CN116996869A - 一种网络异常数据处理方法及装置 - Google Patents

Abstract

本发明公开了一种网络异常数据处理方法及装置，涉及网络数据处理领域，包括以下步骤：数据采集，通过数据采集模块利用无线传感器网络环境具备的层次分明特性以及每一层明确定义的接口，并结合异常数据的判定规则对网络中存在的异常数据进行采集；数据加密，通过数据加密模块对得到的网络异常数据进行加密处理；数据描述，通过数据描述模块对异常数据的稀疏特征用函数的形式表示；该网络异常数据处理方法及装置，能够对重构数据中存在的缺失值进行计算，并判断最终处理后重构数据的完整性，对异常数据的处理后还会起到提高网络对抗异常数据的鲁棒性，能够降低网络运行功耗，保证网络运行的稳定性和安全性。

Description

一种网络异常数据处理方法及装置

技术领域

本发明涉及网络数据处理技术领域，具体涉及一种网络异常数据处理方法及装置。

背景技术

在网络环境中使用的传感器数量逐渐增多，由于传感器的功能各不相同，使得网络环境中的数据存储量和传输量呈现出指数级的增加，进而数据处理的难度随之增加。

现有的网络数据中的异常数据随着数据存储量和传输量的增加而增加，难以对重构数据中存在的缺失值进行计算并判断最终处理后重构数据的完整性，难以降低网络运行功耗，进而难以保证网络运行的安全性，为此，本方案提出了一种网络异常数据处理方法及装置。

发明内容

本发明的目的是提供一种网络异常数据处理方法及装置，以解决现有技术中的上述不足之处。

为了实现上述目的，本发明提供如下技术方案：一种网络异常数据处理方法，包括以下步骤：

S1、数据采集，通过数据采集模块利用无线传感器网络环境具备的层次分明特性以及每一层明确定义的接口，并结合异常数据的判定规则对网络中存在的异常数据进行采集；

S2、数据加密，通过数据加密模块对S1得到的网络异常数据进行加密处理；

S3、数据描述，通过数据描述模块对异常数据的稀疏特征用函数的形式表示；

S4、数据处理，通过数据处理模块对传感器测量数值的联合系数重构，并对重构数据中存在的缺失值进行计算，计算值用于判断最终处理后重构数据的完整性；

S5、数据写入，通过数据写入模块将重构后的数据以数据包的形式写入到消息队列当中，等待接收方将重构后的数据接收。

进一步地，所述数据采集模块对结构层当中的异常数据进行捕捉，并对各个层次获取到的异常数据进行分类，所述数据采集模块在分类的过程中可结合聚类方式完成，针对有异常数据到数据中心点的距离进行计算，其计算公式为：，式中：m表示为异常数据到数据中心点的距离；/>表示为某一异常数据特征数值；/>表示为在相同环境当中另一异常数据的特征值；n表示为无线传感器网络当中存在的异常数据个数，根据上述公式，计算得出各个异常数据到数据中心点的距离，并将其作为依据，按照下述公式完成聚类：/>，式中：/>表示为更新迭代后的聚类中心异常数据分类结果；/>表示为无线传感器网络中数据类型集合t的特征值；t表示为无线传感器网络中数据类型集合，得到的聚类结果即为异常数据的分类结果，以此实现对无线传感器网络异常数据的采集。

