本發(fā)明涉及數(shù)據(jù)監(jiān)測(cè)領(lǐng)域，尤其涉及一種傳感器網(wǎng)絡(luò)異常數(shù)據(jù)檢測(cè)方法與系統(tǒng)。

背景技術(shù)：

無(wú)線傳感器網(wǎng)絡(luò)的異常數(shù)據(jù)對(duì)于環(huán)境監(jiān)測(cè)具有重要意義，實(shí)際應(yīng)用中，異常數(shù)據(jù)可能存在兩種情況：惡意數(shù)據(jù)與事件數(shù)據(jù)。惡意數(shù)據(jù)會(huì)影響基站的觀測(cè)結(jié)果，降低網(wǎng)絡(luò)可靠性；事件數(shù)據(jù)是環(huán)境變化的重要表現(xiàn)，可反映監(jiān)測(cè)區(qū)域的變化情況。如何對(duì)異常數(shù)據(jù)進(jìn)行準(zhǔn)確識(shí)別并對(duì)其進(jìn)行有效區(qū)分，從而在維護(hù)網(wǎng)絡(luò)安全性的同時(shí)準(zhǔn)確了解監(jiān)測(cè)區(qū)域的變化情況，是當(dāng)下的研究熱點(diǎn)。

目前廣泛應(yīng)用的異常數(shù)據(jù)檢測(cè)方法主要有基于統(tǒng)計(jì)和基于數(shù)據(jù)挖掘兩大類?；诮y(tǒng)計(jì)的方法首先對(duì)將要檢測(cè)的數(shù)據(jù)集合假設(shè)一個(gè)分布模型或者概率模型，將不符合該模型的數(shù)據(jù)判定為異常數(shù)據(jù)。但在實(shí)際應(yīng)用中，數(shù)據(jù)分布通常未知，或者無(wú)法與任何一個(gè)標(biāo)準(zhǔn)分布所擬合，所以這種方法并不具有通用性。基于數(shù)據(jù)挖掘的方法包括基于聚類、基于距離以及基于密度的檢測(cè)方法，這些方法多用于收集到大量數(shù)據(jù)后挖掘出異常數(shù)據(jù)，具有明顯的滯后性，不符合傳感器網(wǎng)絡(luò)實(shí)時(shí)監(jiān)測(cè)的初衷。

在無(wú)線傳感器網(wǎng)絡(luò)中，相鄰節(jié)點(diǎn)的監(jiān)測(cè)數(shù)據(jù)具有一定空間相關(guān)性。同時(shí)，每個(gè)傳感器節(jié)點(diǎn)的監(jiān)測(cè)數(shù)據(jù)可以形成一個(gè)時(shí)間序列，具有時(shí)間相關(guān)性。近年來(lái)，針對(duì)傳感器網(wǎng)絡(luò)中數(shù)據(jù)的相關(guān)性，出現(xiàn)了一些新的異常數(shù)據(jù)檢測(cè)方法：例如利用基于高斯分布的檢測(cè)方法，通過鄰居節(jié)點(diǎn)的數(shù)據(jù)來(lái)判定異常數(shù)據(jù)；又如基于神經(jīng)網(wǎng)絡(luò)的異常數(shù)據(jù)分析方法，通過使用歷史數(shù)據(jù)集訓(xùn)練神經(jīng)網(wǎng)絡(luò)，來(lái)完成下一時(shí)刻的預(yù)報(bào)。上述方法雖能判斷出傳感器網(wǎng)絡(luò)中存在的一些異常，但都只考慮了時(shí)間或空間的單一維度，沒有將二維度結(jié)合，使得檢測(cè)準(zhǔn)確率不高，并且無(wú)法準(zhǔn)確區(qū)分惡意數(shù)據(jù)和事件數(shù)據(jù)。另外，現(xiàn)有的很多異常數(shù)據(jù)檢測(cè)方法計(jì)算復(fù)雜度較高，通信成本也較高，無(wú)法適用于計(jì)算資源有限、存儲(chǔ)資源有限的無(wú)線傳感器網(wǎng)絡(luò)。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)現(xiàn)有技術(shù)的上述缺陷，本發(fā)明提供一種傳感器網(wǎng)絡(luò)異常數(shù)據(jù)檢測(cè)方法與系統(tǒng)，可實(shí)時(shí)檢測(cè)傳感器網(wǎng)絡(luò)中的異常數(shù)據(jù)，并能對(duì)檢測(cè)出的異常數(shù)據(jù)進(jìn)行準(zhǔn)確鑒別，判定其為惡意數(shù)據(jù)還是事件數(shù)據(jù)。

