基于相關(guān)性的分布式事件檢測方法
【專利摘要】本發(fā)明公開了一種基于相關(guān)性的分布式事件檢測方法，采用分簇結(jié)構(gòu)，根據(jù)無線傳感器網(wǎng)絡(luò)事件區(qū)域的局部性，在節(jié)點內(nèi)分析數(shù)據(jù)的時間相關(guān)性，在相鄰節(jié)點間分析數(shù)據(jù)的空間相關(guān)性，識別出發(fā)生事件的節(jié)點；采用直方圖方法分析節(jié)點異常的相關(guān)性，提高檢測的準確度；因節(jié)點間傳遞的是直方圖的摘要信息，減少了節(jié)點間的通信能耗；本方法可以有效檢測出新事件的發(fā)生，具有較低的誤報率和能量消耗，相對于集中式異常檢測方法，具有較高的檢測性能，并顯著降低了通信成本。
【專利說明】基于相關(guān)性的分布式事件檢測方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種簇型結(jié)構(gòu)組織傳感器網(wǎng)絡(luò)的異常行為節(jié)點的檢測，尤其涉及一種基于相關(guān)性的分布式事件檢測方法。
【背景技術(shù)】
[0002]無線傳感器網(wǎng)絡(luò)(Wireless Sensor Networks,簡稱WSN)布滿了傳感器節(jié)點，用于檢測是否出現(xiàn)異常情況。如果傳感器感知的數(shù)據(jù)和歷史數(shù)據(jù)的偏離程度超過了指定的閾值，則認為出現(xiàn)了異常數(shù)據(jù)；如果一定區(qū)域的多個節(jié)點均出現(xiàn)類似的異常情況，則可判定是異常節(jié)點，體現(xiàn)一種異常行為，需及時上報給基站，以便用戶處理。WSN中的新事件或者部分事件沒有先驗知識及判定條件，這樣就不能采用事件閾值作為事件判決的方法，這類事件檢測也被稱為異常檢測。在很多應用中，檢測出這樣的事件節(jié)點或者異常節(jié)點，都具有重要意義，如入侵檢測。這種事件檢測也可用于獲得新事件的相關(guān)信息。
[0003]異常節(jié)點的數(shù)據(jù)與自身的歷史數(shù)據(jù)，或者其它正常節(jié)點的數(shù)據(jù)，有很大的差別。這些異常數(shù)據(jù)可能是由噪聲數(shù)據(jù)或失效節(jié)點產(chǎn)生的；也可能包含有價值的信息，體現(xiàn)一種異常行為。比如，單個溫度傳感器的數(shù)值很高，可能是噪聲數(shù)據(jù)造成的；而若一定區(qū)域內(nèi)的多個溫度傳感器的數(shù)值都很高，則可能預示著火災的發(fā)生。這種節(jié)點往往具有一定的局部普遍性，我們稱這種節(jié)點為事件節(jié)點或異常節(jié)點；而對于不具有普遍性的異常情況，如噪聲數(shù)據(jù)或失效節(jié)點的數(shù)據(jù)，我們定義為孤立節(jié)點失效節(jié)點的數(shù)據(jù)或噪聲數(shù)據(jù)不具有相關(guān)性，而異常節(jié)點的數(shù)據(jù)往往具有一定的時空相關(guān)性。
[0004]近年來，已經(jīng)提出了一些異常節(jié)點的檢測算法。例如，基于高斯分布的檢測算法(Wu W Lj Cheng X Zj Ding M，et al.Localized outlying and boundarydata detectionin sensor networks[J].1EEE Transactions on Knowledge and Data Engineering, 2007，19(8):1145-1157),它利用相鄰節(jié)點的數(shù)據(jù)對比來檢測異常情況?；谥狈綀D的異常檢測算法(Sheng B，Li Qj Mao W.0utlier detection in sensor networks [C].Procof MobiHoc’ 07，Qu6bec，Canada: ACM，2007:219-228)，它通過搜集整個網(wǎng)絡(luò)的直方圖信息，來代替原始數(shù)據(jù)的傳送。但這些方法，或者僅考慮了空間相關(guān)性，沒有考慮時間相關(guān)性；或者通信成本較高，可擴展性不強，不適合在大規(guī)模的傳感器網(wǎng)絡(luò)中應用。Jun M C，Jeong H, Jay KuoCC.Distributed spatio-temporal outlier detection in sensor networks[C].Proc ofSPIE，2005，5819:273-284假設(shè)異常點符合均衡α分布，以此進行異常檢測；但實際中往往沒有先驗分布存在，而且即使有合適的分布存在，新的數(shù)據(jù)也不一定符合已知的分布。
