背景

本项目旨在通过基于E-GraphSAGE模型的网络流量异常检测方法，提升对工业互联网中网络流量的实时监控和安全分析能力。随着工业互联网设备的广泛应用，网络安全威胁不断增加，及时检测和识别异常网络行为成为确保网络安全的关键。本项目结合图神经网络（GNN）和图拓扑优化，通过对网络流量数据的深度学习与分析，能够高效发现潜在的异常流量行为。

作用

• 网络流量异常检测：利用图神经网络，检测工业互联网中的网络流量异常，帮助识别潜在的安全威胁。
• 图采样：结合图拓扑优化和随机游走重启（RWR）算法，优化图结构，提升检测精度与效率。
• 智能化警告：实时分析网络数据，提供智能化的警告与响应方案，提高网络防护能力。

主要功能

• 基于E-GraphSAGE模型的流量数据分析与处理。
• 采用图神经网络对网络流量进行异常行为检测。
• 网络流量数据采样与图拓扑优化。