基于无线传感器网络的安全数据融合技术探究

随着我国信息技术的持续完善和无线传感器网络的不断发展,在无线传感器网络中,安全数据融合技术得到了越来越广泛的应用。本文从对安全数据融合技术进行简析入手,对安全数据融合技术在无线传感器网络中的应用进行了分析。     

无线传感器网络数据融合技术的研究进展

首先对无线传感器网络的特点进行了介绍,分析了数据融合技术对无线传感器网络发展的重要性,之后简要介绍分析了部分有代表性的研究成果．最后讨论了无线传感器网络中数据融合问题的未来研究方向。     

无线传感器网络数据融合算法综述

数据融合技术是无线传感器网络的关键技术之一,它通过合并相似数据、预测未来数据等方式减少节点间数据的传输量,对冗余数据进行精简,从而明显提高网络生命周期以及数据准确性。本文对近年来数据融合算法的研究现状进行了全面深入分析,同时从融合过程中采用的融合算法与融合规则出发,将现有的无线传感器网络数据融合技术分为了基于统计学、基于人工智能、基于信息论与基于拓扑学的四大类,对这四类技术从原理上进行了综述,对其中涉及到的不同融合算法从性能、时延、复杂度以及能耗方面进行了详细分析与比较。最后介绍了自动融合、融合评估等未来数据融合的研究重点。     

基于博弈理论的无线传感器网络数据融合算法

数据融合是无线传感器网络研究热点之一。为了减少传感器节点间的数据通信量,有效地节省传感器节点能耗,延长无线传感器网络的寿命,提高数据融合的准确性,减少网络时延,提出一种基于博弈理论的无线传感器网络数据融合算法。该方法将所有网络节点根据能耗最优进行分簇,簇头与监控中心通过博弈来自适应地选择不同融合因子的融合算法,使整个网络的总效益最大。实验仿真表明,在丢包率不同时,自适应融合算法可以得到最佳的融合因子,有效实现了时延和精确性的均衡。该方法为无线传感器网络中各个指标的折中提供了参考方向。     

基于哈尔小波的传感器网络数据融合算法

在无线传感器网络中,数据融合对于延长网络寿命起着关键作用.当前,对无线传感器网络中数据融合的研究主要集中在基于数据库查询的基础上进行数据合并,本文提出了使用基于哈尔小波变换的数据融合算法在传感器节点内进行数据级融合,它可以有效降低传感器节点内原始数据的发送量,并可以根据细节系数重构不同融合粒度的数据.     

无线传感器网络测试系统数据融合研究

根据无线传感器网络在军事领域中研究与应用,对无线传感器网络用于军事装备测试成为新的应用方向.针对无线传感器网络在军事装备测试系统中数据冗余大、关联性强、实时性要求高等问题,为提高传输率与数据精度,提出了基于核偏最小二乘法的无线传感器网络数据融合算法.利用核偏最小二乘法对数据进行回归建模并进行仿真,实现数据快速融合.仿真结果表明,方法的可行性和有效性.     

基于RCFile的无线传感器网络数据存储策略研究

随着无线传感器网络技术的发展,其应用价值遍布环境监测、工农业、抢险救灾、军事国防、生物医疗等许多领域.由于无线传感器网络特征与节点特点,其数据存储与查询策略研究成为热点.对已有的数据存储策略进行了详细介绍与研究,并分析它们的优缺点;其次结合大数据中一种高效的数据存储结构——RCFile,并将其应用到传感器网络的数据存储中,结合行列存储的优势,改变数据存储结构,提出了一种基于RCFile的无线传感器数据存储算法(Wireless sensor network Data Storage based on RCFile,WDSR),并给出了仿真结果分析.仿真结果表明,提出的算法在低能耗、高效率方面存在一定优势.最后指出了无线传感器网络数据存储算法的发展方向.     

面向无线传感器网络的数据融合技术

面向无线传感器网络的数据融合技术是避免数据传输拥塞、提升数据传输效率及降低能耗问题的有效方法.首先分析了数据融合技术的作用,其次根据在传感器网络协议栈中所处的层次对数据融合技术进行分类并详细介绍了每个分类的重要算法,最后指出数据融合技术发展所面临的挑战.     

无线传感器网络节能的高效路由算法

无线传感器网络节能问题,是当今研究的热点问题.本文首先对无线传感器网络的体系结构进行了介绍,然后依据无线传感器网络的体系结构给出了无线传感器网络的一个研究模型.在对现有的无线传感器网络的路由算法进行综合考虑的基础上,给出了一个新的无线传感器网络节能的高效路由算法.最后对此新算法进行了简要的性能评价.     