根據(jù)本發(fā)明的一個(gè)方面，提供一種傳感器網(wǎng)絡(luò)異常數(shù)據(jù)檢測(cè)方法，包括步驟：

S1.獲取傳感器網(wǎng)絡(luò)的監(jiān)測(cè)數(shù)據(jù)；

S2.根據(jù)數(shù)據(jù)的空間相關(guān)性特征，對(duì)所述監(jiān)測(cè)數(shù)據(jù)進(jìn)行空間相關(guān)檢測(cè)，獲得其中的異常數(shù)據(jù)；并

根據(jù)數(shù)據(jù)的時(shí)間相關(guān)性特征，對(duì)所述監(jiān)測(cè)數(shù)據(jù)進(jìn)行時(shí)間相關(guān)檢測(cè)，獲得其中的異常數(shù)據(jù)；

S3.針對(duì)任一異常數(shù)據(jù)，結(jié)合所述空間相關(guān)檢測(cè)及所述時(shí)間相關(guān)檢測(cè)的檢測(cè)結(jié)果，判斷該異常數(shù)據(jù)是事件數(shù)據(jù)或惡意數(shù)據(jù)。

優(yōu)選地，在步驟S1之后，步驟S2之前，所述方法還包括步驟：S11.根據(jù)傳感器網(wǎng)絡(luò)中各節(jié)點(diǎn)的空間位置信息對(duì)各節(jié)點(diǎn)進(jìn)行聚類，將空間位置接近的節(jié)點(diǎn)劃分到同一簇中。

優(yōu)選地，所述根據(jù)數(shù)據(jù)的空間相關(guān)性特征，對(duì)所述監(jiān)測(cè)數(shù)據(jù)進(jìn)行空間相關(guān)檢測(cè)，獲得其中的異常數(shù)據(jù)具體為：

S21.針對(duì)任一簇中任一節(jié)點(diǎn)的監(jiān)測(cè)數(shù)據(jù)，計(jì)算該監(jiān)測(cè)數(shù)據(jù)與該簇內(nèi)其它節(jié)點(diǎn)同一時(shí)刻的監(jiān)測(cè)數(shù)據(jù)的歐式距離；

S22.將所述歐式距離與預(yù)設(shè)的歐式距離閾值比較，將小于歐式距離閾值的歐式距離的個(gè)數(shù)作為該監(jiān)測(cè)數(shù)據(jù)的空間相關(guān)數(shù)；

S23.將所述空間相關(guān)數(shù)除以該任一簇中的節(jié)點(diǎn)總數(shù)，獲得該監(jiān)測(cè)數(shù)據(jù)的空間相關(guān)系數(shù)；

S24.將所述空間相關(guān)系數(shù)與預(yù)設(shè)的系數(shù)閾值比較：若所述空間相關(guān)系數(shù)大于系數(shù)閾值，則該監(jiān)測(cè)數(shù)據(jù)的空間相關(guān)檢測(cè)結(jié)果為正常；若所述空間相關(guān)系數(shù)不大于系數(shù)閾值，則該監(jiān)測(cè)數(shù)據(jù)的空間相關(guān)檢測(cè)結(jié)果為異常，判斷該監(jiān)測(cè)數(shù)據(jù)為異常數(shù)據(jù)。

優(yōu)選地，所述根據(jù)數(shù)據(jù)的時(shí)間相關(guān)性特征，對(duì)所述監(jiān)測(cè)數(shù)據(jù)進(jìn)行時(shí)間相關(guān)檢測(cè)，獲得其中的異常數(shù)據(jù)具體為：

S25.針對(duì)任一簇中任一節(jié)點(diǎn)的監(jiān)測(cè)數(shù)據(jù)，利用滑動(dòng)窗口獲取該任一節(jié)點(diǎn)在該監(jiān)測(cè)數(shù)據(jù)獲取時(shí)間之前且最前的多個(gè)歷史監(jiān)測(cè)數(shù)據(jù)；

S26.利用所述多個(gè)歷史監(jiān)測(cè)數(shù)據(jù)進(jìn)行預(yù)測(cè)，得到預(yù)測(cè)數(shù)據(jù)；

S27.計(jì)算該監(jiān)測(cè)數(shù)據(jù)與該預(yù)測(cè)數(shù)據(jù)的歐式距離，比較該歐式距離與預(yù)設(shè)的時(shí)間相關(guān)閾值：若該歐式距離小于時(shí)間相關(guān)閾值，則該監(jiān)測(cè)數(shù)據(jù)的時(shí)間相關(guān)檢測(cè)結(jié)果為正常；若該歐式距離不小于時(shí)間相關(guān)閾值，則該監(jiān)測(cè)數(shù)據(jù)的時(shí)間相關(guān)檢測(cè)結(jié)果為異常，判斷該監(jiān)測(cè)數(shù)據(jù)為異常數(shù)據(jù)。

