多信息融合技术的应用

按照处理层次数据融合可以分为：
•数据级融合 •特征级融合 •决策级融合
按照处理层次数据融合可以分为：
数据级融合
决策级数融据合级融合直接对未经处理的传感器原始信息进行综合 特分征决析级策,来融级判合融断合是是否指为在同各一个目传标感。器多已传经感做器出经各数自据的级决融策合后后,对形各成个 决的策结结特果果征进与级行单融融传合合感是,器得指的到对处最经理终过结的传果系感处统器于决采同策集一。预层决处次策理，级后数融的据合数级的据融信,合进息的损 失行多较特大传征,感但提器是取必运,须通算是过量同对小一特,容量征错级的能的综力传合强感分。器析。,来判断是否为同一目标。 特征级融合保持了足以区分目标的特征信息,大大减少了需 要综合分析的数据量,提高了数据融合的能力。但是由于特 征的选取往往会有信息丢失,有可能做出错误的融合结果。
分散式结构
分散式结构的分布检测系统 实际上是将并行结构中的融合节 点S0取消后得到的，即取消融合 中心。每个局部决策Ui(i=l，2， ⋯N)又都是最终的决策。
在具体的应用中，可按照某 种规则将这些分离的子系统联系 起来，看成一个大系统，并遵循 大系统的某种最优化准则来确定 每个子系统的工作点。
串行结构
分布式检测系统有4种拓扑结构
•并行结构 •分散式结构 •串行结构 •树状结构
并行结构
N个局部节点S1，S2，⋯，SN的传感器在收 到未经处理的原始数据Y1，Y2，⋯，YN之 后，在局部节点分别做出局部检测结果U1， U2，⋯，UN，然后在检测中心(节点S0)进 行融合得到全局检测结果U0。这种结构的 应用较为普遍。
系 统 逻 辑 模 型
该模型表示的是一个逻辑上的检测域，每个逻辑域上有一个综 合处理节点和多个检测节点,检测节点检测本机的安全状况,同时将 本机的检测结果发送给综合处理节点,由综合处理节点进行数据融 合,合成全网络的安全状况信息,管理员通过用户接口获取安全状况 信息。
数据融合分为两个层次： 第一层为检测节点上的数据融合 第二层为综合处理中心的数据融合
实例：使用移动Agent（代理）技术实现入侵检测
可以从一台机器通过网络移动到另 外一台机器运行，并根据需要克隆 或生成子Agent，子Agent具有同父 Agent相同的性质
评价影响入侵检测系统实际使用的效果的重要的指标——入侵 检测正确率。入侵检测正确率即是指入侵检测报警时发生的是入侵 行为。入侵检测正确率即 P(I/A) 可由贝叶斯公式推出：
串行结构的分布检测系统中，N个局部节点S1，S2，⋯，SN的传感 器分别接收各自的检测后，首先由节点S1做出局部判决U1，然后将 它传递到节点S2，而S2则将它本身的检测与U1融合形成自己的判决U2， 重复前面的过程，信息继续向右传递，直到节点SN，最终由SN将它 的检测YN与UN-1融合做出判决UN，即U0。
树状结构
右图是包含5个节点的树状结构，N 个节点的情况类似。在这种结构中，信 息传递处理流程是从所有的树枝到树根， 最后，在树根即融合节点，融合从树枝 传来的局部判决和自己的检测，作出全 局判决U0。
分布式融合的优点：
•数据传输量小 •融合中心计算量小 •工程易实现
分布式融合的缺点：
与集中式检测方法相比，其性能却由于在融合节点没有接收到 所有传感器的观测值而被降低
传感器数据
集
中
式
数
数据融合中心
据
融
合 联合 筛选 相关 合成
数据融合结论
传感器数据
分
初步 分析
布
式
数
本地判决结论
据
融
合
数据源自文库合中心
最终结论
分布式融合的结构模型
多传感器检测系统由N个传感器组成，每一个局部探测器基于自 己的观测值ri完成同一个决策任务ui，并传输给融合中心，利用最 优融合规则，作最终决策u0
多源检测融合及其应用
主要内容
•简介 •分布式融合的结构模型 •分布式融合的优缺点 •实例
简介
多源信息融合的目的可分为检测、状态估计、属性识别等
检测融合的主要目的是利用多传感器进行信息融合处理，消除 单个或者单类传感器检测的不稳定性，提高检测系统的可靠性，获 得对检测系统更准确的认识。
多传感器目标检测的融合结构：集中式数据融合 分布式数据融合
P(I / A)
P(A / I)*P(I)
P(A / I)*P(I) P(A / N)*P(N)
式中I表示入侵,N表示没有入侵,A表示入侵报警
系 统 模 型 物 理 拓 扑 结 构 系统由检测节点和综合处理中心组成,网络上的每台主机都作为
检测节点,部署移动 Agent运行所需的运行环境。检测节点与综合 处理中心通过移动Agent以及Agent间的通信进行信息交互。同时, 综合处理中心与防火墙、路由器也构建信息交互通道,获取综合信 息,进行全面的安全响应。