进一步地，所述数据加密模块采用RSA加密算法对网络异常数据进行加密处理，RSA加密算法的描述如下：

公开密钥：n=pq

式中：p、q—两个互异的大素数。

私有密钥：d=e-1{mod（p-1）（q-1）} 其中：e与（p-1）（q-1）互素

加密：c=me（mod n）其中：m 为明文，c 为密文。

解密：m=cd（mod n）。

进一步地，所述数据描述模块利用非异常数据信号在时间上具有相关性及在频域上表现稀疏度相同的特性和异常数据在频域上稀疏度存在差异性对异常数据系数特征进行描述，传感器i在测量后得到的数据用下述公式表示：，式中：/>表示为某一传感器 i 在完成数据测量后生成数据的长度；/>表示为正常数据分量；/>表示为异常数据的分量，公式中 i 的取值为 i=1，2，3，……，j；其中，j 表示为构成无线传感器网络的传感器数量，对传感器生成的数据/>的稀疏可用下述公式进行表示：，/>表示为正常数据分量的频域稀疏特征表示；/>表示为异常数据分量的时域系数特征表示，在无线传感器网络环境中，完成对异常数据的获取后，将正常分量与异常分量进行分离，通常情况下，正常数据包中的数据存在相同部分也存在不同部分，而异常数据包当中存在多种不相同部分，将第i个传感器测量得到的数据记录为：，式中：/>表示为异常数据当中存在的正常分量相同部分，根据上述公式完成对异常数据稀疏特征的描述。

进一步地，所述数据处理模块在确保数据重构性能的基础上减少数据重构所需数据量，假设其中包含了j个传感器，则将其原始数据表示为：，由于各个传感器测量得到的数据中正常数据分量完全相同，转换得到：/>，并通过引入高斯随机测量矩阵，针对网络当中存在的原始高维数据进行压缩处理，并得到多个压缩后的数据包，在实际处理过程中重构数据中存在的缺失问题，为确保数据的完整性，对数据的缺失值进行计算估计，将缺失值估计问题进行转变，假设在x-y平面当中散布了n个传感器，x-y平面为无线传感器网络运行环境，将传感器的集合用N表示，，假设某一传感器/>在无线传输网络运行环境当中的位置为/>，其在某一时刻得到的读数为w，若在该平面上存在某一点 p（x，y），该传感器在该时刻产生的观测值z缺失，为得到z值，需要在/>最小的条件下进行估计，在估计过程中，可采用空间差值理论，在无线传感器网络环境当中找出一点距离p（x，y）最近的一点，该点与p（x，y）之间的距离越近，则估计得出的结果越接近z的实际数值；反之该点与p（x，y）之间的距离越远，则估计得出的结果与z的实际数值越远，在已经存在的观测范围当中，针对未观测得到的点特征值进行估算将这一过程称为内插；而在存在的观测范围以外，针对观测得到的点特征值进行估算，将这一过程称为外推，以此通过局部内插和外推的方式得出缺失的数值，并将其作为估算值确保最终处理后重构数据的完整性。

一种网络异常数据处理装置，其适用于一种网络异常数据处理方法，包括壳体；

数据处理器，其安装在壳体内部，所述数据处理器包括控制器、数据采集模块、数据加密模块、数据描述模块、数据处理模块和数据写入模块；

框体，其安装在壳体一侧的内壁上、且延伸至壳体的外部；

过滤层，其安装在框体位于壳体内部的一端；

第一除尘组件，其包括毛刷块和用于带动毛刷块沿着过滤层外壁往复移动的移动件；

第二除尘组件，其包括安装在框体底部的处理仓、安装在处理仓顶部的第一密封板和用于带动第一密封板水平移动的联动件，所述联动件和处理仓均与移动件连接。

进一步地，所述处理仓与框体之间通过排料槽相连通，所述处理仓底部的内壁上沿其高度方向转动连接有第一传动轴，所述第一传动轴的顶端套接有负压吸尘扇，所述处理仓的底部安装有排气管，所述排气管的另一端延伸至壳体的外部，所述第一传动轴的底端延伸至处理仓的外部、且连接有与移动件相连接的传动件，所述处理仓上还安装有加速件；

所述加速件包括沿第一密封板移动方向固接在处理仓一侧内壁上的密封筒、固接在处理仓另一侧外壁上的循环管、滑接在循环管内壁上的连通管和套接在连通管延伸至处理仓内部一端的联动块，所述联动块与第一密封板固接，所述密封筒与连通管相适配，所述循环管的外壁上沿其轴向依次开设有多个流入槽。