[0005]傳感器網(wǎng)絡(luò)中的異常檢測算法需要在節(jié)省能量的前提下，完成檢測任務(wù)。對于一個傳感器節(jié)點來說，通信消耗的能量通常高于計算所消耗的能量幾個數(shù)量級。因此，可考慮利用節(jié)點自身的計算能力，首先進行節(jié)點內(nèi)計算，減少需要傳輸?shù)臄?shù)據(jù)量，以此降低節(jié)點之間的通信成本。同時，考慮到傳感器網(wǎng)絡(luò)中的異常節(jié)點具有局部性，分布式檢測算法可以及時、準確地發(fā)現(xiàn)異常節(jié)點。
【發(fā)明內(nèi)容】

[0006]發(fā)明目的:為了克服現(xiàn)有技術(shù)中存在的不足，本發(fā)明提供一種基于相關(guān)性的分布式事件檢測算法(CDA,Correlation-based Distributed Event Detection Algorithm),米用分簇結(jié)構(gòu)，根據(jù)事件區(qū)域的局部性，在節(jié)點內(nèi)進行時間相關(guān)性的分析，在相鄰節(jié)點間分析空間相關(guān)性，識別出發(fā)生事件的節(jié)點。采用數(shù)據(jù)直方圖分析節(jié)點異常的相關(guān)性，可提高檢測的準確度；同時因節(jié)點間傳遞的是直方圖的摘要信息，可以減少節(jié)點間通信能耗。
[0007]技術(shù)方案:為實現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案為:
[0008]一種基于相關(guān)性的分布式事件檢測方法，對于簇型拓撲結(jié)構(gòu)無線傳感器網(wǎng)絡(luò)進行事件檢測，包括如下步驟:
[0009](I)傳感器節(jié)點獲取自身的檢測數(shù)據(jù)，計算摘要數(shù)據(jù)(包括數(shù)據(jù)的上、下邊界和數(shù)據(jù)量)，并將摘要數(shù)據(jù)上傳至簇頭；
[0010](2)簇頭匯總簇內(nèi)所有傳感器節(jié)點上傳的摘要數(shù)據(jù)，建立全簇的數(shù)據(jù)直方圖，下發(fā)該數(shù)據(jù)直方圖至簇內(nèi)所有傳感器節(jié)點，同時下發(fā)的還包括從基站獲取的閾值數(shù)據(jù)；
[0011](3)簇內(nèi)節(jié)點根據(jù)全簇的數(shù)據(jù)直方圖和閾值數(shù)據(jù)生成本地的數(shù)據(jù)直方圖，計算最近歷史數(shù)據(jù)的均值，然后檢測最近的時間窗口數(shù)據(jù)，計算當前數(shù)據(jù)和歷史數(shù)據(jù)的時間相關(guān)性:若滿足時間相關(guān)性，則當前數(shù)據(jù)正常，繼續(xù)檢測；若不滿足時間相關(guān)性，則當前數(shù)據(jù)異常，將當前數(shù)據(jù)上傳至簇頭；
[0012](4)簇頭節(jié)點計算簇內(nèi)的數(shù)據(jù)異常節(jié)點的空間相關(guān)性:若滿足空間相關(guān)性，則視為異常節(jié)點，將該節(jié)點歸入到異常節(jié)點集合；若不滿足空間相關(guān)性，則視為孤立節(jié)點，將該節(jié)點歸入到孤立節(jié)點集合；簇頭將異常節(jié)點集合和孤立節(jié)點集合信息上傳至基站；
[0013](5)基站對異常節(jié)點集合和孤立節(jié)點集合信息進行分類處理:
[0014]異常節(jié)點集合:對異常節(jié)點進行匯總分析，檢測出異常區(qū)域；