无反馈结构的多传感器数据融合研究

无线传感器网络近年来发展迅速,多传感器与无线传感器网络关系密切。数据融合在多传感器网络中的作用非常重要,理论中着重融合算法的研究。本文从结构出发,在原有无反馈层次结构的基础上加以改良,并进行最佳联合估计融合,加以仿真试验。结果表明,此方法能提高系统的灵活性与生存力。     

Energy-efficient cooperative data aggregation for wireless sensor networks

Recently, cooperative communication mechanism is shown to be a promising technology to improve the transmit diversity only by a single transceiver antenna. Using this communication paradigm, multiple source nodes are able to coordinate their transmissions so as to obtain energy savings. As data aggregation is one of the most important operations in wireless sensor networks, this paper studies the energy-efficient data aggregation problem through cooperative communication. We first define the cooperative data aggregation (CDA) problem, and formally prove that this problem is NP-Hard. Due to the difficult nature of this problem, we propose a heuristic algorithm MCT for cooperative data aggregation. The theoretical analysis shows that this algorithm can reach the approximate performance ratio of 2. Moreover, the distributed implementation DMCT of the algorithm is also described. We prove that both centralized and distributed algorithms can construct the same topology for cooperative data aggregation. The experimental simulations show that the proposed algorithms will decrease the power consumption by about 12.5% and 66.3% compared with PEDAP and PEGASIS algorithms respectively.     

Approximation algorithm for constructing data aggregation trees for wireless sensor networks

This paper considers the problem of constructing data aggregation trees in wireless sensor networks (WSNs) for a group of sensor nodes to send collected information to a single sink node. The data aggregation tree contains the sink node, all the source nodes, and some other non-source nodes. Our goal of constructing such a data aggregation tree is to minimize the number of non-source nodes to be included in the tree so as to save energies. We prove that the data aggregation tree problem is NP-hard and then propose an approximation algorithm with a performance ratio of four and a greedy algorithm. We also give a distributed version of the approximation algorithm. Extensive simulations are performed to study the performance of the proposed algorithms. The results show that the proposed algorithms can find a tree of a good approximation to the optimal tree and has a high degree of scalability.     

Efficient aggregation algorithms for compressed data warehouses

Aggregation and cube are important operations for online analytical processing (OLAP). Many efficient algorithms to compute aggregation and cube for relational OLAP have been developed. Some work has been done on efficiently computing cube for multidimensional data warehouses that store data sets in multidimensional arrays rather than in tables. However, to our knowledge, there is nothing to date in the literature describing aggregation algorithms on compressed data warehouses for multidimensional OLAP. This paper presents a set of aggregation algorithms on compressed data warehouses for multidimensional OLAP. These algorithms operate directly on compressed data sets, which are compressed by the mapping-complete compression methods, without the need to first decompress them. The algorithms have different performance behaviors as a function of the data set parameters, sizes of outputs and main memory availability. The algorithms are described and the I/O and CPU cost functions are presented in this paper. A decision procedure to select the most efficient algorithm for a given aggregation request is also proposed. The analysis and experimental results show that the algorithms have better performance on sparse data than the previous aggregation algorithms     

Approximation algorithm for constructing data aggregation trees for wireless sensor networks

This paper considers the problem of constructing data aggregation trees in wireless sensor networks (WSNs) for a group of sensor nodes to send collected information to a single sink node. The data aggregation tree contains the sink node, all the source nodes, and some other non-source nodes. Our goal of constructing such a data aggregation tree is to minimize the number of non-source nodes to be included in the tree so as to save energies. We prove that the data aggregation tree problem is NP-hard and then propose an approximation algorithm with a performance ratio of four and a greedy algorithm. We also give a distributed version of the approximation algorithm. Extensive simulations are performed to study the performance of the proposed algorithms. The results show that the proposed algorithms can find a tree of a good approximation to the optimal tree and has a high degree of scalability.     