进一步地，所述移动件包括安装在壳体顶部内壁上的电机、固接在电机输出轴延伸至框体内部一端的往复螺杆、螺接在往复螺杆外部的滑块和固接在滑块另一侧外壁上的第二密封板，所述第二密封板的顶部延伸至框体的外部、且与框体滑接，所述毛刷块固接在滑块靠近过滤层一侧的外壁上，且毛刷块与过滤层抵接。

进一步地，所述传动件包括沿电机输出轴轴向方向转动连接在壳体顶部内壁上的第二传动轴和安装在第二传动轴外部的两个连接件，两个所述连接件分别与电机输出轴和第一传动轴传动连接，所述连接件包括两个同步轮和传动连接在两个同步轮外部的同步带，其中一个连接件中两个所述同步轮分别套接在第二传动轴与第一传动轴的外部，另一个连接件中两个所述同步轮分别套接在电机输出轴和第二传动轴的外部，另一个连接件中所述同步带传动连接在其两个同步轮的外部。

进一步地，所述第一密封板滑接在处理仓的顶部，所述联动件包括沿往复螺杆轴向方向设置在框体下方的两个滑动杆、滑接在两个滑动杆外部的第三密封板、分别套设在两个滑动杆外部的两个复位弹簧和铰接在第三密封板靠近处理仓一侧外壁底部的两个连杆，两个所述连杆的另一端均与第一密封板的外壁铰接，所述第三密封板的顶部延伸至框体的内部、且与第二密封板相配合，所述第三密封板与框体滑接，两个所述滑动杆的底端固接有与壳体内壁相固接的固定块，所述复位弹簧的一端与第三密封板的底部固接，所述复位弹簧的另一端与固定块的顶部固接。

与现有技术相比，本发明提供的一种网络异常数据处理方法及装置，具备以下有益效果：

1、能够对重构数据中存在的缺失值进行计算，并判断最终处理后重构数据的完整性，对异常数据的处理后还会起到提高网络对抗异常数据的鲁棒性，能够降低网络运行功耗，保证网络运行的稳定性和安全性；

2、通过壳体内部结构的设置，实现了在将框体内部灰尘排出前后，能够自动加速壳体内部空气的循环，进一步提高了壳体内部数据处理器的散热效果，同时避免了清理掉的灰尘重新附着在过滤层表面、影响壳体内部通风效果的问题。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例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中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1为本发明一种网络异常数据处理方法流程图；

图2为本发明的内部整体结构示意图；

图3为本发明的框体、过滤层、第一除尘组件和第二除尘组件结构连接示意图；

图4为本发明的联动件、第一密封板、处理仓和传动件结构连接示意图；

图5为本发明的框体内部结构示意图；

图6为本发明的框体、过滤层、第一除尘组件和第二除尘组件结构连接剖视示意图。

附图标记说明：

1、壳体；2、数据处理器；3、框体；4、过滤层；5、毛刷块；6、处理仓；7、第一密封板；8、排料槽；9、第一传动轴；10、负压吸尘扇；11、电机；12、往复螺杆；13、滑块；14、第二密封板；15、排气管；16、第二传动轴；17、同步轮；18、同步带；19、滑动杆；20、第三密封板；21、复位弹簧；22、连杆；23、固定块；24、密封筒；25、循环管；26、连通管；27、联动块；28、流入槽。

