CN103179602A - 一种无线传感器网络异常数据检测方法和装置 - Google Patents

一种无线传感器网络异常数据检测方法和装置 Download PDF

Info

Publication number
CN103179602A
CN103179602A CN2013100850637A CN201310085063A CN103179602A CN 103179602 A CN103179602 A CN 103179602A CN 2013100850637 A CN2013100850637 A CN 2013100850637A CN 201310085063 A CN201310085063 A CN 201310085063A CN 103179602 A CN103179602 A CN 103179602A
Authority
CN
China
Prior art keywords
wireless senser
data
base station
histogram information
subinterval
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN2013100850637A
Other languages
English (en)
Inventor
连朔
姜旭宝
刘云浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
WUXI QINGHUA INFORMATION SCIENCE AND TECHNOLOGY NATIONAL LABORATORY INTERNET OF THINGS TECHNOLOGY CENTER
Original Assignee
WUXI QINGHUA INFORMATION SCIENCE AND TECHNOLOGY NATIONAL LABORATORY INTERNET OF THINGS TECHNOLOGY CENTER
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by WUXI QINGHUA INFORMATION SCIENCE AND TECHNOLOGY NATIONAL LABORATORY INTERNET OF THINGS TECHNOLOGY CENTER filed Critical WUXI QINGHUA INFORMATION SCIENCE AND TECHNOLOGY NATIONAL LABORATORY INTERNET OF THINGS TECHNOLOGY CENTER
Priority to CN2013100850637A priority Critical patent/CN103179602A/zh
Publication of CN103179602A publication Critical patent/CN103179602A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种无线传感器网络异常数据检测方法和装置，该方法包括：基站通过查询读数端值的命令得到无线传感器读数的区间信息；基站根据区间信息，生成直方图信息，并向无线传感器发布直方图信息；无线传感器根据所述直方图信息统计读数，生成自适应子区间直方图信息，将所述自适应子区间直方图信息发送到基站；基站根据自适应子区间直方图信息，计算基于k近邻的异常数据检测算法并产生检测结果报告。该方法利用基于自适应子区间直方图的方法，异常数据检测的正确率相对较高，同时算法对网络系统引起的通讯开销很小。

