CN112672301A - 一种用于无线传感器的网络数据聚合方法 - Google Patents
一种用于无线传感器的网络数据聚合方法 Download PDFInfo
- Publication number
- CN112672301A CN112672301A CN202011514202.XA CN202011514202A CN112672301A CN 112672301 A CN112672301 A CN 112672301A CN 202011514202 A CN202011514202 A CN 202011514202A CN 112672301 A CN112672301 A CN 112672301A
- Authority
- CN
- China
- Prior art keywords
- node
- cluster head
- data
- verification
- working
- 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.)
- Granted
Links
- 230000002776 aggregation Effects 0.000 title claims abstract description 44
- 238000004220 aggregation Methods 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims abstract description 32
- 241000854291 Dianthus carthusianorum Species 0.000 claims abstract description 105
- 230000002159 abnormal effect Effects 0.000 claims abstract description 34
- 238000004891 communication Methods 0.000 claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 238000007405 data analysis Methods 0.000 claims abstract description 12
- 238000012795 verification Methods 0.000 claims description 95
- 238000011156 evaluation Methods 0.000 claims description 44
- 230000001815 facial effect Effects 0.000 claims description 34
- 238000007726 management method Methods 0.000 claims description 30
- 238000013500 data storage Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 15
- 238000012423 maintenance Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012946 outsourcing Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种用于无线传感器的网络数据聚合方法，涉及无线通信技术领域，解决了无线传感器网络中簇头节点和sink节点计算能力分配不合理导致的数据聚合效率不高的技术问题；本发明设置了身份验证模块，该设置在工作人员开启无线传感器网络之前对其身份进行验证，有助于保证无线传感器网络能够被合理的利用，避免因为频繁的开启关闭造成无线传感器网络故障；本发明设置了状态分析模块，该设置通过对工作节点和簇头节点的工作状态筛选出非正常工作节点，有助于保证整个无线传感器网络的稳定性；本发明设置了数据分析模块，该设置合理分配簇头节点和sink节点的计算能力，有助于提高无线传感器网络的工作效率。
Description
技术领域
本发明属于无线通信领域，涉及网络数据聚合技术，具体是一种用于无线传感器的网络数据聚合方法。
背景技术
无线传感器网络是由各种计算和存储能力有限、电量存储也有限的传感器设备组成的一种分布式传感网络；无线传感器网络通过无线网络进行通信，因此具有网络设备灵活、设备移动性强的特点；无线传感器网络也可以与互联网进行无线或有限方式连接；通过无线通信方式可以形成一个多跳自组织网络，因此可以广泛的应用于军事、交通、环境监控等多个领域。
公开号为CN104967517A的发明专利公开了一种用于无线传感器的网络数据聚合方法，该方法基于椭圆曲线同态加密算法，安全外包算法和基于身份的聚合签名算法，提供了一个可认证的无线传感器网络数据安全聚合方法。
