摘要。图形神经网络（GNN）是用于解决复杂网络问题的图理论的高级使用。图形神经网络的应用可以通过修改与图G（V，E）的顶点或边缘相关的权重来开发网络。数据加密是一种通过将纯文本编码为复杂的数值配置来改善数据安全性的技术，从而最大程度地减少了数据泄漏的可能性。本研究旨在通过应用图神经网络和换位技术进行信息操纵来解释提高数据安全的潜力。这项研究涉及一种算法和模拟，该算法讨论了在操纵信息中使用换位方法。这是通过实现图神经网络来实现的，该图形神经网络发展了顶点和边缘之间的相互作用。这项研究的主要结果表明，经验证据支持了以下概念：秘密密钥的长度和数据加密中使用的字符数直接影响加密过程的复杂性，从而影响创建数据的整体安全性。