1.一种安全中断概率预测方法，其特征在于，包括：基于采集的目标数据创建通信数据集，所述通信数据集包括训练集；

基于深度可分离卷积和空洞卷积对所述训练集进行训练后，应用Transformer模型得到预测模型；

基于所述预测模型进行安全中断概率预测。

2.根据权利要求1所述的安全中断概率预测方法，其特征在于，所述基于深度可分离卷积和空洞卷积对所述训练集进行训练后，应用Transformer模型得到预测模型，包括：对所述训练集进行深度可分离卷积，确定第一数据；

对所述训练集进行空洞卷积，确定第二数据；

基于Transformer模型对所述第一数据和所述第二数据进行编码和解码，基于解码结果进行训练。

3.根据权利要求2所述的安全中断概率预测方法，其特征在于，所述对所述训练集进行深度可分离卷积，确定第一数据，包括：对所述训练集进行A次深度可分离卷积，A为正整数；

进行批量归一化后，通过激活函数进行激活得到所述第一数据。

4.根据权利要求2所述的安全中断概率预测方法，其特征在于，所述对所述训练集进行空洞卷积，确定第二数据，包括：对所述训练集进行A次空洞卷积，A为正整数；

进行批量归一化后，通过激活函数进行激活得到所述第二数据。

5.根据权利要求2所述的安全中断概率预测方法，其特征在于，所述基于Transformer模型对所述第一数据和所述第二数据进行编码和解码，包括：对所述第一数据和所述第二数据进行特征融合，得到融合矩阵；

通过所述Transformer模型对所述融合矩阵进行编码和解码。

6.根据权利要求1所述的安全中断概率预测方法，其特征在于，所述目标数据通过如下方式采集：建立IoT安全通信系统模型，所述IoT安全通信系统模型包括信源、中继节点、目的端和窃听端；

确定所述IoT安全通信系统模型的信噪比，并计算所述信噪比的概率密度函数和累积分布函数；

确定所述IoT安全通信系统模型的安全中断概率，并基于所述IoT安全通信系统模型的安全中断概率、所述概率密度函数和所述累积分布函数，确定所述目标数据。

7.根据权利要求1所述的安全中断概率预测方法，其特征在于，所述通信数据集还包括测试集，所述基于深度可分离卷积和空洞卷积对所述训练集进行训练，之后还包括：使用所述测试集对训练得到的预测模型进行性能评估，若所述预测模型不满足预先设置的性能指标，重新进行训练。

8.根据权利要求1所述的安全中断概率预测方法，其特征在于，所述基于采集的所述目标数据创建通信数据集，之后还包括：将所述通信数据集由二维数据转换成三维数据。

9.一种安全中断概率预测系统，其特征在于，包括：创建模块，用于基于采集的目标数据创建通信数据集，所述通信数据集包括训练集；

训练模块，用于基于深度可分离卷积和空洞卷积对所述训练集进行训练后，应用Transformer模型得到预测模型；

预测模块，用于基于所述预测模型进行安全中断概率预测。

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，处理器执行程序时实现如权利要求1至8任一项所述安全中断概率预测方法。