上述方案通过使用椭圆曲线同态加密算法，基于身份的聚合签名算法和安全外包算法，使得半可信的聚合器不仅能够在较为恶劣的网络环境中获得所需的聚合统计数据，而且能够提供保证保密性、数据完整性、数据源可认证性和抗重放攻击；但是，上述方案中只针对网络数据的加密进行了增强，这增加了整个无线传感器网络的计算量，而且会导致整个无线网络状态工作效率下降；因此，上述方案仍需进一步改进。
发明内容
为了解决上述方案存在的问题，本发明提供了一种用于无线传感器的网络数据聚合方法。
本发明的目的可以通过以下技术方案实现：一种用于无线传感器的网络数据聚合方法，所述网络数据聚合方法包括以下步骤：
步骤一：开启无线传感器网络，使无线传感器网络进入工作状态；
步骤二：获取无线传感器网络簇头节点内工作节点的工作状态进行分析，并根据工作节点的工作状态筛选休眠节点；
步骤三：簇头节点获取所有未休眠节点的数据，簇头节点对接收到的数据进行评估分析获取评估结果，根据评估分析结果对工作节点进行更新调整；
步骤四：簇头节点对接收到的数据进行聚合操作，并将聚合操作之后的数据进行加密并发送至sink节点。
优选的，所述步骤一之前还包括对工作人员进行身份验证，所述身份验证通过聚合控制系统完成，所述聚合控制系统包括处理器、数据预测模块、管理调度模块、数据存储模块、身份验证模块、状态分析模块和数据分析模块；
所述处理器分别与数据预测模块、管理调度模块、数据存储模块、身份验证模块、状态分析模块和数据分析模块通信连接，所述数据存储模块与管理调度模块通信连接；
所述身份验证模块的工作步骤包括：
工作人员通过操作终端发送身份验证信息至身份验证模块；所述操作终端包括笔记本电脑和台式电脑，且操作终端与身份验证模块通过专网连接；所述身份验证信息包括面部图像和指纹特征；
身份验证模块接收到身份验证信息之后通过数据存储模块获取预设验证信息，所述预设验证信息至少为一组，其中每组预设验证信息中均包括标准面部图像和标准指纹特征；
将身份验证信息中的面部图像与标准面部图像进行匹配，当面部图像与标准面部图像匹配成功之后，将身份验证信息中的指纹特征与标准面部图像同组中的标准指纹特征进行匹配，当指纹特征与标准指纹特征匹配成功之后，则判定工作人员的身份验证成功，工作人员获取无线传感器网络的开启权限，同时生成验证成功信号；否则，判定工作人员的身份验证失败，生成验证失败信号并通过处理器发送至管理调度模块；
通过处理器将验证成功信号和验证失败信号的生成记录发送至数据存储模块进行存储。
优选的，所述状态分析模块用于对簇头节点内工作节点的工作状态进行评估，包括：
通过簇头节点定时发送第一验证信号至工作节点，工作节点接收到第一验证信号之后立即发送第二验证信号至簇头节点，将簇头节点发送第一验证信号和接收到第二验证信号的时间差标记为验证时间差YZS；
当验证时间差YZS满足YZS>L1时，则判定对应的工作节点通信异常，并标记为异常节点；当验证时间差YZS满足0<YZS≤L1时，则判定对应的工作节点通信正常；其中L1为预设时间差阈值；
当工作节点通信正常时，则获取工作节点的剩余电量，并将剩余电量标记为SDL；当剩余电量SDL满足SDL<L2时，则判定对应的工作节点剩余电量不足，并将工作节点设置为休眠节点；当剩余电量SDL满足SDL≥L2时，则判定对应工作节点的工作状态正常；其中L2为大于0的预设剩余电量阈值；
获取簇头节点内工作状态正常的工作节点占工作节点总数的比值，并将比值标记为BZ；当比值BZ满足BZ<L3时，则判定簇头节点异常，通过处理器发送簇头异常信号至管理调度模块；当比值BZ满足BZ≥L3时，则判定簇头节点正常；其中L3为预设比值阈值；
管理调度模块接收到簇头异常信号时，通过管理调度模块进行报警，并将对应的簇头节点位置发送至操作终端。
优选的，所述数据分析模块用于对簇头节点的处理能力进行评估，包括：
获取预设时间T2内簇头节点获取的数据量大小，并将数据量大小标记为SLD；获取预设时间T2内簇头节点处理器的资源利用率，并将资源利用率标记为ZLL；
通过公式NPX＝α1×SLD×eα2×ZLL获取能力评估系数NPX；其中α1和α2为预设比例系数，且α1和α2均为大于0的常数，e为自然常数；
当能力评估系数NPX满足NPX≤K1时，则判定簇头节点处理能力不足，将簇头节点接收的数据直接发送至sink节点；当能力评估系数NPX满足NPX>K1时，则判定簇头节点处理能力良好，对簇头节点接收的数据进行聚合操作，将聚合操作之后的数据发送至sink节点；其中K1为预设能力评估系数阈值；
根据无线传感器网络中所有簇头节点的能力评估系数并获取能力评估系数均值，将能力评估系数均值标记为NPXJ；
当能力评估系数均值NPXJ满足NPXJ<K2时，则判定无线传感器网络需要进行维护，通过处理器发送网络维护信号至管理调度模块；其中K2为预设能力评估系数均值阈值。
优选的，所述数据预测模块用于对非正常节点的数据进行预测，所述非正常节点包括异常节点和休眠节点，包括：
当能力评估系数均值NPXJ满足NPXJ≥K2时，通过处理器发送数据预测信号至数据预测模块；
数据预测信号接收到数据预测信号之后进行预测,所述预测步骤在公开号为CN104967517A的发明专利中公开。