Description

一种无线传感器网络异常数据检测方法和装置
技术领域
本发明涉及无线传感器网络技术领域，尤其涉及一种无线传感器网络异常数据检测方法和装置。
背景技术
随着通信、传感器制造、嵌入式计算的日益成熟，大规模无线传感器网络技术迅速发展并被广泛应用到人们生活的方方面面，环境监控、国防、健康检查、交通控制、救灾抢险、城市管理等诸多领域。一个典型的无线传感器网络由大量廉价传感器节点组成（资源受限的硬件设备和自组织的工作方式），它们能够在在不同的环境中迅速被部署，并通过无线自组成的形式组网，不会受到现有有线网络基础设施的限制。传感器节点的感知数据通过无线通信以多跳中继方式汇集到数据处理中心。无线传感器网络使人们可以在不受时间、地点的限制，实时获取大量详实而可靠的环境信息，使得“计算”可以无处不在。
无线传感器网络很容易出现各种故障，会收集到一些错误的异常数据。异常检测有助于发现那些不可靠的数据，是无限传感器网络中的一项重要研究内容。传感器节点发生故障可以分为两类，一类叫做节点故障，是指发生故障的节点不能够与其他节点正常的通讯，比如节点硬件发生错误，或者出现丢包、路由失败等现象。另一类叫做部件故障，是指节点能够正常工作，但是感知到的数据是错误的。传感器节点发生部件故障，会导致无线传感器网络所获得的数据的不可靠。错误的数据不仅增加了网络的通讯开销，浪费了有限的能量，而且还会使观察者产生错误的判断，严重降低了无线传感器网络的系统性能。在无线传感器网络中，如果一个节点的测量数据明显背离于该点的正常值，则称该数据为异常数据。异常数据分为局部和全局异常数据，局部异常数据是指节点的测量值和其邻居节点的相应数据存在很大的不同。而在得到所有的节点全局信息后，那些与其他数据存在较大差别的称之为全局异常数据。
直方图表示节点读数在一定范围内的分布状况，基站节点在网络中收集直方图信息，而不是收集具体感知数据，关注于全局异常数据的检测，通过自适应子区间直方图的异常检测算法，在收集直方图的过程中同时动态改变一些直方图的宽度，来进一步减少通讯开销。
发明内容
本发明的目的在于提出一种无线传感器网络异常数据检测方法和系统。
为达此目的，本发明采用以下技术方案：
一种无线传感器网络异常数据检测方法，包括：
基站通过查询读数端值的命令得到无线传感器读数的区间信息；
基站根据区间信息，生成直方图信息，并向无线传感器发布直方图信息；
无线传感器根据所述直方图信息统计读数，生成自适应子区间直方图信息，将所述自适应子区间直方图信息发送到基站；
基站根据自适应子区间直方图信息，计算基于k近邻的异常数据检测算法并产生检测结果报告。
其中，所述基站通过查询读数端值的命令得到无线传感器读数的区间信息具体为：
基站向无线传感器发送查询读数端值的命令，所述端值包括最大值和最小值；
无线传感器将自己的读数的端值通过路由树发送到基站，所述端值即为无线传感器读数的区间信息。
其中，所述基站根据区间信息，生成直方图信息，并向无线传感器发布直方图信息具体为：
基站根据收到的所有端值，得到整个无线传感器网络中的端值，根据整个无线传感器网络中的端值，生成直方图信息，所述直方图信息包括最大和最小两个端值，每个子区间的初始宽度，k近邻参数；
将所述直方图信息发送到无线传感器。
其中，所述无线传感器根据所述直方图信息统计读数，生成自适应子区间直方图信息，将所述自适应子区间直方图信息发送到基站具体为：
无线传感器收集自身和路由子树中无线传感器的数据的直方图信息，NUM(i，j)表示无线传感器j自身的数据中位于直方图空间i的个数，f(i，j)表示无线传感器j和其路由子树上所有无线传感器读数中位于直方图空间i的频度，如果无线传感器j是叶子节点，NUM(i，j)=f(i，j)，如果无线传感器j是非叶子节点，f(i，j)等于无线传感器j及其路由子树上所有无线传感器读数中位于直方图空间i的频度之和；
每个无线传感器判断自身收集的直方图信息中f(i，j)与f(i+1，j)和k近邻参数的大小关系，如果f(i，j)>k且f(i+1，j)>k，那么就合并两个子区间为一个新的自适应子区间i'，并设置新的自适应子区间的频度为f(i'，j)=(f(i，j)+f(i+1，j))/2，生成自适应子区间直方图信息；
将自适应子区间直方图信息发送到基站。
其中，所述基站根据自适应子区间直方图信息，计算基于k近邻的异常数据检测算法并产生检测结果报告具体为：
