无中心节点的异构传感器网络异常事件检测方法技术

本发明专利技术提供一种无中心节点的异构传感器网络异常事件检测方法。该方法包括：当特定事件发生时，获取异构传感器网络中各节点采集的相关数据，形成原始数据集；利用Apriori算法对所述原始数据集进行数据挖掘，得到所述特定事件的事件轨迹集，所述事件轨迹集包括各节点的节点轨迹；利用选定的明哨节点和暗哨节点进行事件预检测，若在所述事件预检测阶段发现疑似异常事件，则向其它所有节点发出警告信息，所述警告信息包括疑似异常事件列表；接收到所述警告信息的节点根据所述疑似异常事件列表确认是否参与事件复检测，参与所述事件复检测的节点在所述事件复检测阶段根据各自的节点轨迹确认是否发生异常事件。本发明专利技术能够降低性能开销，同时确保网络安全。

【技术实现步骤摘要】
无中心节点的异构传感器网络异常事件检测方法
本专利技术涉及传感器网络
，尤其涉及一种无中心节点的异构传感器网络异常事件检测方法。
技术介绍
无线传感器网络是由大量廉价无源微型的传感器节点所组成的网络。无线传感器网络部署时一般采用如下形式：由大量廉价无源微型的节点和少量中心节点组成。在这种部署形式下，传感器节点只完成少量的运算，且只发送必要的信息(发送信息是传感器节点能量消耗的主要原因)，由于中心节点不存在能量和计算能力的限制，由其完成传感数据的收集、整理和分析。在这种传统的传感器网络中，一方面，由于传感器节点成本的限制，传感器节点往往只完成必要的功能实现，而难以部署过多的安全措施，很难保证节点本身的安全性。另一方面，由于传感器节点往往都是部署在攻击者可能到达的位置，使得传感器节点的物理控制权很难得到保证。总的来讲，传感器网络的安全性，很难依赖单个节点的安全性来保证。所谓异构传感器网络是指网络中存在不同类型的传感器节点。不同的传感器节点所感知的环境指标可能是不一样的。例如，有的传感器节点感知温度，有的传感器节点感知压强，有的传感器节点感知地理位置。当传感器网络中部署有不同类型的传感器节点时，必须有效区分感知数据的类型，以便感知数据的处理和分析。相对于同构传感器网络，异构传感器网络采集的环境信息更丰富，但是管理更为复杂。传感器网络典型的异常事件检测方法一般都是由传感器节点采集环境数据，由中心节点完成异常事件判定，典型的案例如SLAD(SubjectiveLogicAnomalyDetection)。在该案例中，传感器节点将采集的数据汇集到中心节点，中心节点收集整理节点采集的数据，基于时间相关性和空间相关性，判定节点数据的异常程度，并基于主观逻辑来量化这种异常程度，从而对节点被攻击这一事件给出定性的结论。显然，当传感器网络不存在中心节点的情况，这种异常事件检测模式就不存在了。异构传感器网络的异常事件检测相比同构网络更为复杂，典型的案例如DFHN(DataFusiononadistributedHeterogeneoussensorNetwork)。在该案例中，提出了一个两阶段的方法进行异常事件检测。首先，利用传感器节点的地理位置信息对网络进行分簇，对簇内的数据进行分类器训练，依据事件发生与否得到事件的局部视图；其次，在局部视图的基础上训练分类器来计算全局解，也就是将各个簇的结果综合，以此来判断事件是否发生。这个过程中，案例使用k最近邻、神经网络和支持向量机等机器学习技术，相比加权投票算法更能提高异常事件的检测率。但是，该案例假设网络中不同簇发生异常事件的概率相同，而实际应用中这并非常态。在存在中心节点的传感器网络中，异常事件的检测工作往往都是由中心节点来完成，所以不需要过多考虑中心节点的能量开销问题。但是在无中心节点的传感器网络中，异常事件的检测工作只能由传感器节点自身来完成，如何减少传感器节点的能量开销，以及在节点自身安全性存在威胁的情况下，完成网络异常事件检测就成为关键。
技术实现思路