優(yōu)選地，步驟S3具體為：對(duì)于任一異常數(shù)據(jù)：若其空間相關(guān)檢測(cè)結(jié)果與時(shí)間相關(guān)檢測(cè)結(jié)果均為異常，則判斷該異常數(shù)據(jù)為惡意數(shù)據(jù)；若其空間相關(guān)檢測(cè)結(jié)果為異常，時(shí)間相關(guān)檢測(cè)結(jié)果為正常，則判斷該異常數(shù)據(jù)為事件數(shù)據(jù)；若其時(shí)間相關(guān)檢測(cè)結(jié)果為異常，空間相關(guān)檢測(cè)結(jié)果為正常，則判斷該異常數(shù)據(jù)為事件數(shù)據(jù)。

優(yōu)選地，在步驟S2之后，所述方法還包括：對(duì)于任一監(jiān)測(cè)數(shù)據(jù)，若其空間相關(guān)檢測(cè)結(jié)果與時(shí)間相關(guān)檢測(cè)結(jié)果均為正常，則判斷該監(jiān)測(cè)數(shù)據(jù)為正常數(shù)據(jù)。

優(yōu)選地，在步驟S3之后，所述方法還包括：若監(jiān)測(cè)數(shù)據(jù)為事件數(shù)據(jù)，向監(jiān)測(cè)者發(fā)送告警信號(hào)；若監(jiān)測(cè)數(shù)據(jù)為惡意數(shù)據(jù)，降低發(fā)送該惡意數(shù)據(jù)的節(jié)點(diǎn)的信譽(yù)度；若節(jié)點(diǎn)的信譽(yù)度低于第一信譽(yù)閾值，則使數(shù)據(jù)不從該節(jié)點(diǎn)轉(zhuǎn)發(fā)；若節(jié)點(diǎn)的信譽(yù)度低于第二信譽(yù)閾值，則屏蔽該節(jié)點(diǎn)。

優(yōu)選地，步驟S11具體為：根據(jù)傳感器網(wǎng)絡(luò)中各節(jié)點(diǎn)的空間位置信息，利用K-Means聚類法對(duì)各節(jié)點(diǎn)進(jìn)行聚類，將空間位置接近的節(jié)點(diǎn)劃分到同一簇中。

優(yōu)選地，步驟S26具體為：根據(jù)所述多個(gè)歷史監(jiān)測(cè)數(shù)據(jù)，利用指數(shù)平滑預(yù)測(cè)法得到預(yù)測(cè)數(shù)據(jù)；以及所述傳感器網(wǎng)絡(luò)為無(wú)線傳感器網(wǎng)絡(luò)。

根據(jù)本發(fā)明的另一個(gè)方面，提供一種傳感器網(wǎng)絡(luò)異常數(shù)據(jù)檢測(cè)系統(tǒng)，包括：數(shù)據(jù)獲取模塊，用于獲取傳感器網(wǎng)絡(luò)的監(jiān)測(cè)數(shù)據(jù)；異常判斷模塊，用于根據(jù)數(shù)據(jù)的空間相關(guān)性特征，對(duì)數(shù)據(jù)獲取模塊獲取的所述監(jiān)測(cè)數(shù)據(jù)進(jìn)行空間相關(guān)檢測(cè)，獲得其中的異常數(shù)據(jù)；并根據(jù)數(shù)據(jù)的時(shí)間相關(guān)性特征，對(duì)所述監(jiān)測(cè)數(shù)據(jù)進(jìn)行時(shí)間相關(guān)檢測(cè)，獲得其中的異常數(shù)據(jù)；異常分類模塊，用于針對(duì)任一異常數(shù)據(jù)，結(jié)合所述空間相關(guān)檢測(cè)及所述時(shí)間相關(guān)檢測(cè)的檢測(cè)結(jié)果，判斷該異常數(shù)據(jù)是事件數(shù)據(jù)或惡意數(shù)據(jù)。