基站收到自适应子区间直方图信息后，对信息中的数据进行分类处理，从频度最高的数据区间降序处理，如果f(i)>k，那么区间内任意数据p的k近邻的数据也在同一区间，所以数据p是一个正常数据；
如果f(i)<k，那么区间内任意数据p的k近邻的数据不在同一区间，所以判断k近邻是否在相邻n个区间，如果sumf(in)＞k，那么判断f（i）的k近邻在n个数据区间内，也被判定为正常数据，反之为异常数据区间，根据判断结果产生检测结果报告，其中
Figure BDA00002925021500041
inearest为最近的频度大于k的区间。
一种无线传感器网络异常数据检测装置，包括基站和无线传感器，所述基站包括：
端值获取模块，用于基站通过查询读数端值的命令得到无线传感器读数的区间信息；
直方图信息生成发送模块，用于基站根据区间信息，生成直方图信息，并向无线传感器发布直方图信息；
检测结果生成模块，用于基站根据自适应子区间直方图信息，计算基于k近邻的异常数据检测算法并产生检测结果报告；
所述无线传感器包括：
自适应子区间直方图信息处理模块，用于无线传感器根据所述直方图信息统计读数，生成自适应子区间直方图信息，将所述自适应子区间直方图信息发送到基站。
其中，所述基站通过查询读数端值的命令得到无线传感器读数的区间信息具体为：
基站向无线传感器发送查询读数端值的命令，所述端值包括最大值和最小值；
无线传感器将自己的读数的端值通过路由树发送到基站，所述端值即为无线传感器读数的区间信息。
其中，所述基站根据区间信息，生成直方图信息，并向无线传感器发布直方图信息具体为：
基站根据收到的所有端值，得到整个无线传感器网络中的端值，根据整个无线传感器网络中的端值，生成直方图信息，所述直方图信息包括最大和最小两个端值，每个子区间的初始宽度，k近邻参数；
将所述直方图信息发送到无线传感器。
其中，所述无线传感器根据所述直方图信息统计读数，生成自适应子区间直方图信息，将所述自适应子区间直方图信息发送到基站具体为：
无线传感器收集自身和路由子树中无线传感器的数据的直方图信息，NUM(i，j)表示无线传感器j自身的数据中位于直方图空间i的个数，f(i，j)表示无线传感器j和其路由子树上所有无线传感器读数中位于直方图空间i的频度，如果无线传感器j是叶子节点，NUM(i，j)=f(i，j)，如果无线传感器j是非叶子节点，f(i，j)等于无线传感器j及其路由子树上所有无线传感器读数中位于直方图空间i的频度之和；
每个无线传感器判断自身收集的直方图信息中f(i，j)与f(i+1，j)和k近邻参数的大小关系，如果f(i，j)>k且f(i+1，j)>k，那么就合并两个子区间为一个新的自适应子区间i'，并设置新的自适应子区间的频度为f(i'，j)=(f(i，j)+f(i+1，j))/2，生成自适应子区间直方图信息；
将自适应子区间直方图信息发送到基站。
其中，所述基站根据自适应子区间直方图信息，计算基于k近邻的异常数据检测算法并产生检测结果报告具体为：
基站收到自适应子区间直方图信息后，对信息中的数据进行分类处理，从频度最高的数据区间降序处理，如果f(i)>k，那么区间内任意数据p的k近邻的数据也在同一区间，所以数据p是一个正常数据；
如果f(i)<k，那么区间内任意数据p的k近邻的数据不在同一区间，所以判断k近邻是否在相邻n个区间，如果sumf(in)＞k，那么判断f（i）的k近邻在n个数据区间内，也被判定为正常数据，反之为异常数据区间，根据判断结果产生检测结果报告，其中
Figure BDA00002925021500061
inearest为最近的频度大于k的区间。
本发明的有益效果为：利用基于自适应子区间直方图的方法，异常数据检测的正确率相对较高，同时算法对网络系统引起的通讯开销很小。
附图说明
图1是本发明一种无线传感器网络异常数据检测方法流程图；
图2是本发明实施例中一无线传感网络的路由子图；
图3是本发明一种无线传感器网络异常数据检测装置结构框图。
具体实施方式
下面结合附图1至附图3通过具体实施方式来进一步说明本发明的技术方案。
在本实施例中提供了一种无线传感器网络异常数据检测方法，图1是本发明实施例的异常数据检测方法的流程图，如图1所述，该方法包括如下步骤：
步骤1：基站通过查询读数端值的命令得到无线传感器读数的区间信息；