具体实施方式

为了使本领域的技术人员更好地理解本发明的技术方案，下面将结合附图对本发明作进一步的详细介绍。

实施例1：请参阅图1，一种网络异常数据处理方法，包括以下步骤：

S1、数据采集，通过数据采集模块利用无线传感器网络环境具备的层次分明特性以及每一层明确定义的接口，并结合异常数据的判定规则对网络中存在的异常数据进行采集，数据采集模块对结构层当中的异常数据进行捕捉，并对各个层次获取到的异常数据进行分类，数据采集模块在分类的过程中可结合聚类方式完成，针对有异常数据到数据中心点的距离进行计算，其计算公式为：，式中：m表示为异常数据到数据中心点的距离；/>表示为某一异常数据特征数值；/>表示为在相同环境当中另一异常数据的特征值；n表示为无线传感器网络当中存在的异常数据个数，根据上述公式，计算得出各个异常数据到数据中心点的距离，并将其作为依据，按照下述公式完成聚类：/>，式中：/>表示为更新迭代后的聚类中心异常数据分类结果；/>表示为无线传感器网络中数据类型集合t的特征值；t表示为无线传感器网络中数据类型集合，得到的聚类结果即为异常数据的分类结果，以此实现对无线传感器网络异常数据的采集；

S2、数据加密，通过数据加密模块对S1得到的网络异常数据进行加密处理，数据加密模块采用RSA加密算法对网络异常数据进行加密处理，RSA加密算法的描述如下：

公开密钥：n=pq

式中：p、q—两个互异的大素数。

私有密钥：d=e-1{mod（p-1）（q-1）} 其中：e与（p-1）（q-1）互素

加密：c=me（mod n）其中：m 为明文，c 为密文。

解密：m=cd（mod n）；

S3、数据描述，通过数据描述模块对异常数据的稀疏特征用函数的形式表示，数据描述模块利用非异常数据信号在时间上具有相关性及在频域上表现稀疏度相同的特性和异常数据在频域上稀疏度存在差异性对异常数据系数特征进行描述，传感器i在测量后得到的数据用下述公式表示：，式中：/>表示为某一传感器 i 在完成数据测量后生成数据的长度；/>表示为正常数据分量；/>表示为异常数据的分量，公式中 i 的取值为 i=1，2，3，……，j；其中，j 表示为构成无线传感器网络的传感器数量，对传感器生成的数据/>的稀疏可用下述公式进行表示：/>，/>表示为正常数据分量的频域稀疏特征表示；/>表示为异常数据分量的时域系数特征表示，在无线传感器网络环境中，完成对异常数据的获取后，将正常分量与异常分量进行分离，通常情况下，正常数据包中的数据存在相同部分也存在不同部分，而异常数据包当中存在多种不相同部分，将第i个传感器测量得到的数据记录为：/>，式中：/>表示为异常数据当中存在的正常分量相同部分，根据上述公式完成对异常数据稀疏特征的描述；

S4、数据处理，通过数据处理模块对传感器测量数值的联合系数重构，并对重构数据中存在的缺失值进行计算，计算值用于判断最终处理后重构数据的完整性，数据处理模块在确保数据重构性能的基础上减少数据重构所需数据量，假设其中包含了j个传感器，则将其原始数据表示为：，由于各个传感器测量得到的数据中正常数据分量完全相同，转换得到：/>，并通过引入高斯随机测量矩阵，针对网络当中存在的原始高维数据进行压缩处理，并得到多个压缩后的数据包，在实际处理过程中重构数据中存在的缺失问题，为确保数据的完整性，对数据的缺失值进行计算估计，将缺失值估计问题进行转变，假设在x-y平面当中散布了n个传感器，x-y平面为无线传感器网络运行环境，将传感器的集合用N表示，/>，假设某一传感器/>在无线传输网络运行环境当中的位置为/>，其在某一时刻得到的读数为w，若在该平面上存在某一点 p（x，y），该传感器在该时刻产生的观测值z缺失，为得到z值，需要在/>最小的条件下进行估计，在估计过程中，可采用空间差值理论，在无线传感器网络环境当中找出一点距离p（x，y）最近的一点，该点与p（x，y）之间的距离越近，则估计得出的结果越接近z的实际数值；反之该点与p（x，y）之间的距离越远，则估计得出的结果与z的实际数值越远，在已经存在的观测范围当中，针对未观测得到的点特征值进行估算将这一过程称为内插；而在存在的观测范围以外，针对观测得到的点特征值进行估算，将这一过程称为外推，以此通过局部内插和外推的方式得出缺失的数值，并将其作为估算值确保最终处理后重构数据的完整性；

