内容发布更新时间 : 2024/6/22 18:27:23星期一 下面是文章的全部内容请认真阅读。

龙源期刊网 http://www.qikan.com.cn

无线传感器网络的异常检测

作者：张洋

来源：《电子技术与软件工程》2017年第07期

摘 要 随着无线传感器网络在各领域得到广泛的应用，对网络异常检测的效率和可靠性提出了更高的要求。本文分析了无线传感器网络异常检测的现状，提出基于直方图的传感器数据预处理方法，给出了由节点内异常检测和相邻节点协作投票决策构成的网络异常检测方法。 【关键词】无线传感器网络 异常数据检测 数据预处理 1 无线传感器网络异常检测现状

无线传感器网络与传统网络的区别是其网络末端为各种类型具有特定功能的传感器，网络中数据传输采用无线通信的方式。经过近年来的飞速发展，无线传感器网络在社会生活以及商业经济领域得到的广泛的应用，是物联网时代的基础，其研究和应用前景广阔具有很大的发展空间。目前无线传感器网络主要应用在以下领域：军事领域、环境监测领域、医疗健康领域、智能家居领域、现代化农业领域、交通运输管理及控制领域，从这些领域的目前应用来看，无线传感器网络异常检测分析是确保整个应用系统顺利运行的保障。

无线传感器网络应用的一般形式为：收集应用环境中传感器感应数据并进行传输；对收集的数据进行处理，去除过度抖动和冗余数据，得到所需的有效数据；将数据通过特定的逻辑处理，从而实现特定应用领域软件系统的功能。无线传感器网络异常检测分析系统是在各种类型传感器收集数据的基础之上，识别出特殊情况下的异常数据，通过异常数据模型进行分析，及时分析判断异常类别并进行异常处理。基于无线传感器网络系统的一般工作过程，无线传感器网络异常检测分析系统应该由以下三个部分构成：传感器数据采集及预处理、网络异常数据检测、异常分析及结果呈现。 2 传感器数据采集及预处理

无线传感器网络异常检测及分析的前提是能够准确及时得到网络末端众多传感器的各种信息，一般情况下，应用系统将传感器检测到的环境模拟信息转换为数值信息，这些数据是无线传感器网络所有应用的基础，也是网络异常检测分析的数据来源。为了及时得到传感器数据，无线传感器间的时间同步显得尤为重要。另外，由于无线传感器本身成本一般较低，且部署和工作环境一般比较恶劣，比较容易出现故障，硬件的损伤会造成传感器的故障，软件故障会造成传感器工作不稳定，出现抖动数据和错误数据信息，因此需要进行数据的预处理去除干扰数据，这样会大大提高无线传感器网络应用系统的效率。 2.1 传感器节点时间同步

龙源期刊网 http://www.qikan.com.cn

单一的数据往往不能反映整个环境的状态，在很多无线传感器网络的实际应用中，传感器检测到环境数据后，会向邻居传感器节点发送请求将同一时刻环境数据发往主机系统，作为数据异常检测的最终决策依据。按照实现机制，无线传感器网络时间同步算法主要有三类：基于pair-wise的同步算法、基于receiver-receiver的同步算法、基于sender-receiver的单向同步算法。这三类算法均具有各自典型的协议。基于pair-wise的主要有TPSN协议和LTS协议，TPSN协议具有较高的时间同步准确性，但是该协议逻辑计算复杂，时间复杂度高，且受数据包传输时间的影响较为明显，LTS协议与TSPN协议类似，其以适当时间同步准确性为代价，在一定程度上降低了逻辑运算和时间的复杂度。基于receiver-receiver的主要有RBS协议，该协议去除了传感器节点间发送时间同步的影响，以及发送方构建数据信息包和等待信道对时间同步的影响，但是其运算复杂度很高。基于sender-receiver的DMTS协议和FSTP协议，DTMS协议从能耗上更加适合无线传感器网络，但是精度很低，不利于后期数据处理，并不适合进行异常检测。FSTP协议在DTMS协议基础之上进行了优化，具有DTMS的低能耗特点的同时比DTMS具有更高的时间精度，比较适合在无线传感器网络异常检测系统中使用。FSTP的主要思路是发送方传感器在发送同步数据信息时将本地时间一同发出，接收方收到同步数据信息后，根据发送方时间信息调整自身时间与发送方保持一致。发送方以网络广播的形式发出信息，如果接收方为邻居传感器节点则进行时间调整，以便进行相关决策。该协议在实现时间同步的同时，还要将本地时间放入到邻居传感器的请求报文数据中，以此达到数据同步的目的。