步骤2：基站根据区间信息，生成直方图信息，并向无线传感器发布直方图信息；
步骤3：无线传感器根据所述直方图信息统计读数，生成自适应子区间直方图信息，将所述自适应子区间直方图信息发送到基站；
步骤4：基站根据自适应子区间直方图信息，计算基于k近邻的异常数据检测算法并产生检测结果报告。
通过上述步骤，利用基于自适应子区间直方图的方法，异常数据检测的正确率相对较高，同时算法对网络系统引起的通讯开销很小。
在一个优选的实施例中，基站通过查询读数端值的命令得到无线传感器读数的区间信息具体为：
基站向无线传感器发送查询读数端值的命令，所述端值包括最大值和最小值；
无线传感器将自己的读数的端值通过路由树发送到基站，所述端值即为无线传感器读数的区间信息。
基站通过发送查询读数端值的命令，获得每个无线传感器读数的区间，该设计使得每个无线传感器只需要发送最大值和最小值两个端值，无需发送具体的读数，降低了通讯开销。
在另一优选的实施例中，基站根据区间信息，生成直方图信息，并向无线传感器发布直方图信息具体为：
基站根据收到的所有端值，得到整个无线传感器网络中的端值，根据整个无线传感器网络中的端值，生成直方图信息，所述直方图信息包括最大和最小两个端值，每个子区间的初始宽度，k近邻参数；
将所述直方图信息发送到无线传感器。
基站根据整个无线传感器网络中读数的端值生成直方图信息，总共只需将4个参数发送到无线传感器，通讯的开销极小。
在另一个优选的实施例中，无线传感器根据所述直方图信息统计读数，生成自适应子区间直方图信息，将所述自适应子区间直方图信息发送到基站具体为：
无线传感器收集自身和路由子树中无线传感器的数据的直方图信息，NUM(i，j)表示无线传感器j自身的数据中位于直方图空间i的个数，f(i，j)表示无线传感器j和其路由子树上所有无线传感器读数中位于直方图空间i的频度，如果无线传感器j是叶子节点，NUM(i，j)=f(i，j)，如果无线传感器j是非叶子节点，f(i，j)等于无线传感器j及其路由子树上所有无线传感器读数中位于直方图空间i的频度之和；
每个无线传感器判断自身收集的直方图信息中f(i，j)与f(i+1，j)和k近邻参数的大小关系，如果f(i，j)>k且f(i+1，j)>k，那么就合并两个子区间为一个新的自适应子区间i'，并设置新的自适应子区间的频度为f(i'，j)=(f(i，j)+f(i+1，j))/2；
将自适应子区间直方图信息发送到基站。
每个无线传感器无需将具体的数据传送到基站，只需统计落入直方图中每个区间的数字的个数即可，并且在各个无线传感器即生产自适应子区间直方图，减少了基站的运算量，以一种类似于云计算的方式完成前期的数据处理过程，提高了计算效率。
在另一个优选实施例中，基站根据自适应子区间直方图信息，计算基于k近邻的异常数据检测算法并产生检测结果报告具体为：
基站收到自适应子区间直方图信息后，对信息中的数据进行分类处理，从频度最高的数据区间降序处理，如果f(i)>k，那么区间内任意数据p的k近邻的数据也在同一区间，所以数据p是一个正常数据；
如果f(i)<k，那么区间内任意数据p的k近邻的数据不在同一区间，所以判断k近邻是否在相邻n个区间即计算，如果sumf(in)＞k，那么判断f（i）的k近邻在n个数据区间内，也被判定为正常数据，反之为异常数据区间，其中inearest为最近的频度大于k的区间。
基站通过基于k近邻算法的数据挖掘与分析判断，判断出异常数据的范围值，而无需对每个数据进行具体分析，检测开销小，结果准确性相对高，并且能够实时地对大规模无线传感器网络进行异常值侦测。
图2是一个简单的无线传感网络的路由子图，根据算法中的收集过程部分，基站节点可以发布响应的自适应子区间直方图的响应参数四元组<Vmax，Vmin，d,k>，此网络中设置为<2500，2300，50,10>并发布给整个路由树，对于节点来说分为两种情况，如果是叶子节点如：节点6，8，9,10,11,12，没有子节点树的存在，那么自身数据就次节点的全部数据，不需要合并。比如节点8，有这样一组自身读数V(8)=(2300,2310,2312,2340,2670)，2300-2350属于第一个子区间，所以f(1,8)=NUM(1,8)=4，2650-2700属于第八个子区间f(8,8)=NUM(8,8)=1。而对于有孩子节点的节点则是需要合并不同子节点的直方图信息，如节点4有两个子节点（8和9），数据如下V(4)=(2301,2311,2366,2360,2370)，V(9)=(2311,2312,2323,2333,2322)，由公式SUM（NUM（i，j）)=f（i，j）得到：
