基于时间序列相似度的无线传感网故障检测算法

针对无线传感网中节点故障率高而导致检测精度低以及能耗大的问题,提出了基于时间序列相似度的无线传感网故障检测算法(FDABTS2).该算法利用节点时间序列进行差值和相似度的计算,剔除一定故障类型的节点,并对瞬时读数故障数据进行修正.当节点为可疑节点时,利用空间相关性,与剩余邻居节点协作完成判定.在仿真环境下,与LEFD、NADST以及传统的DFD故障检测算法相比,检测精度分别提高了13％、17％和25％,误报率分别降低了8.4％、21.4％和25.4％,网络能耗分别降低了2.9％、8％和21.3％,即使在瞬时读数节点故障率高达60％时,误报率也能分别降低1.9％、26.2％和38.2％.实验结果表明,该算法在保证高检测精度的情况下,仍能有效降低能耗,延长网络生命周期.     

基于能耗信任值的无线传感网络克隆攻击检测方法

为避免无线传感网络信息传输时被黑客克隆攻击，导致数据传输质量下降，在能耗信任值的基础上，提出一种无线传感网络克隆攻击检测方法。根据无线传感网络节点拓扑图，建立无线传感网络节点能耗模型，计算接收端和发送端在信息传输时所消耗的能耗。以簇内成员节点信息路由表为依据，利用簇头节点对每个成员节点的ID、Postion和剩余能量值展开初期检测、能耗信任值计算和数据融合。基站端通过对簇头节点路由信息和融合后的信息进行检测的方式，完成对整个无线传感网络的克隆攻击检测。仿真分析结果表明，所提方法具有较高的检出率、数据包投递率以及较低的时延和能耗，取得了较理想的攻击检测结果。     

基于累积和控制图的分布式传感网络故障诊断

由于无线气象传感网具有资源受限及分布式等特点,传感器节点的故障诊断面临着很大挑战。针对现有诊断方法误报率高、计算冗余量大的问题,提出了一种基于累积和控制图（CUSUM）与邻居协作融合的故障诊断方法。首先,通过累积和控制图分析传感器节点上的历史数据,提高对节点故障判断的灵敏度并且定位出异常时间点;然后,结合网络内邻居节点间的数据交换,通过判断节点的状态诊断出故障节点。实验结果表明,即使在整个网络中在节点故障率高达35%时,算法检测精度仍然高于97.7%,而误报率不超过2%。由此可见,在节点故障概率很高的情况下,此所提法也能得到很高的检测精度和较低的误报率,受节点故障率的影响明显减小。     

移动无线物联网感知层传感节点定位算法研究

为了解决当前算法在锚节点密度较低时,传感节点定位精度不高的问题,提出了移动无线物联网感知层传感节点定位算法。建立了包含锚节点误差的移动无线物联网模型;根据共线度筛选候选锚节点。加权平均处理锚节点可信度,计算每个未知传感节点的平均跳距和未知传感节点定位误差,将计算误差低于设定阈值的未知传感节点转化为锚节点,并对初步定位结果进行循环位置修正,实现感知层传感节点定位。仿真结果表明,所提算法在锚节点密度相同时的定位误差低于2.5。     

基于邻居信息的无线传感网络节点覆盖优化方法

无线传感网络的冗余节点会导致网络节点覆盖不均匀，为了提升无线传感网络节点覆盖效果，提出基于邻居信息的无线传感网络节点覆盖优化方法。利用邻居信息获取网络节点与邻居节点的距离、能量及覆盖率，根据获取结果判断无线传感网络中是否存有冗余节点，若存有冗余，则需要对节点实施休眠处理，以此降低节点能耗。基于处理结果建立无线传感网络覆盖模型，令网络节点在网络中均匀分布，并采用粒子群算法优化模型，使粒子能够不断迭代更新自身位置及速度，达到网络节点覆盖率最大化的目的，实现网络节点覆盖优化。实验结果表明，所提方法的无线传感网络节点覆盖率和收敛性分别高达97%和98.4%，能够有效实现网络节点部署，确保无线传感网络节点覆盖效果。     