S5、数据写入，通过数据写入模块将重构后的数据以数据包的形式写入到消息队列当中，等待接收方将重构后的数据接收，对异常数据的处理后还会起到提高网络对抗异常数据的鲁棒性，从而保证无线传感器网络的正常运行。

实施例2：请参阅图2-5，一种网络异常数据处理装置，包括壳体1，壳体1的底部安装有四个柱脚，柱脚的设置是用于使壳体1距离地面有一定的空间，从而方便排气管15排气；数据处理器2，其安装在壳体1内部，数据处理器2包括控制器、数据采集模块、数据加密模块、数据描述模块、数据处理模块和数据写入模块；

框体3，其安装在壳体1一侧的内壁上、且延伸至壳体1的外部；过滤层4，其安装在框体3位于壳体1内部的一端；第一除尘组件，其包括毛刷块5和用于带动毛刷块5沿着过滤层4外壁往复移动的移动件，移动件包括安装在壳体1顶部内壁上的电机11、固接在电机11输出轴延伸至框体3内部一端的往复螺杆12、螺接在往复螺杆12外部的滑块13和固接在滑块13另一侧外壁上的第二密封板14，第二密封板14的顶部延伸至框体3的外部、且与框体3滑接，毛刷块5固接在滑块13靠近过滤层4一侧的外壁上，且毛刷块5与过滤层4抵接，通过启动电机11带动其输出轴一端的往复螺杆12同步转动，进而带动滑块13在框体3顶部内壁与底部内壁这个区别内往复移动，进而带动毛刷块5沿着过滤层4的外壁往复移动，从而将附着在过滤层4上的灰尘清理掉，滑块13在上下往复移动这个过程中，带动第二密封板14同步移动。

第二除尘组件，其包括安装在框体3底部的处理仓6、安装在处理仓6顶部的第一密封板7和用于带动第一密封板7水平移动的联动件，联动件和处理仓6均与移动件连接，处理仓6与框体3之间通过排料槽8相连通，处理仓6底部的内壁上沿其高度方向转动连接有第一传动轴9，第一传动轴9的顶端套接有负压吸尘扇10，处理仓6的底部安装有排气管15，排气管15的另一端延伸至壳体1的外部，第一传动轴9的底端延伸至处理仓6的外部、且连接有与移动件相连接的传动件，传动件包括沿电机11输出轴轴向方向转动连接在壳体1顶部内壁上的第二传动轴16和安装在第二传动轴16外部的两个连接件，两个连接件分别与电机11输出轴和第一传动轴9传动连接，连接件包括两个同步轮17和传动连接在两个同步轮17外部的同步带18，其中一个连接件中两个同步轮17分别套接在第二传动轴16与第一传动轴9的外部，另一个连接件中两个同步轮17分别套接在电机11输出轴和第二传动轴16的外部，另一个连接件中同步带18传动连接在其两个同步轮17的外部，电机11输出轴在转动过程中带动其外部的同步轮17转动，通过同步带18与第二传动轴16外部同步轮17传动连接的作用，带动第二传动轴16同步转动，通过另一个传动件传动连接的作用，带动第一传动轴9转动，进而带动负压吸尘扇10同步转动，进而使处理仓6内部形成负压状态，从而通过排料槽8将框体3内部的灰尘吸出，并通过排气管15排出。