f(8,4)=NUM(8,8)+NUM(8,4)+NUM(8,9)=1；
f(1,4)=NUM(1,8)+NUM(1,4)+NUM(1,9)=11；
f(2,4)=NUM(2,8)+NUM(2,4)+NUM(2,9)=3；
所有数据汇聚后的判断过程依据过程C。因为k=10，而且f(1)>10所以区间1不是事件区间。因为f(2)<10，f(8)<10，按照sumf(in)＞k进行判断，所以sumf(21)＞10，非异常区间，sumf(81)＜10是异常区间。
图3是本发明实施例的无线传感器网络异常数据检测装置1的结构框图，该装置用于实现上述的方法，如图2所示，该装置包括：包括基站10和无线传感器11，所述基站10包括：
端值获取模块101，用于基站10通过查询读数端值的命令得到无线传感器11读数的区间信息；
直方图信息生成发送模块102，用于基站10根据区间信息，生成直方图信息，并向无线传感器11发布直方图信息；
检测结果生成模块103，用于基站10根据自适应子区间直方图信息，计算基于k近邻的异常数据检测算法并产生检测结果报告。
所述无线传感器11包括：
自适应子区间直方图信息处理模块111，用于无线传感器11根据所述直方图信息统计读数，生成自适应子区间直方图信息，将所述自适应子区间直方图信息发送到基站10；
在一个优选的实施例中，基站通过查询读数端值的命令得到无线传感器读数的区间信息具体为：
基站向无线传感器发送查询读数端值的命令，所述端值包括最大值和最小值；
无线传感器将自己的读数的端值通过路由树发送到基站，所述端值即为无线传感器读数的区间信息。
例如基站10将查询读数端值的命令设置为Q，当需要检测异常数据时，基站10将命令Q发送到每个无线传感器11，某个无线传感器11有40个读数，其中最大的是98，最小的是79，那么该无线传感器11无需将40个读数全部发送到基站10，只需发送最大值98和最小值79。
在另一优选的实施例中，基站10根据区间信息，生成直方图信息，并向无线传感器11发布直方图信息具体为：
基站10根据收到的所有端值，得到整个无线传感器网络中的端值，根据整个无线传感器网络中的端值，生成直方图信息，所述直方图信息包括最大和最小两个端值，每个子区间的初始宽度，k近邻参数；
将所述直方图信息发送到无线传感器。
在另一个优选的实施例中，无线传感器11根据所述直方图信息统计读数，生成自适应子区间直方图信息，将所述自适应子区间直方图信息发送到基站10具体为：
无线传感器11收集自身和路由子树中无线传感器的数据的直方图信息，NUM(i，j)表示无线传感器j自身的数据中位于直方图空间i的个数，f(i，j)表示无线传感器j和其路由子树上所有无线传感器读数中位于直方图空间i的频度，如果无线传感器j是叶子节点，NUM(i，j)=f(i，j)，如果无线传感器j是非叶子节点，f(i，j)等于无线传感器j及其路由子树上所有无线传感器读数中位于直方图空间i的频度之和；
每个无线传感器11判断自身收集的直方图信息中f(i，j)与f(i+1，j)和k近邻参数的大小关系，如果f(i，j)>k且f(i+1，j)>k，那么就合并两个子区间为一个新的自适应子区间i'，并设置新的自适应子区间的频度为f(i'，j)=(f(i，j)+f(i+1，j))/2；
将自适应子区间直方图信息发送到基站10。
在另一个优选实施例中，基站10根据自适应子区间直方图信息，计算基于k近邻的异常数据检测算法并产生检测结果报告具体为：
基站收到自适应子区间直方图信息后，对信息中的数据进行分类处理，从频度最高的数据区间降序处理，如果f(i)>k，那么区间内任意数据p的k近邻的数据也在同一区间，所以数据p是一个正常数据；
如果f(i)<k，那么区间内任意数据p的k近邻的数据不在同一区间，所以判断k近邻是否在相邻n个区间即计算，如果sumf(in)＞k，那么判断f（i）的k近邻在n个数据区间内，也被判定为正常数据，反之为异常数据区间，其中inearest为最近的频度大于k的区间。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (10)