[0015]孤立節(jié)點集合:將孤立節(jié)點歸到相鄰分簇內(nèi)，建立臨時簇，根據(jù)該孤立節(jié)點的異常信息和該相鄰簇的原始信息，建立新的數(shù)據(jù)直方圖；在該臨時簇中重新分析該孤立節(jié)點的空間相關(guān)性:若滿足空間相關(guān)性，則將該孤立節(jié)點歸入異常節(jié)點集合，并將該臨時簇升級為正式簇，同時將該異常節(jié)點從原簇中刪除；若不滿足空間相關(guān)性，則將該孤立節(jié)點加入到基站的孤立節(jié)點集合，并放棄該臨時簇；對于連續(xù)時間窗口內(nèi)的孤立節(jié)點，將該孤立節(jié)點歸入失效節(jié)點集合，并更新該孤立節(jié)點所對應的分簇信息。
[0016]傳感器節(jié)點能量有限，因此異常檢測算法必須考慮減少節(jié)點之間的通信量，本發(fā)明采用分布式算法，由簇內(nèi)節(jié)點、簇頭節(jié)點、基站協(xié)同完成異常檢測的任務(wù)；在傳感器網(wǎng)絡(luò)中，簇內(nèi)節(jié)點分析時間相關(guān)性，簇頭節(jié)點分析空間相關(guān)性并協(xié)同各節(jié)點處理,基站進行匯總分析，這樣既可利用節(jié)點的計算能力，又可降低節(jié)點間的通信成本。
[0017]在無線傳感器網(wǎng)絡(luò)事件檢測中，如果在某區(qū)域內(nèi)的多個節(jié)點都發(fā)生了異常，只有這些異常之間是相關(guān)聯(lián)的，才能反映出一種異常趨勢。本發(fā)明中，當節(jié)點的檢測數(shù)據(jù)發(fā)生顯著變化時，基于數(shù)據(jù)直方圖分析異常節(jié)點的時間相關(guān)性與空間相關(guān)性，從數(shù)據(jù)變動的方向(即數(shù)據(jù)偏移方向，根據(jù)數(shù)據(jù)偏移的方向能夠區(qū)分異常節(jié)點)和幅度(即數(shù)據(jù)偏移的幅度，體現(xiàn)在空間相關(guān)性分析中，一般認為數(shù)據(jù)偏移幅度在小于一個直方圖組之內(nèi)，則認為是空間數(shù)據(jù)相關(guān)的)兩方面來考慮節(jié)點異常的相關(guān)性。只有節(jié)點數(shù)據(jù)的變動方向和幅度均一致，我們才認為發(fā)生了相關(guān)的異常，即發(fā)生了新的事件。[0018]直方圖是一種統(tǒng)計結(jié)構(gòu)，常用于對數(shù)據(jù)的分組中。通過建立全局統(tǒng)一的數(shù)據(jù)直方圖，我們可以在整個WSN中，采用統(tǒng)一的方式判斷節(jié)點的異常是否相關(guān):如果節(jié)點都發(fā)生了顯著的異常，而且數(shù)據(jù)都處于直方圖的同一分組或相鄰分組，則認為發(fā)生了相關(guān)異常，即發(fā)生了事件，這樣不但可以提高檢測的準確度，而且因為只需要在節(jié)點之間傳輸分組的摘要信息，不需要傳輸所有檢測數(shù)據(jù)，所以是一種能量高效的檢測算法。
[0019]時間相關(guān)性，用于判斷節(jié)點數(shù)據(jù)在時間維度上的一致性，即當前數(shù)據(jù)和歷史數(shù)據(jù)的一致性；具體的，所述時間相關(guān)性評價方法如下:
[0020]對于傳感器節(jié)點Iii,將節(jié)點Iii測量的歷史數(shù)據(jù)的平均值^作為基準均值，最近的時間窗口內(nèi)測量的數(shù)據(jù)均值為巧，計算時間窗口均值的偏離度tw為:
【權(quán)利要求】
1.一種基于相關(guān)性的分布式事件檢測方法，針對簇型拓撲結(jié)構(gòu)的無線傳感器網(wǎng)絡(luò)進行事件檢測，其特征在于:包括如下步驟: (1)傳感器節(jié)點獲取自身的檢測數(shù)據(jù)，計算摘要數(shù)據(jù)并將摘要數(shù)據(jù)上傳至簇頭； (2)簇頭匯總簇內(nèi)所有傳感器節(jié)點上傳的摘要數(shù)據(jù)，建立全簇的數(shù)據(jù)直方圖，下發(fā)該數(shù)據(jù)直方圖至簇內(nèi)所有傳感器節(jié)點，同時下發(fā)的還包括從基站獲取的閾值數(shù)據(jù)； (3)簇內(nèi)節(jié)點根據(jù)全簇的數(shù)據(jù)直方圖和閾值數(shù)據(jù)生成本地的數(shù)據(jù)直方圖，計算最近歷史數(shù)據(jù)的均值，然后檢測最近的時間窗口數(shù)據(jù)，計算當前數(shù)據(jù)和歷史數(shù)據(jù)的時間相關(guān)性:若滿足時間相關(guān)性，則當前數(shù)據(jù)正常，繼續(xù)檢測；若不滿足時間相關(guān)性，則當前數(shù)據(jù)異常，將當前數(shù)據(jù)上傳至簇頭； (4)簇頭節(jié)點計算簇內(nèi)的數(shù)據(jù)異常節(jié)點的空間相關(guān)性:若滿足空間相關(guān)性，則視為異常節(jié)點，將該節(jié)點歸入到異常節(jié)點集合；若不滿足空間相關(guān)性，則視為孤立節(jié)點，將該節(jié)點歸入到孤立節(jié)點集合；簇頭將異常節(jié)點集合和孤立節(jié)點集合信息上傳至基站； (5)基站對異常節(jié)點集合和孤立節(jié)點集合信息進行分類處理: 異常節(jié)點集合:對異常節(jié)點進行匯總分析，檢測出異常區(qū)域； 孤立節(jié)點集合:將孤立節(jié)點歸到相鄰分簇內(nèi)，建立臨時簇，根據(jù)該孤立節(jié)點的異常信息和該相鄰簇的原始信息，建立新的數(shù)據(jù)直方圖；在該臨時簇中重新分析該孤立節(jié)點的空間相關(guān)性:若滿足空間相關(guān)性，則將該孤立節(jié)點歸入異常節(jié)點集合，并將該臨時簇升級為正式簇，同時將該異常節(jié)點從原簇中刪除；若不滿足空間相關(guān)性，則將該孤立節(jié)點加入到基站的孤立節(jié)點集合，并放棄該臨時簇；對于連續(xù)時間窗口內(nèi)的孤立節(jié)點，將該孤立節(jié)點歸入失效節(jié)點集合，并更新該孤立節(jié)點所對應的分簇信息。
2.根據(jù)權(quán)利要求1所述的基于相關(guān)性的分布式事件檢測方法，其特征在于:所述時間相關(guān)性評價方法如下: 對于傳感器節(jié)點叫，將節(jié)點Ili測量的歷史數(shù)據(jù)的平均值^作為基準均值，最近的時間窗口內(nèi)測量的數(shù)據(jù)均值為^，計算時間窗口均值的偏離度tw為:

3.根據(jù)權(quán)利要求2所述的基于相關(guān)性的分布式事件檢測方法，其特征在于:所述平均值的計算方法為: a.對于數(shù)據(jù)Xl，X2,…，xn,根據(jù)各數(shù)據(jù)生成數(shù)據(jù)直方圖，得到k個分組gl，g2,…，gi,…，Sk ； b.定義第i個分組的大小IgiI為第i個分組中包含的數(shù)據(jù)的個數(shù)，根據(jù)各個分組的大小由大到小排列得到gk'，…，g/ ,..., g2' , g/ ;C.給定一個均值數(shù)據(jù)覆蓋度IV由大到小累積各組數(shù)據(jù)，直到組g/滿足下式:
4.根據(jù)權(quán)利要求1所述的基于相關(guān)性的分布式事件檢測方法，其特征在于:所述空間相關(guān)性評價方法如下: 將數(shù)據(jù)異常節(jié)點按偏離方向分類，設(shè)簇內(nèi)具有某一偏離方向特征的數(shù)據(jù)異常節(jié)點數(shù)目為c'，簇內(nèi)的總節(jié)點的數(shù)據(jù)為ch，計算異常支持度Se為:`
5.根據(jù)權(quán)利要求1所述的基于相關(guān)性的分布式事件檢測方法，其特征在于:所述步驟(3)中使用的時間窗口為動態(tài)時間窗口，即:傳感器首先采用較短的時間窗口進行檢測，當發(fā)現(xiàn)當前數(shù)據(jù)異常時，增大時間窗口繼續(xù)檢測，若在該增大后的時間窗口內(nèi)依然存在數(shù)據(jù)異常，則進行后續(xù)異常處理。
【文檔編號】H04W24/04GK103561419SQ201310549260
【公開日】2014年2月5日 申請日期:2013年11月7日 優(yōu)先權(quán)日:2013年11月7日
【發(fā)明者】呂建華, 張柏禮, 王進強 申請人:東南大學