第一密封板7滑接在处理仓6的顶部，联动件包括沿往复螺杆12轴向方向设置在框体3下方的两个滑动杆19、滑接在两个滑动杆19外部的第三密封板20、分别套设在两个滑动杆19外部的两个复位弹簧21和铰接在第三密封板20靠近处理仓6一侧外壁底部的两个连杆22，两个连杆22的另一端均与第一密封板7的外壁铰接，第三密封板20的顶部延伸至框体3的内部、且与第二密封板14相配合，第三密封板20与框体3滑接，两个滑动杆19的底端固接有与壳体1内壁相固接的固定块23，复位弹簧21的一端与第三密封板20的底部固接，复位弹簧21的另一端与固定块23的顶部固接，当第二密封板14向下移动并与第三密封板20抵接时，第二密封板14和过滤层4之间处于封闭状态，同时开始带动第三密封板20沿着滑动杆19向下移动，复位弹簧21随之收缩，进而通过连杆22带动第一密封板7向左移动，进而使处理仓6与框体3之间通过排料槽8连通，从而使框体3内部被刷掉的灰尘快速通过排料槽8进入处理仓6内部，当第二密封板14向上移动时，通过复位弹簧21的反弹力带动第三密封板20向上复位，进而通过连杆22带动第一密封板7向右复位，使框体3与处理仓6不连通。

实施例3：请参阅图6，本实施例在实施例2的基础上提供了一种技术方案：处理仓6上还安装有加速件；加速件包括沿第一密封板7移动方向固接在处理仓6一侧内壁上的密封筒24、固接在处理仓6另一侧外壁上的循环管25、滑接在循环管25内壁上的连通管26和套接在连通管26延伸至处理仓6内部一端的联动块27，联动块27与第一密封板7固接，密封筒24与连通管26相适配，循环管25的外壁上沿其轴向依次开设有多个流入槽28，处理仓6通过负压吸力将循环管25内部的气体吸入到处理仓6内部，进而通过流入槽28将壳体内部的热气排出，当第一密封板7向左移动时，处理仓6与框体3之间通过排料槽8连通，同时通过联动块27带动连通管26同步移动，当连通管26移动至密封筒24的外部时，处理仓6与循环管25不连通，从而处理仓6能够集中将框体3内部的灰尘吸出，进而实现了在将框体3内部灰尘排出前后，能够自动加速壳体1内部空气的循环，进一步提高了壳体1内部数据处理器2的散热效果。

工作原理：数据处理器2在运行过程中会使壳体1内部的温度升高，通过两侧框体3的设置，能够使壳体1内部的空气循环，起到一定的降温效果，然后空气在流通过程中，空气中的灰尘会被过滤层4过滤，此时，通过启动电机11带动其输出轴一端的往复螺杆12同步转动，进而带动滑块13在框体3顶部内壁与底部内壁这个区别内往复移动，进而带动毛刷块5沿着过滤层4的外壁往复移动，从而将附着在过滤层4上的灰尘清理掉，滑块13在上下往复移动这个过程中，带动第二密封板14同步移动，电机11输出轴在转动过程中带动其外部的同步轮17转动，通过同步带18与第二传动轴16外部同步轮17传动连接的作用，带动第二传动轴16同步转动，通过另一个传动件传动连接的作用，带动第一传动轴9转动，进而带动负压吸尘扇10同步转动，进而使处理仓6内部形成负压状态，当第二密封板14向下移动并与第三密封板20抵接时，第二密封板14和过滤层4之间处于封闭状态，同时开始带动第三密封板20沿着滑动杆19向下移动，进而通过连杆22带动第一密封板7向左移动，进而使处理仓6与框体3之间通过排料槽8连通，从而使框体3内部被刷掉的灰尘快速通过排料槽8进入处理仓6内部，从而避免了清理掉的灰尘重新附着在过滤层4表面、影响壳体1内部通风效果的问题。

需要说明的是，本发明的设备结构和附图主要对本发明的原理进行描述，在该设计原理的技术上，装置的动力机构、供电系统及控制系统等的设置并没有完全描述清楚，而在本领域技术人员理解上述发明的原理的前提下，可清楚获知其动力机构、供电系统及控制系统的具体，申请文件的控制方式是通过控制器来自动控制，控制器的控制电路通过本领域的技术人员简单编程即可实现；以上只通过说明的方式描述了本发明的某些示范性实施例，毋庸置疑，对于本领域的普通技术人员，在不偏离本发明的精神和范围的情况下，可以用各种不同的方式对所描述的实施例进行修正。因此，上述附图和描述在本质上是说明性的，不应理解为对本发明权利要求保护范围的限制。