优选的，所述处理器实时获取验证信号的生成记录；并将验证信号最后一次生成的时间标记为YSt；当YSt-YSt-1≤T1，且YSt-1-YSt-2≤T1时，则判定工作人员操作不规范，通过处理器临时关闭无线传感器网络的开启权限；其中，所述验证信号包括验证成功信号和验证失败信号，YSt-1为倒数第二次验证信号生成的时间，YSt-2为倒数第三次验证信号生成的时间，T1为预设时间差值。
与现有技术相比，本发明的有益效果是：
1、本发明设置了身份验证模块，该设置在工作人员开启无线传感器网络时对工作人员的身份进行验证；工作人员通过操作终端发送身份验证信息至身份验证模块；所述操作终端包括笔记本电脑和台式电脑，且操作终端与身份验证模块通过专网连接；所述身份验证信息包括面部图像和指纹特征；身份验证模块接收到身份验证信息之后通过数据存储模块获取预设验证信息，所述预设验证信息至少为一组，其中每组预设验证信息中均包括标准面部图像和标准指纹特征；将身份验证信息中的面部图像与标准面部图像进行匹配，当面部图像与标准面部图像匹配成功之后，将身份验证信息中的指纹特征与标准面部图像同组中的标准指纹特征进行匹配，当指纹特征与标准指纹特征匹配成功之后，则判定工作人员的身份验证成功，工作人员获取无线传感器网络的开启权限，同时生成验证成功信号；否则，判定工作人员的身份验证失败，生成验证失败信号并通过处理器发送至管理调度模块；身份验证模块在工作人员开启无线传感器网络之前对其身份进行验证，有助于保证无线传感器网络能够被合理的利用，避免因为频繁的开启关闭造成无线传感器网络故障；
2、本发明设置了状态分析模块，该设置用于对簇头节点内工作节点的工作状态进行评估；通过簇头节点定时发送第一验证信号至工作节点，工作节点接收到第一验证信号之后立即发送第二验证信号至簇头节点，将簇头节点发送第一验证信号和接收到第二验证信号的时间差标记为验证时间差YZS；当验证时间差YZS满足YZS>L1时，则判定对应的工作节点通信异常，并标记为异常节点；当验证时间差YZS满足0<YZS≤L1时，则判定对应的工作节点通信正常；当工作节点通信正常时，则获取工作节点的剩余电量，并将剩余电量标记为SDL；当剩余电量SDL满足SDL<L2时，则判定对应的工作节点剩余电量不足，并将工作节点设置为休眠节点；当剩余电量SDL满足SDL≥L2时，则判定对应工作节点的工作状态正常；获取簇头节点内工作状态正常的工作节点占工作节点总数的比值，并将比值标记为BZ；当比值BZ满足BZ<L3时，则判定簇头节点异常，通过处理器发送簇头异常信号至管理调度模块；当比值BZ满足BZ≥L3时，则判定簇头节点正常；状态分析模块通过对工作节点和簇头节点的工作状态筛选出非正常工作节点，有助于保证整个无线传感器网络的稳定性；
3、本发明设置了数据分析模块，该设置用于对簇头节点的处理能力进行评估；获取预设时间T2内簇头节点获取的数据量大小，并将数据量大小标记为SLD；获取预设时间T2内簇头节点处理器的资源利用率，并将资源利用率标记为ZLL；获取能力评估系数NPX；当能力评估系数NPX满足NPX≤K1时，则判定簇头节点处理能力不足，将簇头节点接收的数据直接发送至sink节点；当能力评估系数NPX满足NPX>K1时，则判定簇头节点处理能力良好，对簇头节点接收的数据进行聚合操作，将聚合操作之后的数据发送至sink节点；根据无线传感器网络中所有簇头节点的能力评估系数并获取能力评估系数均值，将能力评估系数均值标记为NPXJ；当能力评估系数均值NPXJ满足NPXJ<K2时，则判定无线传感器网络需要进行维护，通过处理器发送网络维护信号至管理调度模块；数据分析模块通过对簇头节点的处理能力进行分析，合理分配簇头节点和sink节点的计算能力，有助于提高无线传感器网络的工作效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的原理示意图；
图2为本发明聚合控制系统的原理示意图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1-图2，一种用于无线传感器的网络数据聚合方法，网络数据聚合方法包括以下步骤：
步骤一：开启无线传感器网络，使无线传感器网络进入工作状态；
步骤二：获取无线传感器网络簇头节点内工作节点的工作状态进行分析，并根据工作节点的工作状态筛选休眠节点；
步骤三：簇头节点获取所有未休眠节点的数据，簇头节点对接收到的数据进行评估分析获取评估结果，根据评估分析结果对工作节点进行更新调整；
步骤四：簇头节点对接收到的数据进行聚合操作，并将聚合操作之后的数据进行加密并发送至sink节点。
进一步地，步骤一之前还包括对工作人员进行身份验证，身份验证通过聚合控制系统完成，聚合控制系统包括处理器、数据预测模块、管理调度模块、数据存储模块、身份验证模块、状态分析模块和数据分析模块；
处理器分别与数据预测模块、管理调度模块、数据存储模块、身份验证模块、状态分析模块和数据分析模块通信连接，数据存储模块与管理调度模块通信连接；
身份验证模块的工作步骤包括：
工作人员通过操作终端发送身份验证信息至身份验证模块；操作终端包括笔记本电脑和台式电脑，且操作终端与身份验证模块通过专网连接；身份验证信息包括面部图像和指纹特征；
身份验证模块接收到身份验证信息之后通过数据存储模块获取预设验证信息，预设验证信息至少为一组，其中每组预设验证信息中均包括标准面部图像和标准指纹特征；