1.一种无线传感器网络异常数据检测方法，其特征在于，包括：
基站通过查询读数端值的命令得到无线传感器读数的区间信息；
基站根据区间信息，生成直方图信息，并向无线传感器发布直方图信息；
无线传感器根据所述直方图信息统计读数，生成自适应子区间直方图信息，将所述自适应子区间直方图信息发送到基站；
基站根据自适应子区间直方图信息，计算基于k近邻的异常数据检测算法并产生检测结果报告。
2.根据权利要求1所述的一种无线传感器网络异常数据检测方法，其特征在于，所述基站通过查询读数端值的命令得到无线传感器读数的区间信息具体为：
基站向无线传感器发送查询读数端值的命令，所述端值包括最大值和最小值；
无线传感器将自己的读数的端值通过路由树发送到基站，所述端值即为无线传感器读数的区间信息。
3.根据权利要求1所述的一种无线传感器网络异常数据检测方法，其特征在于，所述基站根据区间信息，生成直方图信息，并向无线传感器发布直方图信息具体为：
基站根据收到的所有端值，得到整个无线传感器网络中的端值，根据整个无线传感器网络中的端值，生成直方图信息；所述直方图信息包括最大和最小两个端值，每个子区间的初始宽度，k近邻参数；
将所述直方图信息发送到无线传感器。
4.根据权利要求1所述的一种无线传感器网络异常数据检测方法，其特征在于，所述无线传感器根据所述直方图信息统计读数，生成自适应子区间直方图信息，将所述自适应子区间直方图信息发送到基站具体为：
无线传感器收集自身和路由子树中无线传感器的数据的直方图信息，NUM(i，j)表示无线传感器j自身的数据中位于直方图空间i的个数，f(i，j)表示无线传感器j和其路由子树上所有无线传感器读数中位于直方图空间i的频度，如果无线传感器j是叶子节点，NUM(i，j)=f(i，j)，如果无线传感器j是非叶子节点，f(i，j)等于无线传感器j及其路由子树上所有无线传感器读数中位于直方图空间i的频度之和；
每个无线传感器判断自身收集的直方图信息中f(i，j)与f(i+1，j)和k近邻参数的大小关系，如果f(i，j)>k且f(i+1，j)>k，那么就合并两个子区间为一个新的自适应子区间i'，并设置新的自适应子区间的频度为f(i'，j)=(f(i，j)+f(i+1，j))/2，生成自适应子区间直方图信息，；
将自适应子区间直方图信息发送到基站。
5.根据权利要求1所述的一种无线传感器网络异常数据检测方法，其特征在于，所述基站根据自适应子区间直方图信息，计算基于k近邻的异常数据检测算法并产生检测结果报告具体为：
基站收到自适应子区间直方图信息后，对自适应子区间直方图信息中的数据进行分类处理，从频度最高的数据区间降序处理，如果f(i)>k，那么区间内任意数据p的k近邻的数据也在同一区间，所以数据p是一个正常数据；
如果f(i)<k，那么区间内任意数据p的k近邻的数据不在同一区间，所以判断k近邻是否在相邻n个区间，如果sumf(in)＞k，那么判断f（i）的k近邻在n个数据区间内，也被判定为正常数据，反之为异常数据区间，根据判断结果产生检测结果报告，其中
Figure FDA00002925021400021
inearest为最近的频度大于k的区间。
6.一种无线传感器网络异常数据检测装置，包括基站和无线传感器，其特征在于，所述基站包括：
端值获取模块，用于基站通过查询读数端值的命令得到无线传感器读数的区间信息；
直方图信息生成发送模块，用于基站根据区间信息，生成直方图信息，并向无线传感器发布直方图信息；
检测结果生成模块，用于基站根据自适应子区间直方图信息，计算基于k近邻的异常数据检测算法并产生检测结果报告;