为解决现有传感器网络中节点自身安全性存在威胁的问题，本专利技术提供一种无中心节点的异构传感器网络异常事件检测方法，采用部署明哨节点和暗哨节点相结合的方法来减少节点自身安全威胁对异常事件检测所带来的不利影响，利用基于多指标事件轨迹判定方法来提高异常事件检测的效率，从而实现无中心节点且高效的传感器网络异常事件检测方法。本专利技术提供的无中心节点的异构传感器网络异常事件检测方法，包括以下步骤：进一步地，所述异构传感器网络指由不同节点类型的若干传感器节点构成的网络，该方法包括：步骤1、当特定事件发生时，获取所述异构传感器网络中各节点采集的相关数据，形成原始数据集；步骤2、利用Apriori算法对所述原始数据集进行数据挖掘，得到所述特定事件的事件轨迹集，所述事件轨迹集包括各节点的节点轨迹；步骤3、利用选定的明哨节点和暗哨节点进行事件预检测，若在所述事件预检测阶段发现疑似异常事件，则向其它所有节点发出警告信息，所述警告信息包括疑似异常事件列表；步骤4、接收到所述警告信息的节点根据所述疑似异常事件列表确认是否参与事件复检测，参与所述事件复检测的节点在所述事件复检测阶段根据各自的节点轨迹确认是否发生异常事件。进一步地，所述步骤2具体包括：步骤2.1、遍历节点Si所有采样周期的数据，得到节点Si的所有频繁1项集L1，i＝1,2,…,n，n为节点数；步骤2.2、将节点Si当前采样周期的频繁1项集L1与其下一个采样周期的频繁1项集L1连接，生成候选2项集C2；步骤2.3、计算候选2项集C2中各候选2项子集的支持度，若大于最小支持度min_sup，则得到节点Si的频繁2项集L2；步骤2.4、节点Si的频繁2项集L2继续与其下一个采样周期的频繁1项集连接生成候选3项集C3，计算候选3项集C3中各候选3项子集的支持度，若大于最小支持度min_sup，则得到节点Si的频繁3项集L3；步骤2.5、以此类推，重复执行步骤2.1至步骤2.4，直至无法产生新的更大长度的频繁项集，则将当前频繁项集作为节点Si的节点轨迹，记为pi；步骤2.6、以此类推，重复执行步骤2.1至步骤2.5，直至所有节点均完成节点轨迹挖掘，得到节点轨迹集合{p1,p2,…,pn}；步骤2.7、过滤所述节点轨迹集合{p1,p2,...,pn}中的频繁项集，删除长度小于预设阈值min_len的频繁项集，得到特定事件e的事件轨迹集s＝{e:p'1,p'2,…,p'n}。进一步地，所述步骤3还包括：给每个节点分配明哨令牌、暗哨令牌、明哨节点选择令牌序号集和暗哨令牌序列；根据所述明哨令牌、暗哨令牌、明哨节点选择令牌序号集和暗哨令牌序列，在所有节点中选举明哨节点和暗哨节点。进一步地，所述明哨节点的选择协议为：步骤A1、当前工作周期结束后，执有最大明哨令牌序号k的明哨节点发出明哨节点选择信息{m0,k,random}；步骤A2、每个节点均计算MT＝k+randommodn，若计算结果MT与其所持有的明哨令牌序号a相等，则将所述节点作为下一工作周期的明哨节点；步骤A3、若所述明哨节点已是当前工作周期的明哨节点，则所述明哨节点发送明哨节点转移信息{m1,a,1}，跳转至步骤A4；若所述明哨节点的能量水平低于预设能量阈值，则所述明哨节点发送明哨节点转移信息{m2,a}，其它节点均记录能量水平低于预设能量阈值的节点数量，若所述节点数量高于预设警告阈值，则发出能量警告，跳转至步骤A4；否则转至步骤A5；步骤A4、每个节点均计算MT’＝a+1modn，若计算结果MT’与其所持有的明哨令牌序号相等，则将所述节点作为下一工作周期的明哨节点，并转至步骤A3，其中d是明哨节点选择令牌序号集中最新未使用的序号；步骤A5、若被选中下一工作周期的明哨节点数量达到预设值x，协议结束；否则最新被选中的明哨节点f读取其所持有的明哨节点选择令牌序号集，发出明哨节点选择信息{m0,f,d}；步骤A6、持有目标节点的明哨节点选择令牌序号集的其它节点，验证{m0,f,d}中的d是否合法，若非法，则发送警告，中止运行；否则转至步骤A7；步骤A7、每个节点均计算MT”＝d+fmodn，若计算结果MT”与其所持有的明哨令牌序号相等，则将所述本文档来自技高网...

