The invention discloses an anomaly data detection method suitable for wireless sensor networks, including clustering of network nodes: according to clustering algorithm, the nodes related to the collected data are divided into a group, and a cluster head node of the group is selected; double detection: each node is obtained by training data set combined with PCA algorithm Self-partitioning threshold is calculated by cluster head node of corresponding cluster, and any node detects the new data based on Self-distinguishing threshold and global distinguishing threshold; detection model updates: changes the composition of training data set with the new detection data. The invention makes full use of the characteristics of time and space correlation between sensor data in wireless sensor network nodes, proposes a dual detection mechanism based on PCA, which combines local detection with global detection, and proposes an update scheme of anomaly detection model, which greatly improves the reliability of anomaly detection model. The scheme is more suitable for detecting abnormal data in sensor networks in actual scenarios.
【技术实现步骤摘要】
适用于无线传感器网络的异常数据检测方法
本专利技术涉及一种网络异常的检测方法,具体涉及一种针对密集部署的无线传感器网络的异常数据检测方法。
技术介绍
随着网络技术的日新月异,现有针对无线传感器网络异常数据检测方案主要分为两种,即集中式检测方案和分布式检测方案。具体分析其特征和优缺点:其中集中式检测方案的核心思想是将各个节点的检测数据统一地发送到汇聚节点,汇聚节点接收各个节点传送过来的数据,根据汇聚节点的异常数据检测模型提取异常数据,并且定位到相应的异常节点。这种方法的优点是每个传感器节点不需要额外的计算开销,只需要将数据传递给汇聚节点。但是这种方案的缺点也很明显:(1)汇聚节点的处理能力要很强,一旦汇聚节点被攻击,那么整个网络将难以避免地瘫痪。(2)每个节点都需要将自己的数据传送给汇聚节点,节点能量随着频繁的通信而迅速消耗,也很容易导致整个网络瘫痪(需要注意的是节点之间进行通信是最消耗节点能量的)。由于集中式检测方案使得网络的健壮性非常差,因此现阶段主要用的都是分布式检测方案。分布式检测方案的核心思想是让各个节点都能够自动检测异常数据,这样一来不仅可以解决网络中通信频繁的问题,也可以保证网络中一个节点出问题不会使网络瘫痪,大大提高了网络的健壮性和生命周期。然而这种方案也有明显的缺陷:(1)网络中每一个节点都需要额外的计算资源,如果计算耗费的资源很高,那么节点很快就会成为死节点。(2)每一个节点只根据自己所建立的模型来检测异常数据,存在误报率较高,检测率较低的情况。目前主流的分布式检测方案包括:基于支持向量机(SVM)的检测方案,基于分类器的检测方案,基于主 ...
【技术保护点】
1.适用于无线传感器网络的异常数据检测方法,其特征在于包括步骤:网络节点的分簇:根据分簇算法将采集数据相关的节点分在一个组中,并在这个组中选出一个簇头节点进行该组节点数据的传送和处理;双重检测:每个节点通过训练数据集结合PCA算法得到自分区阀值,并由对应簇的簇头节点计算得到全局区分阀值,任意节点在检测到新数据后基于自区分阀值和全局区分阀值进行检测;检测模型更新:设定检测模型中初始训练数据集由m个时间窗口中的正常数据构成,其中m为大于2的整数,随新的检测数据到来,训练数据集由当前m个窗口时间内的正常数据构成。
【技术特征摘要】
1.适用于无线传感器网络的异常数据检测方法,其特征在于包括步骤:网络节点的分簇:根据分簇算法将采集数据相关的节点分在一个组中,并在这个组中选出一个簇头节点进行该组节点数据的传送和处理;双重检测:每个节点通过训练数据集结合PCA算法得到自分区阀值,并由对应簇的簇头节点计算得到全局区分阀值,任意节点在检测到新数据后基于自区分阀值和全局区分阀值进行检测;检测模型更新:设定检测模型中初始训练数据集由m个时间窗口中的正常数据构成,其中m为大于2的整数,随新的检测数据到来,训练数据集由当前m个窗口时间内的正常数据构成。2.根据权利要求1所述适用于无线传感器网络的异常数据检测方法,其特征在于还包括方案评估:利用拟合的数据集、英特尔伯克利实验室采集的传感器数据集对自定义时段内的双重检测结果进行分析和仿真,进行评估,其中自定义时段为检测模型更新周期的s倍,s为大于5的整数。3.根据权利要求1所述适用于无线传感器网络的异常数据检测方法,其特征在于:所述分簇算法为GAF分簇算法、拓扑发现算法、LEACH算法、H...
【专利技术属性】
技术研发人员:杨立君,郑文添,吴蒙,
申请(专利权)人:南京邮电大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。