将身份验证信息中的面部图像与标准面部图像进行匹配，当面部图像与标准面部图像匹配成功之后，将身份验证信息中的指纹特征与标准面部图像同组中的标准指纹特征进行匹配，当指纹特征与标准指纹特征匹配成功之后，则判定工作人员的身份验证成功，工作人员获取无线传感器网络的开启权限，同时生成验证成功信号；否则，判定工作人员的身份验证失败，生成验证失败信号并通过处理器发送至管理调度模块；
通过处理器将验证成功信号和验证失败信号的生成记录发送至数据存储模块进行存储。
进一步地，状态分析模块用于对簇头节点内工作节点的工作状态进行评估，包括：
通过簇头节点定时发送第一验证信号至工作节点，工作节点接收到第一验证信号之后立即发送第二验证信号至簇头节点，将簇头节点发送第一验证信号和接收到第二验证信号的时间差标记为验证时间差YZS；
当验证时间差YZS满足YZS>L1时，则判定对应的工作节点通信异常，并标记为异常节点；当验证时间差YZS满足0<YZS≤L1时，则判定对应的工作节点通信正常；其中L1为预设时间差阈值；
当工作节点通信正常时，则获取工作节点的剩余电量，并将剩余电量标记为SDL；当剩余电量SDL满足SDL<L2时，则判定对应的工作节点剩余电量不足，并将工作节点设置为休眠节点；当剩余电量SDL满足SDL≥L2时，则判定对应工作节点的工作状态正常；其中L2为大于0的预设剩余电量阈值；
获取簇头节点内工作状态正常的工作节点占工作节点总数的比值，并将比值标记为BZ；当比值BZ满足BZ<L3时，则判定簇头节点异常，通过处理器发送簇头异常信号至管理调度模块；当比值BZ满足BZ≥L3时，则判定簇头节点正常；其中L3为预设比值阈值；
管理调度模块接收到簇头异常信号时，通过管理调度模块进行报警，并将对应的簇头节点位置发送至操作终端。
进一步地，数据分析模块用于对簇头节点的处理能力进行评估，包括：
获取预设时间T2内簇头节点获取的数据量大小，并将数据量大小标记为SLD；获取预设时间T2内簇头节点处理器的资源利用率，并将资源利用率标记为ZLL；
通过公式NPX＝α1×SLD×eα2×ZLL获取能力评估系数NPX；其中α1和α2为预设比例系数，且α1和α2均为大于0的常数，e为自然常数；
当能力评估系数NPX满足NPX≤K1时，则判定簇头节点处理能力不足，将簇头节点接收的数据直接发送至sink节点；当能力评估系数NPX满足VPX>K1时，则判定簇头节点处理能力良好，对簇头节点接收的数据进行聚合操作，将聚合操作之后的数据发送至sink节点；其中K1为预设能力评估系数阈值；
根据无线传感器网络中所有簇头节点的能力评估系数并获取能力评估系数均值，将能力评估系数均值标记为NPXJ；
当能力评估系数均值NPXJ满足NPXJ<K2时，则判定无线传感器网络需要进行维护，通过处理器发送网络维护信号至管理调度模块；其中K2为预设能力评估系数均值阈值。
进一步地，数据预测模块用于对非正常节点的数据进行预测，非正常节点包括异常节点和休眠节点，包括：
当能力评估系数均值NPXJ满足NPXJ≥K2时，通过处理器发送数据预测信号至数据预测模块；
数据预测信号接收到数据预测信号之后进行预测,预测步骤在公开号为CN104967517A的发明专利中公开。
进一步地，处理器实时获取验证信号的生成记录；并将验证信号最后一次生成的时间标记为YSt；当YSt-YSt-1≤T1，且YSt-1-YSt-2≤T1时，则判定工作人员操作不规范，通过处理器临时关闭无线传感器网络的开启权限；其中，验证信号包括验证成功信号和验证失败信号，YSt-1为倒数第二次验证信号生成的时间，YSt-2为倒数第三次验证信号生成的时间，T1为预设时间差值。
进一步地，簇头节点内包含至少一个工作节点，工作节点为无线传感器节点。
上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况设定。
本发明的工作原理：
工作人员通过操作终端发送身份验证信息至身份验证模块；所述操作终端包括笔记本电脑和台式电脑，且操作终端与身份验证模块通过专网连接；所述身份验证信息包括面部图像和指纹特征；身份验证模块接收到身份验证信息之后通过数据存储模块获取预设验证信息，所述预设验证信息至少为一组，其中每组预设验证信息中均包括标准面部图像和标准指纹特征；将身份验证信息中的面部图像与标准面部图像进行匹配，当面部图像与标准面部图像匹配成功之后，将身份验证信息中的指纹特征与标准面部图像同组中的标准指纹特征进行匹配，当指纹特征与标准指纹特征匹配成功之后，则判定工作人员的身份验证成功，工作人员获取无线传感器网络的开启权限，同时生成验证成功信号；否则，判定工作人员的身份验证失败，生成验证失败信号并通过处理器发送至管理调度模块；
