-
题名基于多模态数据流的无线传感器网络异常检测方法
被引量：45
- 1
-
-
作者
费欢
肖甫
李光辉
孙力娟
王汝传
-
机构
南京邮电大学计算机学院
江苏省无线传感网高技术研究重点实验室
江南大学物联网工程学院
-
出处
《计算机学报》
EI
CSCD
北大核心
2017年第8期1829-1842,共14页
-
基金
国家自然科学基金(61472368
61373137
+2 种基金
61572260)
江苏省高校自然科学(14KJA520002)
江苏省六大人才高峰项目基金(2013-DZXX-014)资助~~
-
文摘
伴随着无线通信技术的不断发展和广泛应用,信息物理融合系统(Cyber-Physical System,CPS)作为物联网领域的最新研究方向成为近年来研究者广泛关注的热点.无线传感器网络(Wireless Sensor Networks,WSN)作为CPS系统物理空间的主要感知网络,若有效提高对应感知数据的准确性和可靠性,可及时准确地发现突发事件、监测网络工作状况,因此对传感器网络节点数据流进行异常检测,发现其中的异常数据并确认其来源具有重要意义.该文在无线传感器网络多模态数据流研究的基础之上,提出了一种对传感器异常数据进行检测以及监测节点自身工作状态的方法,该方法不仅应用了无线传感器网络中的时空相关性原理,还更进一步,研究了同一节点中多模态数据流之间的相干性,并以此作为理论基础,利用多维数据和滑动窗口模型对异常数据及其来源进行检测和验证.该文的方法可以分为3个步骤:首先,利用滑动窗口中的历史数据对传感器数据流进行异常数据的检测;其次,利用节点的空间相关性对异常的来源进行确认和识别;最后,对由于测量误差导致的异常值进行筛选,使输入CPS的数据进一步的精确化.通过实验对比,该文的方法对传感器异常数据的检测率保持在95%;在不同数据维度的条件下,对四维数据集的检测率比单维数据集提高了3%.
-
关键词
无线传感器网络
时空相关性
多模态数据流相干性
异常检测
物联网
信息物理融合系统
-
Keywords
wireless sensor networks
spatial-temporal correlation
association of multi-modals data
anomaly detection
Internet of Things
Cyber-Physical System
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
