无线传感器网络中基于模式频繁度的异常检测方法

传感器网络的异常数据检测对于相关应用具有非常重要的意义。针对异常数据问题,提出了一种基于数据变化模式和数据空间相关性的无线传感器网络分布式异常数据检测方法。该方法首先为数据创建一个分布模型,即将数据变化模式映射到某个特征空间的分区中,确定非频繁分区,再通过判定数据是否落在非频繁分区来筛选出潜在异常值,最后根据邻居节点数据的空间相关性对异常值产生的原因进行判定。实验结果表明,该方法在避免较高运算复杂度的同时,能够有效地检测并区分网络中的错误数据与异常事件。     

基于变宽直方图的无线传感器网络异常数据检测算法

数据的准确性是衡量无线传感器网络(WSN)性能的重要指标,异常数据检测是无线传感器网路面临的关键问题和主要挑战。提出了一种基于变宽直方图的异常数据检测算法,通过数据聚合的方式将网络中的动态感知数据聚合成变宽的直方图来准确检测出异常数据,同时避免不必要的数据传输。对算法的性能进行了理论分析,并基于真实大规模无线传感器网络系统数据进行了实验评估,结果表明算法具有很高的准确率,并有效降低了网络通信开销。     

基于特征补全的无线传感器网络异常数据流检测

由于节点所感知数据有缺失或者错误的情况,使异常数据流检测受困,导致检测准确率、漏报率和能耗等方面存在问题,因此,提出基于特征补全的无线传感器网络异常数据流检测方法.根据传感网络内数据流间的相关性,在特定环境内对缺失和错误数据进行估计与补全;从补全后的无线传感器网络数据流中抽取数据,并完成数据特征挖掘,为之后的异常数据流检测做好准备;使用支持向量机将正常数据和异常数据分隔,从而实现对无线传感器网络异常数据流检测.结果表明:特征补全后的无线传感器网络异常数据检测,其检测的准确率维持在 99%以上,漏报率在 0.3%以下,能耗下降率最高可达到35.87%,检测用时在 0.8 s以下,具有准确率高、漏报率低、能耗少且用时短的优势.     

基于核聚类的无线传感器网络异常检测方案

针对无线传感器网络的自身特殊性和所面临的路由安全威胁,提出了一种基于核聚类的异常检测方案——KCAD,以检测路由攻击所导致的流量异常。该方案通过利用Mercer核,将输入空间的流量特征样本隐式地映射到高维特征空间,突出了不同样本间的特征差异,从而更好地完成聚类,提高了检测准确率,同时还针对流量特征样本做了时间维扩展,使之更能反映近期网络流量状况,减少了由于历史数据集影响所带来的误报。仿真实验结果表明,KCAD方案能够在较少的资源开销条件下,迅速、有效地检测出传感器网络中的攻击异常。     

基于聚类的无线传感器网络相对定位算法

提出一种基于聚类的无限传感器网络相对定位算法,包括3个步骤,即将网络分簇、各簇建立局部坐标系并计算簇内节点自身在局部坐标系内位置以及各局部坐标系合并成全局坐标系。仿真结果表明,与SDGPSN算法相比,该算法通信和时间开销更少,更适用于能量受限、规模大的无线传感器网络。     

无线传感器网络中基于分簇的节点定位异常检测*

在引入WSN分簇结构基础上,提出一种分布式的节点定位异常检测方法,利用聚类拓扑减少通信量,同时降低以往集中式检测存在的单点风险。该方法不需要任何已知的部署知识或额外的硬件,每个簇的簇头节点只需根据该簇节点报告的位置和邻居表信息进行过滤计算,更新权值,即可确定和撤销定位异常的节点。通过理论分析和仿真模拟验证了这种基于分簇的节点定位异常检测方法的正确性和有效性。     