2.2 数据预处理

数据预处理的主要作用是去除所收集到大量数据中的干扰数据，这些干扰数据往往是由于传感器不稳定引起的噪声数据，在预处理阶段将这些干扰数据去除，可以有效提高整个应用系统的效率以及异常检测分析的有效性。

数据的预处理有多种实现方法，其主要区别是用于代表整组数据的估值数据的计算方式，传统的方式是基于平均值数据的预处理方式和基于中位数的与处理方式。基于平均值的方式顾名思义是取一组传感器数据的平均值作为中心数据来代表该组数据，但是当环境剧烈变化出现极端偏离数据时，其平均值也会产生较大偏离，从而造成数据失真，影响应用系统的准确性。基于中位数的方式，是将一组传感器数据先进行排序，取中间数据作为该组数据的代表数据，其避免了极端数据造成的数据偏差，但是这种方式只适用于均匀分布的数据，受限于传感器工作环境的恶劣，中位数方式在很多实际应用中是不可取的。

基于以上平均值和中位数两种方式的不足，我们可以采用直方图的感应数据预处理方法。在特定环境下部署的传感器，其采集到的数据一般具有一定的规律，当环境发生变化时，数据也是循序渐进发生变化，且数据应当是连续的。而干扰数据大多具有随机性和小概率出现等特征，在进行数据预处理时，将一定时间内采集的环境数据传输到缓冲区中，然后分析整组数据的概率分布情况，以此建立该组数据的概率直方图，在缓冲区中依据不同传感器产生噪声数据的概率对小概率噪声数据进行清除，之后对余下的有效数据进行计算平均值，使用该均值作为中心数据代表该组数据。这种直方图的数据预处理方式能够更好的得到感应数据的趋势。

龙源期刊网 http://www.qikan.com.cn

3 无线传感器网络异常数据检测 3.1 异常数据检测范围

网络异常数据检测是无线传感器网络在实际应用中的一个重要组成部分，异常数据的检测主要是在网络末端传感器采集到的大量数据中识别出具有明显特点的异常数据及边界数据，传感器所处环境中发生异常情况时，传感器收集到的数据会发生突发性明显变化。异常发生的情况主要有以下两种：一是外部环境变化导致的异常数据变化，另一种是传感器节点自身工作状态的变化。在实际应用中，我们更加关注的是第一种情况，环境变化产生的异常数据是应用系统关注和处理的重点。第二种异常往往是由于传感器出现故障或者是通信故障产生的，这些是网络维护人员更加关注的信息。良好的异常检测不仅是能够检测出这两种异常，还应当能够对二者进行准确的区分，并提供给不同的异常处理功能模块。

无线传感器网络中的传感器一般具有独立的感应模块和数据运算处理器，以及用于交互的通信模块。一般情况下，传感器的部署密度很高，传感器之间的数据具有很高的空间相关性，传感器之间相互协作便可完成比较复杂的任务。传感器网络的异常绝不仅仅是判断出单个传感器是否出现异常，还要能够判断出节点的具体工作状态，以及传感器是在异常中心区域还是边界区域，以及该传感器是否是异常产生的源头。仅仅能够检测出异常是不能满足实际应用需求的，还要能够分析出导致异常产生的原因，这样才能及时采取应对的措施，保障无线传感器网络应用系统的正常有效工作。 3.2 异常数据检测模型

异常数据模型的建立是事件监测和异常数据分析的基础，是保证异常事件判断准确性的基本前提。异常数据关系模型还要能够找到并体现出传感器网络中数据的传输方向和数据之间的关系，这是找到异常源头的重要依据。很多研究和应用证明图模型具有能够描述复杂的情境，在图模型之中除了能够表现出监测数据的时空关系，还能够融入地理信息和网络拓扑信息，这些信息的融合能够更加充分的展现出异常的特征。常见的图模型有等值线图、基于数据快照的图模式等。异常检测主要有两个部分来构成：一是传感器节点内部的数据异常检测，二是在主机中，对之前判定的疑似异常进行节点间投票决策，得出最终的异常集合以及异常范围和边界。如图1所示。

3.3 节点内数据异常检测

使用传感器自身的数据处理器对采集到的数据进行节点内异常检测，主要是对超出阈值的数据进行检测，如果出现疑似异常事件数据或者故障错误数据，则由邻居节点根据具有较强关联数据之间的相关性判断这些数据是异常事件数据还是设备故障导致的错误数据。无线传感器的节点内数据检测是不断反复进行的，每次检测之后传感器的状态都可能会发生变化，传感器节点的状态包含以下几种：正常状态；意思疑似异常状态：节点可能出现异常事件，由节点内的本地检测产生，后续需要进行节点间投票决策；疑似故障状态：节点可能出现设备和通信故