基于机器学习的无线传感网络通信异常入侵检测技术

无线传感网络通信因节点资源有限,易受第三方攻击,因此以机器学习为基础,研究了一种无线传感网络通信异常入侵检测技术。将机器学习中的支持向量机应用于无线传感网络中,在初始权重空间构建支持向量机节点定位模型;明确现阶段网络通信状态;创建节点重要性概念,将重要性强的节点设为易被攻击对象;推算异常行为造成的潜在损失,若大于设定临界值,视该节点为异常入侵并进行隔离。仿真分析表明：所提方法的误报率始终低于6%,漏报率最高为4%,网络能量消耗低于2 J,在25次迭代仿真分析过程中异常入侵检测时间的波动范围为2 s～6 s。仿真结果验证了所提技术具备优秀的异常入侵检测精度与效率,能有效降低网络能耗,鲁棒性强。     

考虑节点间距的无线传感网络节点分配算法

节点间距在无线传感网络中分配的不合理,将导致算法存在节点能耗高、吞吐量低、分配效果等问题。为此,在考虑节点间距的基础上,提出了无线传感网络节点分配算法。分析无线传感网络在节点分配过程中的约束条件,在此基础上采用网格路由方法划分无线传感网络监测区域,结合贪婪算法实现无线传感网络节点的分配。仿真结果表明,所提算法的节点分配最高能耗为2.8×10^-11 W,分配后最大跳数为2,最高时间为0.62 min。由此证明所提算法具有一定的实用性。     

基于遗传算法WSN节点定位算法研究

研究无线传感器网络节点定位问题.针对无线传感网络由于位置信息等原因而造成节点定位误差较大,精确度不高等问题缺陷,提出了一种改进的基于遗传算法优化DV-hop定位算法,并将算法应用在无线传感网络节点定位中,算法首先利用节点间的距离和锚节点的位置,在距离无关定位算法的最后一个阶段,采用遗传优化算法对DV-hop算法定位得到位置进行校正,在不增加传感器节点的硬件开销的基础上有效提高定位精度和扩大定位范围,仿真结果表明,改进的网络节点定位算法定位误差小和定位范围广等性能,与原始的DV-Hop定位算法相比定位误差明显减小,精度明显提高.表明算法是一种高效节能的定位算法.     

一种无线传感器网络节点的故障检测算法

在无线传感器网络(WSN)中,容易因为故障节点存在冗余的故障属性、噪声数据以及数据可靠性等问题,从而产生传输错误数据,这将极大地消耗WSN节点中能量和带宽,向用户形成错误的决策。为此,提出了基于蚁群算法和BP神经网络模型的WSN节点故障检测方法。通过使用蚁群算法,使用户通过寻找优化路径来定位WSN节点的位置,通过这种随机搜索算法以及蚁群算法的搜索策略使用户对WSN故障节点的位置进行总体把握。然后又基于BP神经网络模型对获取的WSN故障节点信息进一步学习,在数据训练过程中,依据WSN故障节点预测误差,并进一步调整网络的权值和阈值,增加了故障诊断的精度。采用的算法对检测WSN故障节点具有较好的性能,使无线传感器网络的服务质量大大提高,增强了系统的稳定性,实验结果验证了算法的可行性和有效性。     

航空发动机气路传感网络的故障节点挖掘仿真

航空发动机的气路传感网络故障检测,是通过与发动机气路传感网络产生的基准线进行比较,产生的偏差作为阀值,作为检测故障的基础.由于航空发动机气路传感网络的高度非线性、噪声、测量不足等因素的影响,检测的基准线也呈现波动状态,传统的故障挖掘方法,需要通过做一些必要的假设,设置各种可能故障和性能恶化的范围,规定故障挖掘空间以降低波动干扰,但是上述假设降低了检测的精度.提出一种航空发动机气路传感网络的故障节点挖掘方法.计算故障传感节点的特征,为故障传感节点的挖掘提供数据基础.利用神经网络建立故障传感节点挖掘模型,完成故障传感节点的挖掘.实验结果表明,利用改进算法进行航空发动机气路传感网络的故障节点挖掘,能够有效提高检测的准确性和挖掘效率.     