在本發(fā)明的技術(shù)方案中，在獲取傳感器網(wǎng)絡(luò)的監(jiān)測(cè)數(shù)據(jù)之后，分別進(jìn)行空間相關(guān)檢測(cè)與時(shí)間相關(guān)檢測(cè)，由兩種途徑檢測(cè)其中的異常數(shù)據(jù)，并結(jié)合兩種方法的檢測(cè)結(jié)果，判斷異常數(shù)據(jù)是事件數(shù)據(jù)還是惡意數(shù)據(jù)。本發(fā)明可實(shí)時(shí)檢測(cè)傳感器網(wǎng)絡(luò)中的異常數(shù)據(jù)，并對(duì)檢測(cè)出的異常數(shù)據(jù)進(jìn)行準(zhǔn)確鑒別。

附圖說(shuō)明

圖1是本發(fā)明實(shí)施例的傳感器網(wǎng)絡(luò)異常數(shù)據(jù)檢測(cè)方法示意圖；

圖2是本發(fā)明實(shí)施例的空間相關(guān)檢測(cè)流程示意圖；

圖3是本發(fā)明實(shí)施例的時(shí)間相關(guān)檢測(cè)流程示意圖；

圖4是本發(fā)明實(shí)施例的傳感器網(wǎng)絡(luò)異常數(shù)據(jù)檢測(cè)系統(tǒng)示意圖；

圖5是本發(fā)明實(shí)施例的傳感器網(wǎng)絡(luò)異常數(shù)據(jù)檢測(cè)方法另一示意圖。

具體實(shí)施方式

為使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下參照附圖并舉出優(yōu)選實(shí)施例，對(duì)本發(fā)明進(jìn)一步詳細(xì)說(shuō)明。然而，需要說(shuō)明的是，說(shuō)明書中列出的許多細(xì)節(jié)僅僅是為了使讀者對(duì)本發(fā)明的一個(gè)或多個(gè)方面有一個(gè)透徹的理解，即便沒有這些特定的細(xì)節(jié)也可以實(shí)現(xiàn)本發(fā)明的這些方面。

本發(fā)明的發(fā)明人考慮到：近年來(lái)，隨著智慧城市、物聯(lián)網(wǎng)的普遍應(yīng)用，無(wú)線傳感器網(wǎng)絡(luò)得到飛速發(fā)展，而實(shí)時(shí)發(fā)現(xiàn)異常數(shù)據(jù)，并對(duì)其進(jìn)行準(zhǔn)確區(qū)分進(jìn)而有效處理是網(wǎng)絡(luò)安全的基礎(chǔ)。同樣，在軍事領(lǐng)域及工業(yè)領(lǐng)域，惡意攻擊對(duì)網(wǎng)絡(luò)安全造成重大威脅，迅速準(zhǔn)確地識(shí)別惡意數(shù)據(jù)具有重要的現(xiàn)實(shí)意義。但是，現(xiàn)有的異常數(shù)據(jù)監(jiān)測(cè)方法只考慮時(shí)間相關(guān)性或空間相關(guān)性，沒有將二者結(jié)合，使得檢測(cè)準(zhǔn)確率不高，而且也無(wú)法區(qū)分惡意數(shù)據(jù)和事件數(shù)據(jù)。同時(shí)，現(xiàn)有的很多異常數(shù)據(jù)檢測(cè)方法計(jì)算復(fù)雜度較高，通信成本也較高，無(wú)法適用于計(jì)算資源有限、存儲(chǔ)資源有限的無(wú)線傳感器網(wǎng)絡(luò)。

基于上述考慮，本發(fā)明的發(fā)明人綜合時(shí)空相關(guān)性特征進(jìn)行監(jiān)測(cè)數(shù)據(jù)的檢測(cè)，可快速檢測(cè)傳感器網(wǎng)絡(luò)中可能存在的異常數(shù)據(jù)，并從中準(zhǔn)確鑒別惡意數(shù)據(jù)與事件數(shù)據(jù)，進(jìn)而進(jìn)行針對(duì)性處理，從而在維護(hù)網(wǎng)絡(luò)安全性的同時(shí)準(zhǔn)確了解監(jiān)測(cè)區(qū)域的變化情況。本發(fā)明提供的傳感器網(wǎng)絡(luò)異常數(shù)據(jù)檢測(cè)方法與系統(tǒng)計(jì)算簡(jiǎn)便、成本較低、在無(wú)線傳感器網(wǎng)絡(luò)的數(shù)據(jù)監(jiān)測(cè)中具有廣闊應(yīng)用前景。

以下詳細(xì)介紹本發(fā)明的技術(shù)方案。

圖1示出了本發(fā)明的傳感器網(wǎng)絡(luò)異常數(shù)據(jù)檢測(cè)方法，參見圖1，異常數(shù)據(jù)檢測(cè)方法具體按照下面的步驟執(zhí)行：

