计算机应用

作者：吴俊锐, 杨江川, 喻海生, 邹赛, 汪文勇

单位：1.电子科技大学 计算机科学与工程学院（网络空间安全学院），成都 611731；2.裕太微（上海）电子有限公司 产品研发部，上海 201206；3.中国互联网络信息中心，北京 100070；4.贵州大学 大数据与信息工程学院，贵阳 550025

关键词：确定性网络,性能评估,图神经网络,复增强注意力机制,隐信息提取

基金：国家自然科学基金-民航联合基金重点项目(U033212);国家自然科学基金原创探索项目(62250067);四川省自然科学基金资助项目(2024NSFSC0473);中央高校项目(ZYGX2024Z009)

确定性网络是当前互联网发展的重点和热点，如何评估确定性网络系统中非确定性流量的性能在理论和工程上仍是一个挑战。尽管传统方法，如使用排队论建模网络流量到达分布、采取网络演算分析建立网络行为的上下界以及应用机器学习和深度学习算法从大量历史数据中统计推测网络性能趋势可以部分解决这一问题，但面对复杂的确定性网络系统，它们依然存在精度和性能较差的缺陷。因此，提出一种基于复增强注意力机制图神经网络（CEA-GNN）的确定性网络性能评估方法。该方法充分利用确定性网络系统的门控属性，并使用注意力机制将关键信息传递给图神经网络（GNN），从而提高评估精度；同时，从图形空间域和复频域中提取相关信息更新GNN，以提升评估模型的性能。在美国国家科学基金会网络提供的网络拓扑上的实验结果表明，相较于RouteNet-Fermi评估方法，所提方法对确定性网络中非确定性流量时延预测的平均绝对误差（MAE）减小了87.4%，丢包率预测的MAE减小了12.7%，每条流平均处理时间缩减了64.4%。

来源：2026年第2期

《计算机应用》期刊编辑部

查看计算机应用杂志2026年第2期