无线传感器网络中异常读数检测算法研究*

针对无线传感器网络的离群点检测算法由于没有充分考虑数据的时空关联性和网络的分布特性,导致检测精度低、通信量大和计算复杂度高等局限,提出了基于时空关联的分布计算与过滤的在线离群点检测算法。该算法在各传感器节点上利用传感器读数的时间关联性生成候选离群点,并利用空间关联性对候选离群点进行过滤得到局部离群点,最终将所有传感器节点上的局部离群点集中到sink节点上获得全局离群点。利用时空关联性提高了检测精度,利用分布计算与过滤减少了通信量和计算量,理论分析和实验结果均表明该算法优于现有算法。     

无线传感器网络中基于减法聚类的定位算法

定位算法是无线传感器网络中的关键技术。文中在传统的Dv—Hop算法的基础上,找出其产生误差的主要原因,即对未知节点与锚节点之间的估计距离做出了修正,提出一种无线传感器网络中基于减法聚类的定位算法。该算法用减法聚类的方法,根据节点自身的密度,选出锚簇头节点,使锚簇头节点在锚节点密集处产生;同时用所有锚簇头节点平均每跳距离的均值作为未知节点的网络平均每跳距离,提高了定位精度,减少了定位过程中的能量消耗。仿真实验表明,该算法比Dv—Hop算法有更好的定位精度和鲁棒性。     

无线传感器网络中一种基于接收功率异常的入侵检测算法

虽然静态传感器节点计算能力和通信能力较差,但是它们具有自己独特的特征,可以获取比较稳定的临域节点信息.利用这个特征可以检测网络异常情况以及临域节点的通信行为,为传感器网络提供安全保障.为了使传感器节点能够检测出入侵者,需要先建立一种简单的基于临域节点的动态统计模型,然后用一种低复杂度的检测算法监测已接收到的数据包的接收功率.首先介绍了一种基于无线传感器网络安全的入侵检测算法,然后介绍了一种基于该算法的节点协作检测技术,节点协作指的是对攻击的联合确认,以及邻居节点共同反抗入侵者的协作行为.     

无线传感器网络中基于空间相关性的分簇算法研究

传感器节点体积小、成本低、电池容量有限。为了尽可能延长无线传感器网络的生命期,应该将节能降耗放在首位。分簇作为一种提高网络可扩展性的方法,在无线传感器网络中有着广泛的应用。现有分簇算法大多关注能耗和延迟,却忽视了邻近节点在数据采集上高度冗余性。考虑事件监测的空间相关性,提出一种基于相邻节点数据相关的无线传感网分簇算法。仿真实验表明,新算法能有效降低网络数据量,显著延长网络生存时间,进一步均衡网络能耗和优化网络的整体性能。     

改进的局部保持典型相关分析的无线传感器网络节点定位方法

利用接收信号强度（RSSI）进行无线传感器网络（WSN）定位是一类低成本定位方法。局部保持典型相关分析定位（LE-LPCCA）算法能通过节点间RSSI数据的相似度信息近似拟合WSN结构,取得了较高定位精度。但该算法只使用节点间相似性信息未保留信号空间和物理空间的相关性信息,且求解未知节点坐标时使用粗糙的质心法。针对以上问题,提出改进的局部保持典型相关分析定位（LE-ILPCCA）算法,该算法在样本训练阶段用平衡参数将数据的相似性和相关性信息进行融合,求取RSSI内在低维坐标表示的投影变换;在定位阶段,求解已知节点位置坐标和RSSI内在低维坐标之间存在的线性转换关系,获得未知节点的坐标。实验结果表明,本文算法与LE-LPCCA和LE-CCA相比定位精度高、稳定性强。     

一种容忍恶意锚节点独立攻击的安全定位算法

无线传感器网络中节点定位的准确性是网络能否得到合理应用的关键。在恶意危险的环境中,一些定位节点可能会受到攻击者的影响,以至于不能精确定位。文章提出了一种高效的无线传感器网络安全定位算法,该算法结合梯度下降法和异常检测技术,通过过滤掉恶意的数据,实现了高精度的定位。仿真结果表明,在受到独立攻击时,该算法能达到预期的效果,利用较少的计算资源达到了比现有算法更优的性能。     

基于RSSI的无线传感器网络迭代安全定位算法

分析了无线传感器网络节点定位过程中的安全性问题,针对接收信号强度指示(RSSI)测距技术,提出了一种结合梯度下降法和离群检测技术的安全定位算法.仿真和实验结果表明:使用该算法的无线传感器节点在存在攻击的环境下依然能够正常定位,当平均测距误差为0.7m时,定位误差为1m.     

