Ccs6安装:没有中文路径
芯片:tms320f28335
仿真器:XDS100v2
本文的研究目的是探索基于
图卷积神经网络GCN. 随着当今高度的信息化
社会上,网络入侵事件屡见不鲜,而入侵检测的发展
技术变得至关重要。传统的入侵检测方法受到
特征选择和数据表示的缺点,不能满足要求
高效准确的入侵检测。GCN是一种适用于
图形数据,通过执行
对节点和边的信息进行卷积和池化操作。
本文将首先介绍图卷积的基本概念和原理
神经网络,包括卷积和池化操作,GCN的两层结构,
以及参数更新方法,为未来的实验奠定基础[1]。然后,一个
详细勘探
入侵检测技术,检测入侵,实现实时监控
通过分析计算机收集的数据来检测特定区域的非法
入侵已经发生,如果存在异常,则发出警报通知。电流
用于入侵检测的方法基于计算机视觉、红外、超宽带等,
RFID等。如采用超宽带技术,具有高分辨率的特点
实现生命检测和跟踪[1]。但上述所有方法都有一定的局限性,
单个适用场景,需要人员携带专用设备,不满足
日常使用的需要。随着WIFI设备在各个地方的流行部署
室内工作和生活环境已经覆盖了无线局域网
并且如果可以直接使用现有的WIFI设施来执行入侵检测,
它无疑是所有基于无线电信号的入侵检测中最理想的