基于矩阵映射的拜占庭鲁棒联邦学习算法

联邦学习(federated learning)由于参数服务器端只收集客户端模型而不接触客户端本地数据,从而更好地保护数据隐私.然而其基础聚合算法FedAvg容易受到拜占庭客户端攻击.针对此问题,很多研究提出了不同聚合算法,但这些聚合算法存在防守能力不足、模型假设不贴合实际等问题.因此,提出一种新型的拜占庭鲁棒聚合算法.与现有聚合算法不同,该算法侧重于检测Softmax层的概率分布.具体地,参数服务器在收集客户端模型之后,通过构造的矩阵去映射模型的更新部分来获取此模型的Softmax层概率分布,排除分布异常的客户端模型.实验结果表明：在不降低FedAvg精度的前提下,在阻碍收敛攻击中,将拜占庭容忍率从40%提高到45%,在后门攻击中实现对边缘后门攻击的防守.此外,根据目前最先进的自适应攻击框架,设计出专门针对该聚合算法的自适应攻击,并进行了实验评估,实验结果显示,该聚合算法可以防御至少30%的拜占庭客户端.     

On the departure process of burst aggregation algorithms in optical burst switching

We characterize analytically the departure process from the following three burst aggregation algorithms: the time based aggregation algorithm, the burst-length based aggregation algorithm and the time and burst-length based aggregation algorithm. The arrival process of packets is assumed to be Poisson or bursty modeled by an Interrupted Poisson Process (IPP). The analytic results are approximate and validation against simulation data showed that they have good accuracy.     

分组敏感的无线传感器网络实时数据融合树算法

针对无线传感器网络中数据传输必须在指定时延约束下完成的特殊场景提出了一种能量有效的数据融合树算法,该算法首次将分组敏感的概念引入到传感器网络实时数据融合应用中,并通过特殊机制使得该算法在降低能耗水平的同时可以为实时数据动态地选择满足时延要求的路径。另外,针对该数据融合树算法设计了一种特殊的数据融合定时机制,从而进一步改善了该算法的性能。最后,通过仿真试验将该算法与已存在算法进行了比较,证明了该算法的优越性。     

传感器网络中健壮数据聚集算法

节约能量以提高网络寿命是传感器网络研究面临的重要挑战.网内聚集查询在中间节点对数据进行预处理,可以减少消息传送的数量或者大小,从而实现能量的有效利用,但是,目前的聚集查询研究假设采样数据都是正确的.而目前的异常检测算法以检测率作为首要目标,不考虑能量的消耗,也不考虑查询的特点.所以将两方面的研究成果简单地结合在一起并不能产生很好的效果.分析了错误和异常数据可能对聚集结果造成的影响,提出了健壮聚集算法RAA(robust aggregation algorithm).RAA 对传统聚集查询进行了改进,在聚集的同时利用读向量相似性判断数据是否发生了错误或异常,删除错误数据,聚集正常数据并报告异常,使用户可以对网络目前状况有清晰的理解.最后,比较了RAA 和TAGVoting(在使用TAG(tiny aggregation)算法聚集的同时利用Voting算法进行异常检测),实验结果表明,RAA 算法在能量消耗和异常检测率方面都优于TAGVoting.     

WSN中基于最小延时的数据汇集树构建与传输调度算法

针对现有的无线传感器网络数据汇集算法延时较大的不足,对最小延时数据汇集树和传输调度问题进行了研究。提出一种基于度约束的汇集树构建算法(DCAT)。该算法按照BFS方式遍历图,当遍历到每个节点时,通过确定哪些节点与汇点更近来确定潜在母节点集合。然后,选择图中度数最小的潜在母节点作为当前被遍历节点的母节点。此外,为了在给定的汇集树上进行高效的数据汇集,还提出两种新的基于贪婪的TDMA传输调度算法:WIRES-G和DCAT-Greedy。利用随机生成的不同规模的传感器网络,参照当前最新算法,对所提方法的性能进行了全面评估。结果表明,与当前最优算法相比,将所提调度算法与所提汇集树构建算法结合起来,可显著降低数据汇集的延时。     

基于Hadoop平台的事实并行处理算法

针对传统的抽取、转换和加载工具在面临数据仓库中海量事实数据时效率较低的问题,从事实表查找代理键和多粒度事实预聚合2个角度出发,提出在渐变维度表上的多路并行查找算法和在不同粒度上对事实数据进行聚合的算法。第1种算法综合考虑了渐变维度和大维度的情况,运用分布式缓存方法将小维度表复制到各个数据节点的内存中,同时对事实数据和大维度数据采用相同的分区函数进行分区,从而解决内存不足的问题,在Map阶段实现多路查找代理键,避免由于数据传输产生的网络延迟。第2种算法在Reduce阶段之后增加Merge阶段,可有效解决事实数据按照不同粒度进行聚合的问题。实验结果表明,与Hive数据仓库相比,2种算法在并行处理数据仓库的事实数据的问题上具有更高的处理效率。