一种基于时空相关性的传感器网络异常数据检测的设计方法技术

本发明专利技术涉及信息通信领域，公开了一种基于时空相关性的传感器网络异常数据检测的设计方法，包括了空间维度检测和时间维度检测，可以实现无线传感器网络中异常数据的检测和分类，通过检测和分类结果，可以对网络中发生的事件进行及时响应，同时对于通过发送恶意数据来影响基站观测结果，从而降低网络可靠性的恶意节点，可以通过降低其在网络中的信誉度，使数据不从恶意节点转发，若节点信誉低至某一程度，将该节点拉入黑名单，不再接收其数据，以达到屏蔽此类恶意节点，维护网络安全的目的。

A design method of anomaly data detection in sensor networks based on spatio-temporal correlation

The present invention relates to the field of information and communication, and discloses a design method of sensor network anomaly detection based on spatial-temporal correlation data, including the space dimension and time dimension detection detection, can realize the detection and classification of abnormal data in wireless sensor networks, through detection and classification results can be timely response to network events at the same time, the influence of the base station observation by sending malicious data, thereby reducing the malicious nodes can reduce the reliability of the network, in the network reputation, so that the data is not forwarded from the malicious node, if the node reputation is low to a certain extent, the node will pull into the blacklist, no longer receives the data, in order to achieve shielding such malicious nodes to maintain network security.

【技术实现步骤摘要】
一种基于时空相关性的传感器网络异常数据检测的设计方法
本专利技术涉及信息通信领域，特别是一种基于时空相关性的传感器网络异常数据检测的设计方法。
技术介绍
无线传感器网络的异常数据对于环境监测有十分重要的意义，在实际情况下，异常数据可能存在两种情况，分别为恶意数据和事件数据。恶意数据通过影响基站的观测结果，达到降低网络可靠性的目的，而事件数据则是环境变化的重要表现，通过事件数据可以获取监测区域的变化情况。如何对异常数据进行准确识别并对其进行有效的区分，在维护网络安全性的同时准确了解监测区域的变化情况是当下的研究热点。目前被广泛应用的异常数据检测方法主要有基于统计的和基于数据挖掘技术的两大类。基于统计的方法首先对将要检测的数据集合假设了一个分布模型或者概率模型，将不符合该模型的数据判定为异常数据。但在实际情况中，数据分布通常是未知的，或者无法和任何一个标准的分布所拟合，所以这种方法并不具有通用性。基于数据挖掘的异常数据检测方法包括基于聚类、基于距离以及基于密度的异常检测等方法。这些方法多用于收集到大量数据后挖掘出异常数据，具有明显的滞后性，不符合传感器网络实时监测的初衷。在无线传感器网络中，相邻节点的监测数据具有一定空间相关性，同时，每个传感器节点的监测数据可以形成一个时间序列，具有时间相关性。近几年来，针对传感器网络中数据间的相关性，出现了一些新的异常数据检测方法。通过利用节点数据的空间相关性，可以使用邻近节点的监测数据判断当前数据是否异常。例如可以利用基于高斯分布的检测方法，通过邻居节点的数据判定异常。在时间相关性的应用上，有一种基于神经网络的异常数据分析方法，通过使用历史数据集训练神经网络，来完成下一时刻的预报，也存在一些通过时间序列分析预测的方法，通过建立模型来进行数据的预测，并将与预测值相差较大的数据判定为异常数据。这些方法虽能判断出传感器网络中存在的一些异常，但都只考虑了单一维度，忽略了数据间的时间相关性或空间相关性，使得检测准确率不够高，并且无法准确区分恶意数据和事件数据。另外，现有的很多异常数据检测方法计算复杂度较高，通信成本较高，无法适用于无线传感器网络计算资源有限、存储资源有限等特点。
技术实现思路
本专利技术的目的在于提供一种基于时空相关性的传感器网络异常数据检测的设计方法，以满足用于无线传感器网络中异常数据的检测和分类，本专利技术可以准确检测出异常数据，并将其区分为事件数据和恶意数据，从而对事件数据反映出的环境监测变化进行及时响应，并对发送恶意数据的节点进行一定的惩罚措施。为实现上述技术目的，达到上述技术效果，本专利技术公开了一种基于时空相关性的传感器网络异常数据检测的设计方法，异常数据检测包括了空间维度检测和时间维度检测，空间维度检测为基于K-Means聚类方法的空间异常数据判断，时间维度检测为基于滑动窗口的时间异常数据判断。其中，空间维度检测的具体操作步骤如下：(a)对于每一个数据xi，分别计算xi到簇内其他监测数据的距离d(i,j)；(b)选定一个经验值δ，统计d(i,j)＜δ的个数N；(c)计算与xi邻近的节点比例P＝N/N0，其中N0为此次分析的簇内的数据总个数；(d)给定经验临界值β，若P≤β，则判定数据xi为异常数据；距离d(i,j)采用欧氏距离作为衡量的标准，定义方法如下：两个n维向量Xa(xa1,xa2,...,xan)和Xb(xb1,xb2,...,xbn)间的欧氏距离为：当Xa和Xb均为一维向量时，其欧氏距离为：d(a,b)＝|xa-xb|。其中，时间维度检测具体检测步骤如下：(a)滑动窗口滑动至当前需要检测的数据的前L个历史数据；(b)获取窗口内的历史数据进行一次指数平滑预测；(c)设定经验值α，预测结果与当前实际结果比较；(d)实际结果与预测结果偏差大于α，则判定为异常数据。其中，异常数据检测判断标准为，根据空间维度检测和时间维度检测结果，当且仅当空间维度检测和时间维度检测数据结果均正常时反馈为正常数据，当空间维度检测和时间维度检测中数据结果有且仅有一者显示异常时反馈为事件数据，当且仅当空间维度检测和时间维度检测二者数据结果均为异常时反馈为恶意数据，并对恶意数据的发送节点进行惩罚。本专利技术具有以下有益效果：1.本专利技术通过对无线传感器网络中异常数据的检测和分类，准确获取网络中的恶意数据。对于发送恶意数据的节点，降低其在网络中的信誉度，使数据不从恶意节点转发，信誉低至某一程度，将该节点拉入黑名单，不再接收其数据，以达到屏蔽此类恶意节点，维护网络安全的目的。2.本专利技术通过对无线传感器网络中异常数据的检测和分类，准确获取网络中的事件数据。事件数据反映了环境监测中发生的事件，通过发出警示，引起观测人员注意等方式对事件进行及时的响应。附图说明图1为本专利技术的流程示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。实施例1如图1所示，本专利技术公开了一种基于时空相关性的传感器网络异常数据检测的设计方法，异常数据检测包括了空间维度检测和时间维度检测，空间维度检测为基于K-Means聚类方法的空间异常数据判断，时间维度检测为基于滑动窗口的时间异常数据判断；其中，空间维度检测的具体操作步骤如下：(a)对于每一个数据xi，分别计算xi到簇内其他监测数据的距离d(i,j)；(b)选定一个经验值δ，统计d(i,j)＜δ的个数N；(c)计算与xi邻近的节点比例P＝N/N0，其中N0为此次分析的簇内的数据总个数；(d)给定经验临界值β，若P≤β，则判定数据xi为异常数据；距离d(i,j)采用欧氏距离作为衡量的标准，定义方法如下：两个n维向量Xa(xa1,xa2,...,xan)和Xb(xb1,xb2,...,xbn)间的欧氏距离为：当Xa和Xb均为一维向量时，其欧氏距离为：d(a,b)＝|xa-xb|。其中，时间维度检测具体检测步骤如下：(a)滑动窗口滑动至当前需要检测的数据的前L个历史数据；(b)获取窗口内的历史数据进行一次指数平滑预测；(c)设定经验值α，预测结果与当前实际结果比较；(d)实际结果与预测结果偏差大于α，则判定为异常数据。其中，异常数据检测判断标准为，根据空间维度检测和时间维度检测结果，当且仅当空间维度检测和时间维度检测数据结果均正常时反馈为正常数据，当空间维度检测和时间维度检测中数据结果有且仅有一者显示异常时反馈为事件数据，当且仅当空间维度检测和时间维度检测二者数据结果均为异常时反馈为恶意数据，并对恶意数据的发送节点进行惩罚，如表1所示。表1数据类型判定表空间维度时间维度检测结果正常正常正常数据正常异常事件数据异常正常事件数据异常异常恶意数据以上所述，仅为本专利技术较佳的具体实施方式，但本专利技术的保护范围并不局限于此，任何熟悉本
的技术人员在本专利技术揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本专利技术的保护范围之内。本文档来自技高网...