步驟S1，獲取傳感器網(wǎng)絡(luò)的監(jiān)測(cè)數(shù)據(jù)。

具體地，當(dāng)傳感器網(wǎng)絡(luò)每個(gè)監(jiān)測(cè)周期的監(jiān)測(cè)數(shù)據(jù)發(fā)送至基站后，獲取上述監(jiān)測(cè)數(shù)據(jù)進(jìn)行檢測(cè)。一般地，傳感器網(wǎng)絡(luò)指無(wú)線傳感器網(wǎng)絡(luò)。

步驟S11，根據(jù)傳感器網(wǎng)絡(luò)中各節(jié)點(diǎn)的空間位置信息對(duì)各節(jié)點(diǎn)進(jìn)行聚類，將空間位置接近的節(jié)點(diǎn)劃分到同一簇中。上述空間位置接近指的是二節(jié)點(diǎn)的空間距離在預(yù)設(shè)的距離門限之內(nèi)。一般地，上述步驟針對(duì)傳感器網(wǎng)絡(luò)所有節(jié)點(diǎn)聚類，聚類完成后，對(duì)于任一節(jié)點(diǎn)均存在一個(gè)簇與之對(duì)應(yīng)。

實(shí)際應(yīng)用中，空間位置接近的傳感器節(jié)點(diǎn)具有空間相關(guān)性，其監(jiān)測(cè)的數(shù)據(jù)相差不大。如果選擇通信范圍內(nèi)的所有節(jié)點(diǎn)作為計(jì)算節(jié)點(diǎn)，那么在空間相關(guān)檢測(cè)過程中將產(chǎn)生大量的通信和計(jì)算開銷，計(jì)算復(fù)雜度將以節(jié)點(diǎn)數(shù)量的平方增加。在本發(fā)明優(yōu)選實(shí)施例中，使用K-Means聚類方法對(duì)傳感器節(jié)點(diǎn)進(jìn)行聚類，可確保同一簇內(nèi)的各節(jié)點(diǎn)位置接近，從而實(shí)現(xiàn)節(jié)點(diǎn)空間的合理劃分，同時(shí)降低通信與計(jì)算開銷。

步驟S2，根據(jù)數(shù)據(jù)的空間相關(guān)性特征，對(duì)監(jiān)測(cè)數(shù)據(jù)進(jìn)行空間相關(guān)檢測(cè)，獲得其中的異常數(shù)據(jù)。根據(jù)數(shù)據(jù)的時(shí)間相關(guān)性特征，對(duì)監(jiān)測(cè)數(shù)據(jù)進(jìn)行時(shí)間相關(guān)檢測(cè)，獲得其中的異常數(shù)據(jù)。

一般地，針對(duì)監(jiān)測(cè)數(shù)據(jù)的空間相關(guān)檢測(cè)與時(shí)間相關(guān)檢測(cè)是并列的，二者的執(zhí)行順序可根據(jù)實(shí)際需求靈活設(shè)置。

下面首先介紹空間相關(guān)檢測(cè)方法，其具體流程可參見圖2。

一般來(lái)說(shuō)，在根據(jù)步驟S11劃分的一個(gè)簇內(nèi)，如果某個(gè)節(jié)點(diǎn)的監(jiān)測(cè)數(shù)據(jù)與其它節(jié)點(diǎn)相差過大，則可認(rèn)為該數(shù)據(jù)異常。于是可基于距離進(jìn)行數(shù)據(jù)挖掘?；诰嚯x的數(shù)據(jù)挖掘方法不同于現(xiàn)有的基于統(tǒng)計(jì)的方法，基于距離的方法使用機(jī)器學(xué)習(xí)的思想，無(wú)需先驗(yàn)數(shù)據(jù)，不需要訓(xùn)練數(shù)據(jù)模型。從這一點(diǎn)來(lái)說(shuō)，基于距離的方法和基于密度的方法是相同的，都屬于鄰近度的方法，但是基于密度的方法較為復(fù)雜，不適合大規(guī)模無(wú)線傳感器網(wǎng)絡(luò)。

基于距離的空間相關(guān)檢測(cè)具體根據(jù)以下步驟執(zhí)行：

步驟S21，針對(duì)任一簇中任一節(jié)點(diǎn)的監(jiān)測(cè)數(shù)據(jù)，分別計(jì)算該監(jiān)測(cè)數(shù)據(jù)與該簇內(nèi)其它每一節(jié)點(diǎn)同一時(shí)刻的監(jiān)測(cè)數(shù)據(jù)的歐式距離。上述同一時(shí)刻指的是用于計(jì)算的其它節(jié)點(diǎn)的數(shù)據(jù)與待檢測(cè)數(shù)據(jù)對(duì)應(yīng)于同一時(shí)刻。