所述无线传感器包括：
自适应子区间直方图信息处理模块，用于无线传感器根据所述直方图信息统计读数，生成自适应子区间直方图信息，将所述自适应子区间直方图信息发送到基站。
7.根据权利要求6所述的一种无线传感器网络异常数据检测装置，其特征在于，所述基站通过查询读数端值的命令得到无线传感器读数的区间信息具体为：
基站向无线传感器发送查询读数端值的命令，所述端值包括最大值和最小值；
无线传感器将自己的读数的端值通过路由树发送到基站，所述端值即为无线传感器读数的区间信息。
8.根据权利要求6所述的一种无线传感器网络异常数据检测装置，其特征在于，所述基站根据区间信息，生成直方图信息，并向无线传感器发布直方图信息具体为：
基站根据收到的所有端值，得到整个无线传感器网络中的端值，根据整个无线传感器网络中的端值，生成直方图信息，所述直方图信息包括最大和最小两个端值，每个子区间的初始宽度，k近邻参数；
将所述直方图信息发送到无线传感器。
9.根据权利要求6所述的一种无线传感器网络异常数据检测装置，其特征在于，所述无线传感器根据所述直方图信息统计读数，生成自适应子区间直方图信息，将所述自适应子区间直方图信息发送到基站具体为：
无线传感器收集自身和路由子树中无线传感器的数据的直方图信息，NUM(i，j)表示无线传感器j自身的数据中位于直方图空间i的个数，f(i，j)表示无线传感器j和其路由子树上所有无线传感器读数中位于直方图空间i的频度，如果无线传感器j是叶子节点，NUM(i，j)=f(i，j)，如果无线传感器j是非叶子节点，f(i，j)等于无线传感器j及其路由子树上所有无线传感器读数中位于直方图空间i的频度之和；
每个无线传感器判断自身收集的直方图信息中f(i，j)与f(i+1，j)和k近邻参数的大小关系，如果f(i，j)>k且f(i+1，j)>k，那么就合并两个子区间为一个新的自适应子区间i'，并设置新的自适应子区间的频度为f(i'，j)=(f(i，j)+f(i+1，j))/2，生成自适应子区间直方图信息；
将自适应子区间直方图信息发送到基站。
10.根据权利要求6所述的一种无线传感器网络异常数据检测装置，其特征在于，所述基站根据自适应子区间直方图信息，计算基于k近邻的异常数据检测算法并产生检测结果报告具体为：
基站收到自适应子区间直方图信息后，对信息中的数据进行分类处理，从频度最高的数据区间降序处理，如果f(i)>k，那么区间内任意数据p的k近邻的数据也在同一区间，所以数据p是一个正常数据；
如果f(i)<k，那么区间内任意数据p的k近邻的数据不在同一区间，所以判断k近邻是否在相邻n个区间，如果sumf(in)＞k，那么判断f（i）的k近邻在n个数据区间内，也被判定为正常数据，反之为异常数据区间，根据判断结果产生检测结果报告，其中inearest为最近的频度大于k的区间。
CN2013100850637A 2013-03-15 2013-03-15 一种无线传感器网络异常数据检测方法和装置 Pending CN103179602A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2013100850637A CN103179602A (zh) 2013-03-15 2013-03-15 一种无线传感器网络异常数据检测方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2013100850637A CN103179602A (zh) 2013-03-15 2013-03-15 一种无线传感器网络异常数据检测方法和装置