【技术保护点】
一种基于时空相关性的传感器网络异常数据检测的设计方法，其特征在于，所述的异常数据检测包括了空间维度检测和时间维度检测，所述的空间维度检测为基于K‑Means聚类方法的空间异常数据判断，所述的时间维度检测为基于滑动窗口的时间异常数据判断。

【技术特征摘要】
1.一种基于时空相关性的传感器网络异常数据检测的设计方法，其特征在于，所述的异常数据检测包括了空间维度检测和时间维度检测，所述的空间维度检测为基于K-Means聚类方法的空间异常数据判断，所述的时间维度检测为基于滑动窗口的时间异常数据判断。2.如权利要求1所述的一种基于时空相关性的传感器网络异常数据检测的设计方法，其特征在于：所述的空间维度检测的具体操作步骤如下：(a)对于每一个数据xi，分别计算xi到簇内其他监测数据的距离d(i,j)；(b)选定一个经验值δ，统计d(i,j)＜δ的个数N；(c)计算与xi邻近的节点比例P＝N/N0，其中N0为此次分析的簇内的数据总个数；(d)给定经验临界值β，若P≤β，则判定数据xi为异常数据；所述的距离d(i,j)采用欧氏距离作为衡量的标准，定义方法如下：两个n维向量Xa(xa1,xa2,...,xan)和Xb(xb1,xb2,...,xbn)间的欧氏距离为：当...

【专利技术属性】
技术研发人员：刘扬，王宁，王佰玲，辛国栋，宋佳，黄俊恒，
申请(专利权)人：哈尔滨工业大学威海，
类型：发明
国别省市：山东,37