歐式距離的定義為：

對(duì)于兩個(gè)n維向量X_a(x_a1,x_a2,...,x_an)、X_b(x_b1,x_b2,...,x_bn)，歐氏距離為：

當(dāng)X_a、X_b均為一維向量時(shí)，其歐氏距離為：

d(a,b)＝|x_a-x_b|

步驟S22，將計(jì)算的各歐式距離與預(yù)設(shè)的歐式距離閾值比較，將小于歐式距離閾值的歐式距離的個(gè)數(shù)作為待檢測(cè)監(jiān)測(cè)數(shù)據(jù)的空間相關(guān)數(shù)。

步驟S23，將空間相關(guān)數(shù)除以該簇中的節(jié)點(diǎn)總數(shù)，獲得待檢測(cè)監(jiān)測(cè)數(shù)據(jù)的空間相關(guān)系數(shù)。

步驟S24，將空間相關(guān)系數(shù)與預(yù)設(shè)的系數(shù)閾值比較：若空間相關(guān)系數(shù)大于系數(shù)閾值，則待檢測(cè)監(jiān)測(cè)數(shù)據(jù)的空間相關(guān)檢測(cè)結(jié)果為正常；若空間相關(guān)系數(shù)小于等于系數(shù)閾值，則待檢測(cè)監(jiān)測(cè)數(shù)據(jù)的空間相關(guān)檢測(cè)結(jié)果為異常，判斷此監(jiān)測(cè)數(shù)據(jù)為異常數(shù)據(jù)。

通過步驟S21到S24，即可實(shí)現(xiàn)監(jiān)測(cè)數(shù)據(jù)的空間相關(guān)檢測(cè)，在計(jì)算復(fù)雜度及通信成本較低的情況下，實(shí)時(shí)檢測(cè)出空間相關(guān)維度的異常數(shù)據(jù)。

下面介紹時(shí)間相關(guān)檢測(cè)方法，其具體流程可參見圖3。

一般地，在無(wú)線傳感器網(wǎng)絡(luò)中，傳感器節(jié)點(diǎn)以一定的時(shí)間間隔獲取監(jiān)測(cè)數(shù)據(jù)，每個(gè)傳感器節(jié)點(diǎn)傳輸?shù)臄?shù)據(jù)可形成一個(gè)時(shí)間序列。通過時(shí)間序列分析，可以得出數(shù)據(jù)序列所遵從的統(tǒng)計(jì)規(guī)律。傳感器節(jié)點(diǎn)采集的數(shù)據(jù)可以有很多類型，如溫度、濕度、光照等，上述監(jiān)測(cè)指標(biāo)范圍不同，表現(xiàn)形式也不同，倘若按照不同的監(jiān)測(cè)指標(biāo)建立不同的時(shí)間序列模型，時(shí)間復(fù)雜度極高，實(shí)施難度極大，不適用于無(wú)線傳感器網(wǎng)絡(luò)。但是，本發(fā)明的發(fā)明人發(fā)現(xiàn)，在不考慮節(jié)點(diǎn)長(zhǎng)時(shí)間休眠的情況下，每種監(jiān)測(cè)指標(biāo)的共同點(diǎn)是在一小段時(shí)間內(nèi)測(cè)量值不會(huì)產(chǎn)生較大的上升或下降趨勢(shì)。與積分的思想類似，可以認(rèn)為測(cè)量值的變化是由一系列的平穩(wěn)狀態(tài)積累而成。

基于上述考慮，本發(fā)明的發(fā)明人提出一種基于滑動(dòng)窗口的指數(shù)平滑預(yù)測(cè)法來(lái)進(jìn)行時(shí)間相關(guān)檢測(cè)。傳感器網(wǎng)絡(luò)數(shù)據(jù)量大，處理能力較為有限，而指數(shù)平滑預(yù)測(cè)法是時(shí)間序列預(yù)測(cè)方法中復(fù)雜度低、計(jì)算量小的一種分析方法，因此十分適用于傳感器網(wǎng)絡(luò)。在此基礎(chǔ)上，使用滑動(dòng)窗口的思想，選取窗口大小為L(zhǎng)(L為大于1的整數(shù))，只選取當(dāng)前數(shù)據(jù)的前L個(gè)歷史數(shù)據(jù)進(jìn)行分析，同時(shí)，由于在相對(duì)較短的時(shí)間內(nèi)測(cè)量值沒有明顯的趨勢(shì)變化，可采用一次指數(shù)平滑法來(lái)進(jìn)行預(yù)測(cè)。