无线传感网离群点检测技术研究综述

无线传感器网络(wireless sensor network,WSN)受电池能量、计算能力、通信能力和内存空间及传感数据多维特征的限制,传统的离群点检测技术不能直接应用于WSN,因此出现了一系列针对WSN的离群点检测技术.对已有的WSN离群点检测技术进行了概述,根据各离群点检测技术的特征进行了分类和分析,并结合现有技术的缺陷和需求,展望了WSN离群点检测技术的未来研究方向和目标.     

无线传感器网络中节点故障诊断方法的研究

无线传感器网络中故障节点会产生并传输错误数据,这将消耗节点的能量和带宽,同时会形成错误的决策。利用节点感知数据的空间相似性,提出了节点故障诊断的算法,通过对邻节点所感知的传感数据进行比较,从而确定检测节点的状态,并将测试状态向网络中其他相邻节点进行扩散。该算法对实现故障节点的检测具有较好的性能,实验结果验证了算法的可行性和有效性。     

无线传感器网络网格定位算法

根据未知节点必定处于周围一跳锚节点通信半径范围内重叠区域内的基本事实,提出了基于非测距定位的分布式Intersection-Grid-Sector（IGS）定位算法。IGS算法以锚节点通信半径的10%作为网格大小来获取重叠区域,并把重叠区域的每个网格坐标求质心作为未知节点估计坐标的方法。仿真结果表明比Bounding Box精度明显提高,比经典质心提高近20%。     

无线传感器网络中导标节点共线的解决策略

节点的位置信息在无线传感器网络的很多应用中扮演重要的角色。已经提出的基于测距的定位算法几乎都用到了三角测量原理,但当所参考的导标节点共线或接近共线时,较小的测距误差都会带来很大的定位误差。针对这种情况,本文引入共线度概念,只有当所参考的导标节点的共线度大于某阈值时才进行位置估计。仿真结果表明,共线度的引入对
减小定位误差有明显效果。     

无线传感器网络节点定位机制的研究

无线传感器网络的许多应用都是基于节点的位置信息。传感器网络由于节点数量巨大,而且资源十分有限,全部节点都采用类似GPS的定位设备是不适宜的。文章介绍了无线传感器网络基于节点之间的连通性来估计节点的位置的定位算法,方法是在传感器网络中预先部署十分少量已知位置信息的信标节点,然后通过节点之间的跳数信息,实现对节点位置的估计。仿真显示该算法具有较好的实用性。     

基于范数正则化矩阵补全的无线传感网定位算法

节点定位是实现无线传感器网络(wireless sensor networks, WSNs)应用的重要前提之一.针对传统基于测距的定位方法需要大量节点距离信息以及多径效应、噪声干扰等导致的节点测距误差问题,提出了一类基于L1范数正则化矩阵补全(L1-norm regularized matrix completion, L1NRMC)的WSNs节点定位方法.该方法基于传感网节点间距离矩阵低秩特性,将部分采样信息下的距离恢复问题建模为稀疏野值噪声(outlier)情形下的矩阵补全问题,然后采用交替方向乘子法(alternating direction method of multipliers, ADMM)结合算子分裂技术(operator splitting technology)对该问题进行求解,所设计的非精确L1范数正则化矩阵补全(InExact-L1NRMC)算法不仅能显式解析采样矩阵中的稀疏野值噪声,也可隐式平滑常见的高斯随机噪声.仿真结果表明:相比已有的同类定位方法,该算法只需进行部分测距采样即可实现精准的节点定位,且对各类测距噪声具有很好的抗干扰能力,适用于资源受限的WSNs.