Publications (1)

Publication Number Publication Date
CN103179602A true CN103179602A (zh) 2013-06-26

Family

ID=48639161

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2013100850637A Pending CN103179602A (zh) 2013-03-15 2013-03-15 一种无线传感器网络异常数据检测方法和装置

Country Status (1)

Country Link
CN (1) CN103179602A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103561420A (zh) * 2013-11-07 2014-02-05 东南大学 基于数据快照图的异常检测方法
CN104902509A (zh) * 2015-05-19 2015-09-09 浙江农林大学 基于top-k(σ)算法的异常数据检测方法
CN108267627A (zh) * 2016-12-30 2018-07-10 北京普源精电科技有限公司 波形端值计算方法及装置、数字示波器
CN110674124A (zh) * 2019-09-23 2020-01-10 珠海格力电器股份有限公司 一种异常数据检测方法、系统及智能路由器
CN110913357A (zh) * 2019-11-13 2020-03-24 绍兴文理学院 一种基于安全态势感知的传感云双层网络防御系统及方法
CN113255593A (zh) * 2021-06-25 2021-08-13 北京市水利自动化研究所 面向时空解析模型的传感器信息异常检测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1428963A (zh) * 2001-12-25 2003-07-09 松下电器产业株式会社 异常检测装置及异常检测系统
CN101014173A (zh) * 2006-12-31 2007-08-08 姜宏伟 一种传送通信基站监控数据的方法及系统
CN102282516A (zh) * 2009-02-17 2011-12-14 株式会社日立制作所 异常检测方法及异常检测系统
CN102595545A (zh) * 2011-12-20 2012-07-18 沈阳大学 一种用于无线传感器网络的k近邻查询方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1428963A (zh) * 2001-12-25 2003-07-09 松下电器产业株式会社 异常检测装置及异常检测系统
CN101014173A (zh) * 2006-12-31 2007-08-08 姜宏伟 一种传送通信基站监控数据的方法及系统
CN102282516A (zh) * 2009-02-17 2011-12-14 株式会社日立制作所 异常检测方法及异常检测系统
CN102595545A (zh) * 2011-12-20 2012-07-18 沈阳大学 一种用于无线传感器网络的k近邻查询方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
姜旭宝、李光耀、连朔: "基于变宽直方图的无线传感器网络异常数据检测算法", 《计算机应用》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103561420A (zh) * 2013-11-07 2014-02-05 东南大学 基于数据快照图的异常检测方法
CN103561420B (zh) * 2013-11-07 2016-06-08 东南大学 基于数据快照图的异常检测方法
CN104902509A (zh) * 2015-05-19 2015-09-09 浙江农林大学 基于top-k(σ)算法的异常数据检测方法
CN104902509B (zh) * 2015-05-19 2018-03-30 浙江农林大学 基于top‑k(σ)算法的异常数据检测方法
CN108267627A (zh) * 2016-12-30 2018-07-10 北京普源精电科技有限公司 波形端值计算方法及装置、数字示波器
CN110674124A (zh) * 2019-09-23 2020-01-10 珠海格力电器股份有限公司 一种异常数据检测方法、系统及智能路由器
CN110674124B (zh) * 2019-09-23 2022-04-12 珠海格力电器股份有限公司 一种异常数据检测方法、系统及智能路由器
CN110913357A (zh) * 2019-11-13 2020-03-24 绍兴文理学院 一种基于安全态势感知的传感云双层网络防御系统及方法
CN110913357B (zh) * 2019-11-13 2020-10-09 绍兴文理学院 一种基于安全态势感知的传感云双层网络防御系统及方法
CN113255593A (zh) * 2021-06-25 2021-08-13 北京市水利自动化研究所 面向时空解析模型的传感器信息异常检测方法
CN113255593B (zh) * 2021-06-25 2021-09-24 北京市水利自动化研究所 面向时空解析模型的传感器信息异常检测方法

Similar Documents

Publication Publication Date Title
CN103179602A (zh) 一种无线传感器网络异常数据检测方法和装置
CN102269014B (zh) 基于无线传感器网络的煤矿井下火灾监测系统
Dohare et al. Wireless communication and environment monitoring in underground coal mines–review
Burdakis et al. Detecting outliers in sensor networks using the geometric approach
CN107294213B (zh) 一种电网设备智能监测系统
Kartakis et al. Adaptive edge analytics for distributed networked control of water systems
CN107316450A (zh) 一种基于无线传感器网络的输电线路监控系统
CN101922310A (zh) 一种煤矿井下作业人员的安全监控与管理系统
CN108601047B (zh) 机会网络关键节点的测量方法
CN106330624B (zh) 一种电力信息网络流量异常检测方法
CN103175575A (zh) 一种基于zigbee网络的桥梁结构健康监测系统
CN105070015A (zh) 一种煤田火区参数动态监测的无线传感器装置及方法
CN112734977A (zh) 一种基于物联网的设备风险预警系统及算法
CN115452046A (zh) 一种基于物联网的环保监测系统及方法
CN115224794A (zh) 一种基于物联网技术的配电网监测方法
CN202403736U (zh) 一种基于zigbee网络的桥梁结构健康监测系统
CN202014272U (zh) 一种地表位移实时监测系统
CN204359479U (zh) 在役石油井架安全预警装置
Lu et al. Adaptive weighted fusion algorithm for monitoring system of forest fire based on wireless sensor networks
CN204376958U (zh) 基于北斗定位及最小路由跳数协议的铁路滑坡监测系统
CN112654022B (zh) 基于LoRa通讯的电力系统物联网数据采集系统
Muhendra et al. Development of digital water meter infrastructure using wireless sensor networks
CN108810843A (zh) 城市空气质量智能监测系统
Ling et al. Design of a remote data monitoring system based on sensor network
Gan et al. Design of Early Warning System Based on Wireless Sensor Network.

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20130626

RJ01 Rejection of invention patent application after publication