形向量，表示合法用户接收端的服从复高斯分布的加性白噪声，是基站传输给用户的信号，为区域内的用户窃听者对数量，为共轭转置的表示符号，用户和窃听者对集合表示为； 窃听者接收信号为： 其中，代表基站到窃听者的通信信道向量，为基站到窃听者的信道增益，表示窃听者接收端的服从复高斯分布的加性白噪声； 根据得到的合法用户和窃听者处接收信号的表达式，构造以各合法用户对应的发射波束赋形向量为变量，以最大化此抗窃听系统的安全速率为目标函数的问题模型，问题模型描述如下： 其中，为系统安全速率，为区域内的用户窃听者对数量，为合法用户接收目标信号的速率，为窃听者接收目标信号的速率，为基站最大发射功率，为基站对用户的波束赋形向量，合法用户接收目标信号的速率和窃听者接收目标信号的速率为： 其中，为基站到用户的信道增益，为噪声功率，为基站最大发射功率，为基站对用户的波束赋形向量，为区域内的用户窃听者对数量，为基站到窃听者的信道增益； 基于构建的场景和得到的问题模型定义场景和问题所映射图的节点和连接边，图神经网络中，设置合法用户和其对应窃听者为一个节点，所有节点之间全连接的图结构，节点的初始特征表示为： 其中，为取基站对用户的波束赋形向量的实部的操作，为取基站对用户的波束赋形向量的虚部的操作，为取基站到用户的信道增益的实部的操作，为取基站到用户的信道增益的虚部的操作，为取基站到窃听者的信道增益的实部的操作，为取基站到窃听者的信道增益的虚部的操作； 基于求解的问题模型设计图神经网络编码器，定义图神经网络中消息生成和消息聚合的方法； 图神经网络编码器中，设为节点在第次消息传递中的特征，节点在第次消息传递中生成待传递消息，，其中，是指在第次消息传递中的消息生成函数，邻居消息的聚合发生在消息沿图数据中的边传递之后，节点接收到多个邻居的消息，将消息转换为单一固定维度的聚合信息，使用函数作为聚合函数，以选择影响最大的消息，选择的消息参与邻居消息的聚合过程为：；采用部分更新方法，保留部分节点特征作为原始信道信息的有效特征存储区域，将每一层的更新变量存储为节点特征其余部分的嵌入特征，，其中，的前项代表节点特征中存储嵌入特征的部分，是每一轮消息传递过程中存储特征更新的部分； 设计神经网络的损失函数、学习方法和参数，对神经网络进行训练，得到具有泛化能力的模型，网络的损失函数定义为系统安全速率的负值： ，其中，为系统安全速率，为合法用户接收目标信号的速率，为窃听者接收目标信号的速率，为区域内的用户窃听者对数量，通过调整参数多轮训练，使得损失函数收敛，得到系统安全通信的波束赋形策略。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。