通过簇头节点定时发送第一验证信号至工作节点，工作节点接收到第一验证信号之后立即发送第二验证信号至簇头节点，将簇头节点发送第一验证信号和接收到第二验证信号的时间差标记为验证时间差YZS；当验证时间差YZS满足YZS>L1时，则判定对应的工作节点通信异常，并标记为异常节点；当验证时间差YZS满足0<YZS≤L1时，则判定对应的工作节点通信正常；当工作节点通信正常时，则获取工作节点的剩余电量，并将剩余电量标记为SDL；当剩余电量SDL满足SDL<L2时，则判定对应的工作节点剩余电量不足，并将工作节点设置为休眠节点；当剩余电量SDL满足SDL≥L2时，则判定对应工作节点的工作状态正常；获取簇头节点内工作状态正常的工作节点占工作节点总数的比值，并将比值标记为BZ；当比值BZ满足BZ<L3时，则判定簇头节点异常，通过处理器发送簇头异常信号至管理调度模块；当比值BZ满足BZ≥L3时，则判定簇头节点正常；
获取预设时间T2内簇头节点获取的数据量大小，并将数据量大小标记为SLD；获取预设时间T2内簇头节点处理器的资源利用率，并将资源利用率标记为ZLL；获取能力评估系数NPX；当能力评估系数NPX满足NPX≤K1时，则判定簇头节点处理能力不足，将簇头节点接收的数据直接发送至sink节点；当能力评估系数NPX满足NPX>K1时，则判定簇头节点处理能力良好，对簇头节点接收的数据进行聚合操作，将聚合操作之后的数据发送至sink节点；根据无线传感器网络中所有簇头节点的能力评估系数并获取能力评估系数均值，将能力评估系数均值标记为NPXJ；当能力评估系数均值NPXJ满足NPXJ<K2时，则判定无线传感器网络需要进行维护，通过处理器发送网络维护信号至管理调度模块。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
Claims (6)
1.一种用于无线传感器的网络数据聚合方法，其特征在于，所述网络数据聚合方法包括以下步骤：
步骤一：开启无线传感器网络，使无线传感器网络进入工作状态；
步骤二：获取无线传感器网络簇头节点内工作节点的工作状态进行分析，并根据工作节点的工作状态筛选休眠节点；
步骤三：簇头节点获取所有未休眠节点的数据，簇头节点对接收到的数据进行评估分析获取评估结果，根据评估分析结果对工作节点进行更新调整；
步骤四：簇头节点对接收到的数据进行聚合操作，并将聚合操作之后的数据进行加密并发送至sink节点。
2.根据权利要求1所述的一种用于无线传感器的网络数据聚合方法，其特征在于，所述步骤一之前还包括对工作人员进行身份验证，所述身份验证通过聚合控制系统完成，所述聚合控制系统包括处理器、数据预测模块、管理调度模块、数据存储模块、身份验证模块、状态分析模块和数据分析模块；
所述处理器分别与数据预测模块、管理调度模块、数据存储模块、身份验证模块、状态分析模块和数据分析模块通信连接，所述数据存储模块与管理调度模块通信连接；
所述身份验证模块的工作步骤包括：
工作人员通过操作终端发送身份验证信息至身份验证模块；所述操作终端包括笔记本电脑和台式电脑，且操作终端与身份验证模块通过专网连接；所述身份验证信息包括面部图像和指纹特征；
身份验证模块接收到身份验证信息之后通过数据存储模块获取预设验证信息，所述预设验证信息至少为一组，其中每组预设验证信息中均包括标准面部图像和标准指纹特征；
将身份验证信息中的面部图像与标准面部图像进行匹配，当面部图像与标准面部图像匹配成功之后，将身份验证信息中的指纹特征与标准面部图像同组中的标准指纹特征进行匹配，当指纹特征与标准指纹特征匹配成功之后，则判定工作人员的身份验证成功，工作人员获取无线传感器网络的开启权限，同时生成验证成功信号；否则，判定工作人员的身份验证失败，生成验证失败信号并通过处理器发送至管理调度模块；
通过处理器将验证成功信号和验证失败信号的生成记录发送至数据存储模块进行存储。
3.根据权利要求2所述的一种用于无线传感器的网络数据聚合方法，其特征在于，所述状态分析模块用于对簇头节点内工作节点的工作状态进行评估，包括：
通过簇头节点定时发送第一验证信号至工作节点，工作节点接收到第一验证信号之后立即发送第二验证信号至簇头节点，将簇头节点发送第一验证信号和接收到第二验证信号的时间差标记为验证时间差YZS；
当验证时间差YZS满足YZS>L1时，则判定对应的工作节点通信异常，并标记为异常节点；当验证时间差YZS满足0<YZS≤L1时，则判定对应的工作节点通信正常；其中L1为预设时间差阈值；
当工作节点通信正常时，则获取工作节点的剩余电量，并将剩余电量标记为SDL；当剩余电量SDL满足SDL<L2时，则判定对应的工作节点剩余电量不足，并将工作节点设置为休眠节点；当剩余电量SDL满足SDL≥L2时，则判定对应工作节点的工作状态正常；其中L2为大于0的预设剩余电量阈值；
获取簇头节点内工作状态正常的工作节点占工作节点总数的比值，并将比值标记为BZ；当比值BZ满足BZ<L3时，则判定簇头节点异常，通过处理器发送簇头异常信号至管理调度模块；当比值BZ满足BZ≥L3时，则判定簇头节点正常；其中L3为预设比值阈值；
管理调度模块接收到簇头异常信号时，通过管理调度模块进行报警，并将对应的簇头节点位置发送至操作终端。
4.根据权利要求3所述的一种用于无线传感器的网络数据聚合方法，其特征在于，所述数据分析模块用于对簇头节点的处理能力进行评估，包括：
获取预设时间T2内簇头节点获取的数据量大小，并将数据量大小标记为SLD；获取预设时间T2内簇头节点处理器的资源利用率，并将资源利用率标记为ZLL；
通过公式NPX＝α1×SLD×eα2×ZLL获取能力评估系数NPX；其中α1和α2为预设比例系数，且α1和α2均为大于0的常数，e为自然常数；