在本发明的描述中，需要理解的是，属于“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。此外，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体的连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

Claims (6)

1.一种网络异常数据处理方法，其特征在于，包括以下步骤：

S1、数据采集，通过数据采集模块利用无线传感器网络环境具备的层次分明特性以及每一层明确定义的接口，并结合异常数据的判定规则对网络中存在的异常数据进行采集；

S2、数据加密，通过数据加密模块对S1得到的网络异常数据进行加密处理；

S3、数据描述，通过数据描述模块对异常数据的稀疏特征用函数的形式表示；

S4、数据处理，通过数据处理模块对传感器测量数值的联合系数重构，并对重构数据中存在的缺失值进行计算，计算值用于判断最终处理后重构数据的完整性；

S5、数据写入，通过数据写入模块将重构后的数据以数据包的形式写入到消息队列当中，等待接收方将重构后的数据接收。

2.根据权利要求1所述的一种网络异常数据处理方法，其特征在于，所述数据采集模块对结构层当中的异常数据进行捕捉，并对各个层次获取到的异常数据进行分类，所述数据采集模块在分类的过程中可结合聚类方式完成，针对有异常数据到数据中心点的距离进行计算，其计算公式为：，式中：m表示为异常数据到数据中心点的距离；/>表示为某一异常数据特征数值；/>表示为在相同环境当中另一异常数据的特征值；n表示为无线传感器网络当中存在的异常数据个数，根据上述公式，计算得出各个异常数据到数据中心点的距离，并将其作为依据，按照下述公式完成聚类：/>，式中：/>表示为更新迭代后的聚类中心异常数据分类结果；/>表示为无线传感器网络中数据类型集合t的特征值；t表示为无线传感器网络中数据类型集合，聚类处理后得到的聚类结果即为异常数据的分类结果。

3.根据权利要求1所述的一种网络异常数据处理方法，其特征在于，所述数据加密模块采用RSA加密算法对网络异常数据进行加密处理，RSA加密算法的描述如下：

公开密钥：n=pq

式中：p、q—两个互异的大素数；

私有密钥：d=e-1{mod（p-1）（q-1）} 其中：e与（p-1）（q-1）互素；

加密：c=me（mod n）其中：m 为明文，c 为密文；

解密：m=cd（mod n）。

4.根据权利要求1所述的一种网络异常数据处理方法，其特征在于，所述数据描述模块利用非异常数据信号在时间上具有相关性及在频域上表现稀疏度相同的特性和异常数据在频域上稀疏度存在差异性对异常数据系数特征进行描述，传感器i在测量后得到的数据用下述公式表示：，式中：/>表示为某一传感器 i 在完成数据测量后生成数据的长度；/>表示为正常数据分量；/>表示为异常数据的分量，公式中 i 的取值为 i=1，2，3，……，j；其中，j 表示为构成无线传感器网络的传感器数量，对传感器生成的数据/>的稀疏用下述公式进行表示：/>， />表示为正常数据分量的频域稀疏特征表示；/>表示为异常数据分量的时域系数特征表示，将第i个传感器测量得到的数据记录为：/>，式中：/>表示为异常数据当中存在的正常分量相同部分。

5.根据权利要求1所述的一种网络异常数据处理方法，其特征在于，所述数据处理模块在确保数据重构性能的基础上减少数据重构所需数据量，其中包含了j个传感器，则将其原始数据表示为：，各个传感器测量得到的数据中正常数据分量完全相同，转换得到：/>，式中：N表示传感器的集合，并通过引入高斯随机测量矩阵，针对网络当中存在的原始高维数据进行压缩处理，对数据的缺失值进行计算。

6.一种网络异常数据处理装置，其适用于权利要求1-5任一项所述的一种网络异常数据处理方法，其特征在于，包括数据处理器，所述数据处理器（2）包括控制器、数据采集模块、数据加密模块、数据描述模块、数据处理模块和数据写入模块。