基于随机游走的网络故障节点定位算法仿真

网络规模逐渐增大,路由节点呈现出了较大的随机性分布,节点的位置关联性被打破,很难建立准确的定位模型,造成传统的基于特征匹配的节点故障定位方法很难描述较大的随机性变化特性,造成故障定位的不准确.为了解决上述问题,提出一种随机游走的网络故障节点检测算法,通过把检测到的故障特征作为随机游走的初值种子点和节点故障配准的特征点,将故障特征配准和位置随机变化检测结合起来,提高了变化检测的效率.改进方法采用了一种最小化特征权值策略来提取故障特征的不透明度,能检测到大范围的节点异常变化,包括一些细微的变化.仿真结果表明,改进方法能够提高故障节点定位的准确性.     

定位机制在WSN攻击检测中的应用

研究了无线传感网络中Sybil攻击的检测与防范,提出了一种多节点协作的基于接收信号强度（RSS）的检测机制。其主要思想是通过多节点协作检测确定不同身份节点的网络位置,将出现位置相同的多个身份归为Sybil攻击,并利用时间定位方法定位出Sybil节点的具体位置。     

基于节点相似性的WSNs故障检测方法研究

针对目前多数无线传感器网络分布式故障检测的算法都以假设故障节点数据为离群值为基础,存在局限性的问题。提出一种基于节点相似度比较的无线传感器网络故障检测方法,簇头节点根据簇内节点数据的时空相关性,进行节点相似性度量,实时调整节点可信水平,并采用最优函数计算出当前实验的最优阈值(0.8)进行故障节点的判断。通过仿真实验证明:针对不同的故障模型,算法保持了良好的故障检测能力,一定程度上解决通用性问题。     

基于贝叶斯网络的无线通信网络故障节点自动定位方法研究

为避免故障节点影响无线通信网络内信息的顺利交互,研究基于贝叶斯网络的无线通信网络故障节点自动定位方法。创建无线通信网络多层节点交互状态模型,实时采集无线通信网络中节点的交互状态信息,并利用链路函数获得故障节点所处链路层位置,提取此区域内故障节点特征,将提取结果作为依据,使用贝叶斯网络锁定此区域内全部故障节点,实现无线通信网络故障节点自动定位。实验结果表明：该方法可以准确、全面地定位无线通信网络不同层级和不同服务器的故障节点,并清晰地呈现故障节点定位结果;在无线通信网络内产生大量数据的情况下,网络各层级最高信道冲撞率仅为0.29%,能有效保证大规模数据交互的畅通性。     

一种改进鲸鱼算法的无线传感器网络定位优化研究

针对无线传感网络(WSN)的最小二乘法节点定位误差大、精度低的缺点,提出了改进鲸鱼算法(Improved Whale Optimization Algorithm,IWOA)与定位模型相结合的研究策略.首先阐述了无线传感的节点定位模型,其次在鲸鱼算法种群初始化采用深度神经网络提高初始位置多样性,对包围捕食行为中的参数采用非线性和自适应策略避免算法过早陷入局部最优,在迭代搜索过程中利用二次插值法缓解鲸鱼位置多样性衰减问题,最终达到较好的位置搜索效果,最后将改进后的鲸鱼算法求解节点定位目标函数最优值.仿真实验中IWOA与改进的鸡群算法(ICSO)和反向蛙跳-教学优化算法(OSFL-TLBO)相比,在算法时间复杂度方面具有一定的优势,同时在未知节点方面提高了分别提高了12.1％和9.4％,在参考节点方面提高了15.19％和7.2％、节点密度方面提高了9.38％和8.23％、通信半径方面提高了7.41％和5.8％、区域面积方面提高了8.19％和7.95％,结果表明IWOA算法在节点定位方面具有良好的效果.     

