1.一种基于无监督注意力残差网络的安全能效最大化方法，其特征在于，所述方法应用于包括的配置反射单元的发射集成 RIS、合法用户、感知目标及窃听者的RIS辅助的ISAC系统；所述方法包括：获取发射集成 RIS的发射信号并对RIS到合法用户的信道进行建模；基于所述发射集成 RIS的发射信号和RIS到合法用户的信道计算在合法用户处接收到的信干噪比和合法用户的可达速率；基于窃听者处接收到的通信信号计算窃听合法用户端接收到的信干噪比和窃听链路的可达速率；根据所述合法用户的可达速率的最小值和窃听链路的可达速率设计多播系统的安全容量，根据RIS的发射功率和相关硬件元器件的耗散两部分组成ISAC系统的总功耗；利用所述安全容量和所述总功耗计算ISAC系统对能量资源的利用效率，以所述ISAC系统对能量资源的利用效率为目标函数，利用预先设置的合法用户的可达速率约束、RIS放大功率约束以及侦察目标估计的CRB约束构建RIS辅助的ISAC系统优化模型；构建无监督注意力残差网络，采用余弦退火LR调度算法和预先设置的损失函数对所述无监督注意力残差网络进行训练和验证，得到训练好的有监督深度神经网络；根据所述训练好的有监督深度神经网络对所述RIS辅助的ISAC系统优化模型进行求解，得到RIS相移与功率分配参数。
2.根据权利要求1所述的方法，其特征在于，基于所述发射集成 RIS的发射信号和RIS到合法用户的信道计算在合法用户处接收到的信干噪比和合法用户的可达速率，包括：基于所述发射集成 RIS的发射信号和RIS到合法用户的信道计算在合法用户处接收到的信干噪比和合法用户的可达速率分别为：其中， 为在第k个合法多播合法用户端处接收到的信干噪比， 为对RIS到合法用户k的信道的共轭转置，上标H表示共轭转置， 、 分别表示由RF馈电天线分配给合法用户和目标发射功率， 、 分别表示RIS用于通信和感知的相移向量， 为合法用户 处噪声功率；则计算第k个合法用户的可达速率为： 。
3.根据权利要求2所述的方法，其特征在于，所述窃听者处接收到的通信信号为其中， 、 分别表示RIS发射给合法用户的通信信号和给目标的感知信号， 、 分别表示由RF馈电天线分配给合法用户和目标发射功率， 表示RIS用于通信的相移向量， 表示噪声功率为 的AWGN， 表示窃听者信道。
4.根据权利要求3所述的方法，其特征在于，基于窃听者处接收到的通信信号计算窃听合法用户端接收到的信干噪比和窃听链路的可达速率，包括：基于窃听者处接收到的通信信号计算窃听合法用户端接收到的信干噪比和窃听链路的可达速率分别为其中， 、 分别表示由RF馈电天线分配给合法用户和目标发射功率， 、 分别表示RIS用于通信和感知的相移向量， 为窃听者 处噪声功率， 表示窃听者信道， 表示窃听合法用户端接收到的信干噪比。
5.根据权利要求1所述的方法，其特征在于，利用所述安全容量和所述总功耗计算ISAC系统对能量资源的利用效率，包括：利用所述安全容量和所述总功耗计算ISAC系统对能量资源的利用效率为其中， 表示每个RIS单元的动态功率消耗， 表示RIS维持基本电路操作所需的静态功率， 表示合法用户的硬件总消耗功率， 表示安全容量， 表示总功耗， 、 分别表示由RF馈电天线分配给合法用户和目标发射功率， 表示窃听链路的可达速率， 表示合法用户的可达速率。
6.根据权利要求1所述的方法，其特征在于，以所述ISAC系统对能量资源的利用效率为目标函数，利用预先设置的合法用户的可达速率约束、RIS放大功率约束以及侦察目标估计的CRB约束构建RIS辅助的ISAC系统优化模型为：其中， 表示ISAC系统对能量资源的利用效率， 表示安全容量， 表示总功耗， 、 分别表示由RF馈电天线分配给合法用户和目标发射功率， 表示第k个合法用户的可达速率， 表示第 个侦察目标DOA估计的CRB， 表示RIS发射的实际功率， 表示发射功率最大阈值， 表示单位模相移， 表示RIS元素个数， 表示CRB最大阈值， 表示感知目标个数， 、 分别表示RIS用于通信和感知的相移向量， 表示第k个合法用户的最小可达速率。
7.根据权利要求1所述的方法，其特征在于，构建无监督注意力残差网络，包括输入预处理层、双重信道注意力模块、残差块及多任务输出层，其中输入预处理层用于对特征进行线性变换、批量归一化与LeakyReLU激活，双重注意力模块用于通过池化操作提取关键信道特征，残差块用于利用跳跃连接保持特征完整性，输出层用于生成RIS相移与功率分配参数。
8.根据权利要求1所述的方法，其特征在于，采用余弦退火LR调度算法和预先设置的损失函数对所述无监督注意力残差网络进行训练和验证，包括：在三维场景中生成包含合法用户、窃听者的莱斯信道数据集，将各信道向量的实部与虚部提取后组合成特征向量，经实虚部分解、归一化处理后，向训练集添加高斯噪声并按比例划分训练集与验证集，进入迭代训练过程，每个训练周期内遍历所有训练批次，前向传播生成RIS通信相移、感知相移及功率分配系数，其中相位经三角函数转换为单位模复数，功率系数通过Softmax归一化；同步计算ISAC系统安全能效、通信速率与CRB约束的违反量，动态更新惩罚项系数以平衡优化目标与约束条件；基于预先设置的损失函数进行反向传播，通过梯度裁剪将梯度范数约束在1内稳定训练，并利用带5轮预热期的余弦退火策略调整学习率，直至达到预先设置的训练终止条件时，停止训练。
9.根据权利要求8所述的方法，其特征在于，所述带5轮预热期的余弦退火策略包括带5轮热身的余弦退火LR调度公式；所述带5轮热身的余弦退火LR调度公式为其中， 为初始LR， 为热身轮数5轮，T为总训练轮数，t为当前轮数。
10.根据权利要求8所述的方法，其特征在于，所述预先设置的损失函数为：其中，S是训练阶段的小批量大小， 为安全能效， 和 分别为通信速率与CRB的约束违反量， 和 为动态调整的惩罚项系数。