当能力评估系数NPX满足NPX≤K1时，则判定簇头节点处理能力不足，将簇头节点接收的数据直接发送至sink节点；当能力评估系数NPX满足NPX>K1时，则判定簇头节点处理能力良好，对簇头节点接收的数据进行聚合操作，将聚合操作之后的数据发送至sink节点；其中K1为预设能力评估系数阈值；
根据无线传感器网络中所有簇头节点的能力评估系数并获取能力评估系数均值，将能力评估系数均值标记为NPXJ；
当能力评估系数均值NPXJ满足NPXJ<K2时，则判定无线传感器网络需要进行维护，通过处理器发送网络维护信号至管理调度模块；其中K2为预设能力评估系数均值阈值。
5.根据权利要求4所述的一种用于无线传感器的网络数据聚合方法，其特征在于，所述数据预测模块用于对非正常节点的数据进行预测，所述非正常节点包括异常节点和休眠节点，包括：
当能力评估系数均值NPXJ满足NPXJ≥K2时，通过处理器发送数据预测信号至数据预测模块；
数据预测信号接收到数据预测信号之后进行预测。
6.根据权利要求5所述的一种用于无线传感器的网络数据聚合方法，所述处理器实时获取验证信号的生成记录；并将验证信号最后一次生成的时间标记为YSt；当YSt-YSt-1≤T1，且YSt-1-YSt-2≤T1时，则判定工作人员操作不规范，通过处理器临时关闭无线传感器网络的开启权限；其中，所述验证信号包括验证成功信号和验证失败信号，YSt-1为倒数第二次验证信号生成的时间，YSt-2为倒数第三次验证信号生成的时间，T1为预设时间差值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011514202.XA CN112672301B (zh) | 2020-12-21 | 2020-12-21 | 一种用于无线传感器的网络数据聚合方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011514202.XA CN112672301B (zh) | 2020-12-21 | 2020-12-21 | 一种用于无线传感器的网络数据聚合方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112672301A true CN112672301A (zh) | 2021-04-16 |
| CN112672301B CN112672301B (zh) | 2022-05-17 |
Family
ID=75406435
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011514202.XA Expired - Fee Related CN112672301B (zh) | 2020-12-21 | 2020-12-21 | 一种用于无线传感器的网络数据聚合方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112672301B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100124240A1 (en) * | 2008-11-19 | 2010-05-20 | Institute For Information Industry | Method and system for network synchronization |
| CN101932012A (zh) * | 2010-07-27 | 2010-12-29 | 杭州电子科技大学 | 基于最优阶估计与分布式分簇的传感器网络数据压缩方法 |
| US20160000045A1 (en) * | 2014-07-04 | 2016-01-07 | Renesas Electronics Corporation | Electronic apparatus and manufacturing method therefor |
| CN105898789A (zh) * | 2016-05-20 | 2016-08-24 | 南京邮电大学 | 一种无线传感器网络数据聚合方法 |
| CN107969007A (zh) * | 2016-10-19 | 2018-04-27 | 中南大学 | 一种基于不等分簇传感器网络的数据融合收集方法 |
| CN107995255A (zh) * | 2017-10-26 | 2018-05-04 | 深圳市丰巢科技有限公司 | 一种远程监控智能柜的方法及其系统 |
| CN109640327A (zh) * | 2018-12-19 | 2019-04-16 | 苏州迈荣祥信息科技有限公司 | 基于物联网的数据通信方法、装置及系统 |
| US20190220703A1 (en) * | 2019-03-28 | 2019-07-18 | Intel Corporation | Technologies for distributing iterative computations in heterogeneous computing environments |