時(shí)間相關(guān)檢測(cè)按照下列步驟執(zhí)行：

步驟S25，針對(duì)任一簇中任一節(jié)點(diǎn)的監(jiān)測(cè)數(shù)據(jù)，利用滑動(dòng)窗口獲取該任一節(jié)點(diǎn)在該監(jiān)測(cè)數(shù)據(jù)獲取時(shí)間之前且最前的L個(gè)歷史監(jiān)測(cè)數(shù)據(jù)。上述最前指的是在待檢測(cè)數(shù)據(jù)之前，并且與待檢測(cè)數(shù)據(jù)最為接近的數(shù)據(jù)。譬如，P1、P2、P3、P4、P5為監(jiān)測(cè)數(shù)據(jù)時(shí)間序列，數(shù)據(jù)P5的最前2個(gè)數(shù)據(jù)為P3、P4。

步驟S26，利用L個(gè)歷史監(jiān)測(cè)數(shù)據(jù)進(jìn)行預(yù)測(cè)，得到預(yù)測(cè)數(shù)據(jù)。較佳地，采用指數(shù)平滑預(yù)測(cè)法進(jìn)行上述預(yù)測(cè)。

步驟S27，計(jì)算待檢測(cè)監(jiān)測(cè)數(shù)據(jù)與預(yù)測(cè)數(shù)據(jù)的歐式距離，比較上述歐式距離與預(yù)設(shè)的時(shí)間相關(guān)閾值：若歐式距離小于時(shí)間相關(guān)閾值，則待檢測(cè)監(jiān)測(cè)數(shù)據(jù)的時(shí)間相關(guān)檢測(cè)結(jié)果為正常；若歐式距離大于等于時(shí)間相關(guān)閾值，則待檢測(cè)監(jiān)測(cè)數(shù)據(jù)的時(shí)間相關(guān)檢測(cè)結(jié)果為異常，判斷該數(shù)據(jù)為異常數(shù)據(jù)。

通過步驟S25到S27，即可實(shí)現(xiàn)監(jiān)測(cè)數(shù)據(jù)的時(shí)間相關(guān)檢測(cè)，快速檢測(cè)出時(shí)間相關(guān)維度的異常數(shù)據(jù)。

針對(duì)空間相關(guān)檢測(cè)與時(shí)間相關(guān)檢測(cè)得到的異常數(shù)據(jù)，本發(fā)明的發(fā)明人分析：一般來(lái)說(shuō)，惡意數(shù)據(jù)在空間與時(shí)間維度均與鄰近數(shù)據(jù)顯著不同，而事件數(shù)據(jù)往往只存在一個(gè)維度的不同，由此可以對(duì)異常數(shù)據(jù)進(jìn)行鑒別。鑒別過程如下：

步驟S3，針對(duì)通過時(shí)間、空間相關(guān)檢測(cè)得到的任一異常數(shù)據(jù)，結(jié)合空間相關(guān)檢測(cè)及時(shí)間相關(guān)檢測(cè)的檢測(cè)結(jié)果，判斷該異常數(shù)據(jù)是事件數(shù)據(jù)或惡意數(shù)據(jù)。

具體地，對(duì)于任一監(jiān)測(cè)數(shù)據(jù)：若其空間相關(guān)檢測(cè)結(jié)果與時(shí)間相關(guān)檢測(cè)結(jié)果均為異常，則判斷該數(shù)據(jù)為惡意數(shù)據(jù)；若其空間相關(guān)檢測(cè)結(jié)果與時(shí)間相關(guān)檢測(cè)結(jié)果均為正常，則判斷該數(shù)據(jù)為正常數(shù)據(jù)；若空間相關(guān)檢測(cè)結(jié)果為異常，時(shí)間相關(guān)檢測(cè)結(jié)果為正常，則判斷該數(shù)據(jù)為事件數(shù)據(jù)；若時(shí)間相關(guān)檢測(cè)結(jié)果為異常，空間相關(guān)檢測(cè)結(jié)果為正常，則判斷該數(shù)據(jù)為事件數(shù)據(jù)。

這樣，本發(fā)明通過時(shí)間相關(guān)檢測(cè)與空間相關(guān)檢測(cè)結(jié)合的方法實(shí)現(xiàn)了異常數(shù)據(jù)的檢測(cè)與分類。