【技术保护点】
1.无中心节点的异构传感器网络异常事件检测方法，其特征在于，所述异构传感器网络指由不同节点类型的若干传感器节点构成的网络，该方法包括：步骤1、当特定事件发生时，获取所述异构传感器网络中各节点采集的相关数据，形成原始数据集；步骤2、利用Apriori算法对所述原始数据集进行数据挖掘，得到所述特定事件的事件轨迹集，所述事件轨迹集包括各节点的节点轨迹；步骤3、利用选定的明哨节点和暗哨节点进行事件预检测，若在所述事件预检测阶段发现疑似异常事件，则向其它所有节点发出警告信息，所述警告信息包括疑似异常事件列表；步骤4、接收到所述警告信息的节点根据所述疑似异常事件列表确认是否参与事件复检测，参与所述事件复检测的节点在所述事件复检测阶段根据各自的节点轨迹确认是否发生异常事件。

【技术特征摘要】
1.无中心节点的异构传感器网络异常事件检测方法，其特征在于，所述异构传感器网络指由不同节点类型的若干传感器节点构成的网络，该方法包括：步骤1、当特定事件发生时，获取所述异构传感器网络中各节点采集的相关数据，形成原始数据集；步骤2、利用Apriori算法对所述原始数据集进行数据挖掘，得到所述特定事件的事件轨迹集，所述事件轨迹集包括各节点的节点轨迹；步骤3、利用选定的明哨节点和暗哨节点进行事件预检测，若在所述事件预检测阶段发现疑似异常事件，则向其它所有节点发出警告信息，所述警告信息包括疑似异常事件列表；步骤4、接收到所述警告信息的节点根据所述疑似异常事件列表确认是否参与事件复检测，参与所述事件复检测的节点在所述事件复检测阶段根据各自的节点轨迹确认是否发生异常事件。2.根据权利要求1所述的方法，其特征在于，所述步骤2具体包括：步骤2.1、遍历节点Si所有采样周期的数据，得到节点Si的所有频繁1项集L1，i＝1,2,…,n，n为节点数；步骤2.2、将节点Si当前采样周期的频繁1项集L1与其下一个采样周期的频繁1项集L1连接，生成候选2项集C2；步骤2.3、计算候选2项集C2中各候选2项子集的支持度，若大于最小支持度min_sup，则得到节点Si的频繁2项集L2；步骤2.4、节点Si的频繁2项集L2继续与其下一个采样周期的频繁1项集连接生成候选3项集C3，计算候选3项集C3中各候选3项子集的支持度，若大于最小支持度min_sup，则得到节点Si的频繁3项集L3；步骤2.5、以此类推，重复执行步骤2.1至步骤2.4，直至无法产生新的更大长度的频繁项集，则将当前频繁项集作为节点Si的节点轨迹，记为pi；步骤2.6、以此类推，重复执行步骤2.1至步骤2.5，直至所有节点均完成节点轨迹挖掘，得到节点轨迹集合{p1,p2,…,pn}；步骤2.7、过滤所述节点轨迹集合{p1,p2,...,pn}中的频繁项集，删除长度小于预设阈值min_len的频繁项集，得到特定事件e的事件轨迹集s＝{e:p'1,p'2,…,p'n}。3.根据权利要求1所述的方法，其特征在于，所述步骤3还包括：给每个节点分配明哨令牌、暗哨令牌、明哨节点选择令牌序号集和暗哨令牌序列；根据所述明哨令牌、暗哨令牌、明哨节点选择令牌序号集和暗哨令牌序列，在所有节点中选举明哨节点和暗哨节点。4.根据权利要求3所述的方法，其特征在于，所述明哨节点的选择协议为：步骤A1、当前工作周期结束后，执有最大明哨令牌序号k的明哨节点发出明哨节点选择信息{m0,k,random}；步骤A2、每个节点均计算MT＝k+randommodn，若计算结果MT与其所持有的明哨令牌序号a相等，则将所述节点作为下一工作周期的明哨节点；步骤A3、若所述明哨节点已是当前工作周期的明哨节点，则所述明哨节点发送明哨节点转移信息{m1,a,1}，跳转至步骤A4；若所述明哨节点的能量水平低于预设能量阈值，则所述明哨节点发送明哨节点转移信息{m2,a}，其它节点均记录能量水平低于预设能量阈值的节点数量，若所述节点数量高于预设警告阈值，则发出能量警告，跳转至步骤A4；否则转至步骤A5；步骤A4、每个节点均计算MT’＝a+dmodn，，若计算结果MT’与其所持有的明哨令牌序号相等，则将所述节点作为下一工作周期的明哨节点，并转至步骤A3，其中d是明哨节点选择令牌序号集中最新未使用的序号；步骤A5、若被选中下一工作...

【专利技术属性】
技术研发人员：原锦辉，周洪伟，张来顺，李福林，
申请(专利权)人：中国人民解放军战略支援部队信息工程大学，
类型：发明
国别省市：河南,41