| CN110621003A (zh) * | 2019-09-23 | 2019-12-27 | 上海大学 | 一种电气设备故障诊断装置 |
| CN110691358A (zh) * | 2019-11-14 | 2020-01-14 | 北京京航计算通讯研究所 | 无线传感器网络中基于属性密码体制的访问控制系统 |
| CN111885533A (zh) * | 2020-07-24 | 2020-11-03 | 西安科技大学 | 一种适用于线型无线传感器网络的节点节能方法 |
| CN111988779A (zh) * | 2020-07-13 | 2020-11-24 | 北京工业大学 | 基于可信连接架构的无线传感器网络节点接入认证方法 |
-
2020
- 2020-12-21 CN CN202011514202.XA patent/CN112672301B/zh not_active Expired - Fee Related
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100124240A1 (en) * | 2008-11-19 | 2010-05-20 | Institute For Information Industry | Method and system for network synchronization |
| CN101932012A (zh) * | 2010-07-27 | 2010-12-29 | 杭州电子科技大学 | 基于最优阶估计与分布式分簇的传感器网络数据压缩方法 |
| US20160000045A1 (en) * | 2014-07-04 | 2016-01-07 | Renesas Electronics Corporation | Electronic apparatus and manufacturing method therefor |
| CN105898789A (zh) * | 2016-05-20 | 2016-08-24 | 南京邮电大学 | 一种无线传感器网络数据聚合方法 |
| CN107969007A (zh) * | 2016-10-19 | 2018-04-27 | 中南大学 | 一种基于不等分簇传感器网络的数据融合收集方法 |
| CN107995255A (zh) * | 2017-10-26 | 2018-05-04 | 深圳市丰巢科技有限公司 | 一种远程监控智能柜的方法及其系统 |
| CN109640327A (zh) * | 2018-12-19 | 2019-04-16 | 苏州迈荣祥信息科技有限公司 | 基于物联网的数据通信方法、装置及系统 |
| US20190220703A1 (en) * | 2019-03-28 | 2019-07-18 | Intel Corporation | Technologies for distributing iterative computations in heterogeneous computing environments |
| CN110621003A (zh) * | 2019-09-23 | 2019-12-27 | 上海大学 | 一种电气设备故障诊断装置 |
| CN110691358A (zh) * | 2019-11-14 | 2020-01-14 | 北京京航计算通讯研究所 | 无线传感器网络中基于属性密码体制的访问控制系统 |
| CN111988779A (zh) * | 2020-07-13 | 2020-11-24 | 北京工业大学 | 基于可信连接架构的无线传感器网络节点接入认证方法 |
| CN111885533A (zh) * | 2020-07-24 | 2020-11-03 | 西安科技大学 | 一种适用于线型无线传感器网络的节点节能方法 |
Non-Patent Citations (9)
| Title |
|---|
| ""R1-1905202 A review on delay spread results in industrial environment"", 《3GPP TSG_RAN\WG1_RL1》 * |
| MARWA IBRAHIM等: "ON-IN: An On-Node and In-Node Based Mechanism for Big Data Collection in Large-Scale Sensor Networks", 《2019 27TH EUROPEAN SIGNAL PROCESSING CONFERENCE (EUSIPCO)》 * |
| SUHERMAN SUHERMAN等: "The Extended Internet of Thing Node Impact to Data Collection Performances", 《2020 3RD INTERNATIONAL CONFERENCE ON MECHANICAL, ELECTRONICS, COMPUTER, AND INDUSTRIAL TECHNOLOGY (MECNIT)》 * |
