基于图模型的无线传感器网络的异常检测

摘要

随着传感器技术、嵌入式计算技术和分布式信息处理技术的迅速发展，无线传感器网络(Wireless Sensor Networks，WSN)应运而生并日渐成熟，其应用也随之越来越广。异常检测是很多无线传感器网络的关键应用之一，具有重要的研究价值。为此本论文设计并实现了一个异常检测分析系统，实现WSN中异常行为的检测。该异常检测系统主要分成三部分:数据采集与预处理、图建模及图序列的异常检测。
　　在数据采集部分，传感器节点可能会因为自身的故障或环境因素导致数据采集的错误，错误数据主要来源于两方面:非正常工作状态下节点采集的数据和正常工作状态下节点采集的噪声数据。为此本部分主要研究如何检测错误数据，首先依据传感器节点多属性之间的相关性来判断节点是否工作在正常状态;然后对于正常状态的节点，通过基于直方图的数据容错方法过滤噪声数据，实现数据预处理。
　　在图建模部分，由于无线传感器网络中数据的复杂性，本文将利用图模型组织管理所采集的数据。本部分提出一种触发式数据快照建模方法，该方法在红外传感器节点被触发的时刻进行建模，避免了在无行为发生时进行图建模导致的节点能量的浪费，同时为了避免该时刻采集数据缺失造成的数据不完全，本文通过后续采集的数据实现数据补齐，从而完成数据建模。该方法综合考虑了建模时机和节点的数据变化，相对于传统的数据快照图建模方式更能精确反映用户的行为变化。
　　在图序列的异常检测部分，若直接对图序列进行异常检测，则检测算法复杂度高，难以应用于大规模网络，为此，本部分将利用图的特征信息将图序列转化为多元时间序列，然后采用多元时间异常检测方法实现图序列的异常检测。该方法包括多元时间序列的PCA处理和多元时间序列间的距离度量两个步骤。本部分提出一种基于面积的最小距离度量方法进行多元时间序列间的距离度量，该方法直接度量PCA中选择的K个特征值对应的特征向量构建的正交坐标系之间的距离，相对于欧氏距离和基于面积的距离具有较好的度量质量。
　　经过实验测试，本系统具有较好的异常检测效果。

目录

声明

摘要

缩略词

第1章 绪论

1．1 研究背景

1．2 研究现状

1．2．1 无线传感器网络中异常检测

1．2．2 多元时间序列的模式表示

1．2．2 多元时间序列的异常检测

1．3 研究内容

1．4 本文组织结构

第2章 相关技术概述

2．1 无线传感器网络的基本概念

2．1．1 无线传感器网络体系结构与特征

2．1．2 节点数据预处理的典型方法

2．2 图的相关概念

2．3 本章小结

第3章 系统架构

3．1 系统框架设计

3．2 数据采集与预处理

3．2．1 数据采集

3．2．2 数据预处理

3．3 图建模

3．5 图序列的异常检测和结果可视化

3．5．1 图序列的异常检测

3．5．2 数据可视化

3．6 本章小结

第4章 数据预处理

4．1 基于属性相关性的故障节点检测

4．2 基于概率直方图的数据预处理方法

4．3 本章实验

4．3．1 性能指标

4．3．2 实验结果和分析

4．4 本章小结

第5章 基于触发式数据快照图的图建模

5．1 基于数据快照图的建模方法

5．2 基于触发式的数据快照图的建模方法

5．2．1 构建触发式数据快照图

5．2．2 触发式数据快照图的扩展

5．3 图序列的生成

5．4 本章小结

第6章 图序列的异常检测

6．1 图序列转化为多元时间序列

6．2 多元时间序列的异常检测

6．2．1 异常的描述

6．2．2 多元时间序列的PCA处理

6．2．3 多元时间序列的异常检测

6．3 本章实验

6．3．1 性能指标

6．3．2 实验结果和分析

6．4 本章小结

第7章 总结和展望

致谢

参考文献