基于Q-Learning反馈机制的无线传感网络通信节点自愈算法

针对目前无线网络通信节点自愈能力差,以及自愈后网络流量出口带宽低的问题,提出基于Q-learning反馈机制的无线传感网络通信节点自愈算法。通过计算网路节点的RSSI值建立节点衰减模型,通过质心算法完成节点定位;应用Q-learning学习算法获取链路选取策略,完成节点传输过程路径时延、吞吐量以及丢包率的计算,建立网络节点模型提取链路反馈机制,利用Q-learning学习算法进行迭代计算,实现无线传感网络的通信节点自愈。仿真分析表明,运用该算法自愈网络通信节点时,当检测次数为100时,检测出的节点自愈数量为280个,节点拓扑移动距离平均值为175 m,网络流量出口带宽平均值为550 Mbyte/s,证明该算法的节点自愈能力高。     

非均匀热传递下传感网络节点选择改进算法

在非均匀热传递网络通信效率优化的研究中,由于非均匀热传递环境下的传感网络中的节点的能力消耗过程具有较强的随机性和动态性特征,使得节点能量消耗出现不规则发散问题.传统的传感网络节点选择以既定节点能量分布为前提,没有考虑温度造成的节点不规则能耗造成的能量下降问题,使得节点选择过程存在弊端.提出了一种自适应模糊差分和自适应粒子群的传感网络节点选择改进算法,分析非均匀热环境下传感网络通信原理,得到非均匀热传递下传感网络节点能量特征,依据节点的能量特征,自适应完成非均匀热传感网络簇首的选择,采用Logistics模糊映射对节点进行改进分区处理,获取最佳网络节点分区,将模糊扰动量融入最佳节点分区中,采用自适应粒子群算法对无线传感网络最佳分区节点的最优位置进行运算,获取无线传感网络最佳能量节点的最优位置,实现网络节点覆盖改进.仿真结果说明,所提算法可在非均匀热传递环境下实现传感网络节点节点的改进,具有较高的收敛效率.     

基于改进Adaboost算法的无线传感网络入侵检测方法

为降低无线传感网络节点入侵误检率，引进改进Adaboost算法，设计一种针对无线传感网络的全新入侵检测方法。参照无线传感网络在传输数据过程中的电能量消耗模型，设定网络连续传输节点之间的距离，计算无线传感网络节点传输消耗能量；引进改进Adaboost算法，对节点进行权值的初始化处理，计算入侵样本初始权值，设计入侵数据的分类。入侵检测一般分为探测与应答两个步骤，通过对无线传感网络流量异常的感知，实现对无线传感网络入侵的检测。对比实验结果证明：设计的检测方法可以在提高无线传感网络节点攻击样本数量检测结果精度的同时，降低网络节点入侵误检率。     

考虑节点能量特征的无线传感数据加密传输方法

无线传感数据传输加密过程中,由于忽视节点的能量特征导致网络链路发生抖动,加密传输安全性较差。为此提出考虑节点能量特征的无线传感数据加密传输方法。通过混沌参数调制及时间戳技术,使得二阶映射自身的迭代律不断重复和交替传输,可以有效获取节点能量特征。在此基础上构建节点-链路评估模型,从节点、链路、能量三方面计算并控制无线传感网络的传输能量和功率损耗,促使网络链路状态平稳,以此评估网络安全环境,实现无线传感数据加密传输。仿真结果表明,所提方法的通信开销节约了70%能量,最优抗攻击性为94%,数据融合精确度为93%,有效提高了无线传感数据加密传输安全性。     

基于序列模型的无线传感网入侵检测系统

随着物联网(IoT)的快速发展，越来越多的IoT节点设备被部署，但伴随而来的安全问题也不可忽视。IoT的网络层节点设备主要通过无线传感网进行通信，其相较于互联网更开放也更容易受到拒绝服务等网络攻击。针对无线传感网面临的网络层安全问题，提出了一种基于序列模型的网络入侵检测系统，对网络层入侵进行检测和报警，具有较高的识别率以及较低的误报率。另外，针对无线传感网节点设备面临的节点主机设备的安全问题，在考虑节点开销的基础上，提出了一种基于简单序列模型的主机入侵检测系统。实验结果表明，针对无线传感网的网络层以及主机层的两个入侵检测系统的准确率都达到了99%以上，误报率在1%左右，达到了工业需求，这两个系统可以全面有效地保护无线传感网安全。