| YOUXI LEE等: "Virtual Grid-Based Data Collection Using Mobile Sink in Wireless Sensor Networks", 《2020 IEEE INTERNATIONAL CONFERENCE ON CONSUMER ELECTRONICS - TAIWAN (ICCE-TAIWAN)》 * |
| 叶梦雄: "无线传感器网络节能路由协议研究", 《微型电脑应用》 * |
| 姜倩倩等: "一种节能无线传感器网络", 《太赫兹科学与电子信息学报》 * |
| 张长森等: "面向分簇的WSN数据融合在瓦斯监控中的应用", 《计算机系统应用》 * |
| 柴远波等: "WSN中的路由协议改进技术探究", 《电子设计工程》 * |
| 赵亚楠等: "基于全网休眠的ZigBee网络节能算法", 《信息通信》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112672301B (zh) | 2022-05-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3779718A1 (en) | Alert log compression method, apparatus and system, and storage medium | |
| CN109309680A (zh) | 基于神经网络算法的网络安全检测方法和防护系统 | |
| Wei et al. | Federated learning empowered end-edge-cloud cooperation for 5G HetNet security | |
| CN115442375B (zh) | 一种基于云边协同技术的物业数字化管理系统 | |
| CN107708173B (zh) | 融合节点的选取方法及装置 | |
| CN113472547B (zh) | 一种基于区块链的安全监控系统 | |
| CN106817363A (zh) | 基于神经网络的智能电表异常检测方法 | |
| de Melo et al. | UAVouch: a secure identity and location validation scheme for UAV-networks | |
| CN111404914A (zh) | 一种特定攻击场景下泛在电力物联网终端安全防护方法 | |
| CN110933040B (zh) | 基于区块链的数据上链方法、装置、设备及介质 | |
| CN112422556B (zh) | 一种物联网终端信任模型构建方法及系统 | |
| Shyu et al. | Network intrusion detection through adaptive sub-eigenspace modeling in multiagent systems | |
| CN112214544A (zh) | 基于许可区块链的泛在电力物联网边缘数据安全存储方法 | |
| Appiah-Kubi et al. | Decentralized intrusion prevention (DIP) against co-ordinated cyberattacks on distribution automation systems | |
| CN113904811B (zh) | 异常检测方法、装置、计算机设备和存储介质 | |
| CN112672301B (zh) | 一种用于无线传感器的网络数据聚合方法 | |
| CN117787718A (zh) | 新型电力系统态势的安全风险评估方法、装置及存储介质 | |
| CN110097017B (zh) | 输电网络特型电表监控系统及方法 | |
| CN115208604B (zh) | 一种ami网络入侵检测的方法、装置及介质 | |
| CN110472526A (zh) | 一种基于人脸识别的边缘处理设备及方法 | |
| Ali | Security Issues of Solar Energy Harvesting Road Side Unit (RSU). | |
| CN112732193A (zh) | 一种基于大数据的信息安全存储系统 | |
| Koumidis et al. | Optimizing blockchain for data integrity in cyber physical systems | |
| Belej et al. | Development of a network attack detection system based on hybrid neuro-fuzzy algorithms. | |
| CN112417462B (zh) | 一种网络安全漏洞追踪方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220517 |