對(duì)于已分類的事件數(shù)據(jù)與惡意數(shù)據(jù)，本發(fā)明進(jìn)行下列不同處理：

對(duì)于事件數(shù)據(jù)，向監(jiān)測(cè)者發(fā)送告警信號(hào)引起其注意，使其及時(shí)了解監(jiān)測(cè)區(qū)域的實(shí)時(shí)變化情況。

對(duì)于惡意數(shù)據(jù)，修正此數(shù)據(jù)并降低發(fā)送該惡意數(shù)據(jù)的節(jié)點(diǎn)的信譽(yù)度。若節(jié)點(diǎn)的信譽(yù)度低于第一信譽(yù)閾值，則使數(shù)據(jù)不從該節(jié)點(diǎn)轉(zhuǎn)發(fā)。若節(jié)點(diǎn)的信譽(yù)度低于第二信譽(yù)閾值，則屏蔽該節(jié)點(diǎn)，不再接受其數(shù)據(jù)。顯然，第二信譽(yù)閾值一般小于第一信譽(yù)閾值。

通過上述處理，本發(fā)明在及時(shí)了解監(jiān)測(cè)區(qū)域情況的同時(shí)懲處惡意節(jié)點(diǎn)，維護(hù)網(wǎng)絡(luò)安全。

圖5是本發(fā)明傳感器網(wǎng)絡(luò)異常數(shù)據(jù)檢測(cè)方法的另一個(gè)示意圖，從中可以看到時(shí)間相關(guān)檢測(cè)與空間相關(guān)檢測(cè)結(jié)合的具體過程。

圖4示出了本發(fā)明的傳感器網(wǎng)絡(luò)異常數(shù)據(jù)檢測(cè)系統(tǒng)組成，檢測(cè)系統(tǒng)包括數(shù)據(jù)獲取模塊300、異常判斷模塊400、異常分類模塊500。具體而言：

數(shù)據(jù)獲取模塊300用于獲取傳感器網(wǎng)絡(luò)的監(jiān)測(cè)數(shù)據(jù)。

異常判斷模塊400用于根據(jù)數(shù)據(jù)的空間相關(guān)性特征，對(duì)數(shù)據(jù)獲取模塊300獲取的監(jiān)測(cè)數(shù)據(jù)進(jìn)行空間相關(guān)檢測(cè)，獲得其中的異常數(shù)據(jù)；并根據(jù)數(shù)據(jù)的時(shí)間相關(guān)性特征，對(duì)監(jiān)測(cè)數(shù)據(jù)進(jìn)行時(shí)間相關(guān)檢測(cè)，獲得其中的異常數(shù)據(jù)。

異常分類模塊500用于針對(duì)任一異常數(shù)據(jù)，結(jié)合空間相關(guān)檢測(cè)及時(shí)間相關(guān)檢測(cè)的檢測(cè)結(jié)果，判斷該異常數(shù)據(jù)是事件數(shù)據(jù)或惡意數(shù)據(jù)。

根據(jù)本發(fā)明提供的傳感器網(wǎng)絡(luò)異常數(shù)據(jù)檢測(cè)方法與系統(tǒng)，能夠?qū)崟r(shí)對(duì)無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)監(jiān)測(cè)的數(shù)據(jù)進(jìn)行異常檢測(cè)。每個(gè)監(jiān)測(cè)周期的數(shù)據(jù)發(fā)送至基站后，便可通過數(shù)據(jù)間的時(shí)空相關(guān)性進(jìn)行檢測(cè)，不但可以找出異常數(shù)據(jù)，還可以對(duì)檢測(cè)出的異常數(shù)據(jù)進(jìn)行分類，準(zhǔn)確辨別異常數(shù)據(jù)是惡意數(shù)據(jù)還是事件數(shù)據(jù)，從而對(duì)不同的異常數(shù)據(jù)進(jìn)行針對(duì)性的處理。本發(fā)明可廣泛應(yīng)用于企事業(yè)單位、軍事領(lǐng)域、工業(yè)領(lǐng)域的傳感器網(wǎng)絡(luò)數(shù)據(jù)監(jiān)測(cè)、物聯(lián)網(wǎng)信息監(jiān)測(cè)，具有較高實(shí)用價(jià)值。

本領(lǐng)域普通技術(shù)人員可以理解實(shí)現(xiàn)上述實(shí)施例方法中的全部或部分步驟是可以通過程序來(lái)指令相關(guān)的硬件來(lái)完成，該程序可以存儲(chǔ)于一計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中，如：ROM/RAM、磁碟、光盤等。

以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明原理的前提下，還可以作出若干改進(jìn)和潤(rùn)飾，這些改進(jìn)和潤(rùn)飾也應(yīng)視為本發(fā)明的保護(hù)范圍。