物联网中传感节点数据异常检测方法研究
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ｄ ｆ ｒｎ ｎ ｏ ｍａ ｉｎ， ｉ ｈ ｌａ ｓｔ ｈ ｏ ｃ ｕ ａ ｙ ｏ ｅ ｄ ｔｃ ｉｎ ｉ ｅ ｅ ｔｉｆ ｒ ｔ ｆ ｏ ｗｈ ｃ ｄ ｏ ｔ ｅ ｌｗ ａ ｃ ｒ ｃ ｆ ｈ ｅｅ ｔ ．Ｔｏｓ ｌｅ ｔ ｉ ｐ ｏ ｌｍ ，ｔｉ ａ ｅ ｒｐ ｓ ｄ ａ ｅ ｔ ｏ ｏｖ ｈ ｓ ｒｂ ｅ ｈ ｓｐ ｐ ｒｐ ｏ ｏ ｅ ｎ ｌ ｏ ｉ ｍ ａ ｅ ｎ ｔ ｅ ｃ ａ ａ ｔｒ ｉ ｆ ｈ ｕ ｚ ｌ ｓｅ ｎ ｒ ｂ ｂｌ ｙｓ ａｃ ｉ ｇ ｙ ｃ ｃ ｌ ｔ ｒ ｂ ｂ ｌ ｙ ｏ ａｇ ｒ ｈ ｂ ｓ ｄ ｏ ｈ ｈ ｒ ｃｅ ｉｔ ｓｏ ｅｆ ｚ ｙｃ ｕ ｔ ｒ ｇｐ ｏ ａ ｉ ｔ ｅ ｒｈ ｎ ．Ｂ ａ ｕ ａｉ ｇｔ ｅ ｐ ｏ ａ ｉ ｔ ｆｔｅ ｔ ｓｃ ｔ ｉ ｉ ｎ ｈ ｉ ｈ ｆ ｚｙ ｃ ａａ ｔ ｒ ｔ ｓｂ ｔ ｅ ｎ ｎ ｄ ａａ ａ ｄ ａ ｎ ｒ ａ ａ ａ ｅ ｃ ｎ ｄ ｔｒ ｎ ｅｉ ｅ ａ ｏ ｅｄ ｔ ｔ ｅａ ｐ ｉａ ｉｎ ｕ ｚ ｈ ｒｃ ｅ ｓｉ ｅ ｗ ｅ ｏ ｅ ｄ ｔ ｎ ｂ ｏ ｉ ｃ ｍ ｌ ｔ ，ｗ ａ ｅｅ ｍｉ ｅ ｔ ｌｇ ｌ ｄ ａａｗｉ ｔ ｐ ｌ ｔ ｄ ｈ ｌ ｎ ｈｈ ｃ ｏ
对 比分 析 ， 而 得 知 这 个 检 测 对 象 中是 否 包 含 异 常数 据 ： 从
ｆ （） ｔ 节点数据异常 Ｅｚ ｘ 【 （）＜ Ｅ１ 节点数据正常
中 图分 类 号 ：Ｐ ９ ．８ Ｔ ３ ３ ０ 文献 标 识 码 ： Ａ
Ｄａ ａ Ａ ｎ ｍ ａ ｙ Ｄｅｅ ｔｏ ｅ ｈ ｄ ｏ ｎ ｏ ｄ ｓｉ ｎｔ ｒ ｅ ｆＴｈ ｎｇ ｔ ｏ ｌ ｔｃ ｉ ｎ Ｍ ｔ ｏ ｆＳｅ ｓ ｒ Ｎｏ ｅ ｎ Ｉ ｅ ｎ ｔｏ ｉ ｓ
同。 物联 网络连接 的是 与生 活息息 相关 的外 界环境 ， 递 的 传 是一些设备 仪器采集到的外界信息 ， 这些 功能给人们 的生产
和生活都带来 了极大的便利 ｌ 。与此同时 ， 种有 害信 息也 １ ］ 各
被准 确描 述的基础上 ， 但是与互联 网不 同的是 ， 在物联 网中 ．
与互联 网中检测 方法不同 ， 物联 网 中多是 以传感器 网络 为基础 的， 采集 到的外界信息有较 强的随机性 。使用传 统方
性， 通过衡量标准进 行对 比分析 ， 定这种 节点数 据是否 存 确
在异 常情况 ＿ 。实验证 明 。 ７ ］ 本文提 出的方式能够对物 联网 中
收稿 日期 ：０ １ １ — ６ 修 回日期 ：０ １ １ — ３ ２１—０ ０ ２ １ — １ ０
…
其中 ， ｎ代表矩 阵中的样本数 量 ， 表有一定 相关性 数 Ｐ代 据 的样 本数量 ， 通过式 （ ）能够得 到 ： ６
Ｕ ＝， Ｐ ，２… ， ， ｍ ｘ ｎＰ （ ｌＰ ， Ｐ ） ｓ＞ ａ （ ， ） （） ６
，
，
） 其 中 代表第 ， 个节点数据 ，是待检测节点数据 ｓ
胁 。
测特征 ， 会造成传统 方法无 法检测 出传感 数据 的异 常 ， 取 获
结果 的漏检率非 常高＿ 。所 以， 整检 测出物联 网传感 网络 ６ ］ 完 中的数据异 常信息 ， 是保证物联 网传感 网络安全的基础。 为了避免使 用传 统方式进 行物联 传感 网络节点数 据异 常检测 的缺陷 ． 出了一种基于特征模糊 聚类概率搜 索的节 提 点数据异 常检 测算 法 。 通过 建立 数学模 型 。 进行节 点数据 和 异常数据相 关性 概率 计 算 ． 获取 异 常节 点数 据 之间 的相 关
传感 网络异 常数 据进行准确检测 ， 取得 了让人满意的效果 。
一
１９— ５
２ 物 联 网节点 检Biblioteka Baidu 原理
物联网络与传统的互联 网络不 同 ， 主要 的区别 就是其 最 传递 的信息是外界 采集 的不规 则 的、 有差 异 的数据 信息 ， 物
联网多依靠 由传感 器组 成 的传感 网络 为主 。物 联 网传 感 网 络 中的节点数据异 常检测 ． 叫做物联 网传感 网络节点数据 也 验证 检测 ， 种检 测方 式是将 物联 网传感 网络 中节 点数 据 ， 这 与正常节点数据进行对 比 ， 根据配准结果 实现对节 点数据异 常 的检测 ｌ ９。具体方法如下所述 ： ８ －３ 首先建立物联 网络 中异 常节 点数据数 学模 型 ， 择节点 选 数据特性 ， 设为 ｚ Ｙ ｚ 。 （ ，）
ｏ ｅ ｆ ｚ ｙ ｐ ｏ ａ ｉ ｔ ａ ｔ ｒ． ｆｔ ｕ ｚ ｒ ｂ ｂ ｌ ｙ ｆｃ ｏ ｓ ｈ ｉ
Ｋ ＥＹＷ Ｏ ＲＤ Ｓ：ｎ ｅ ｎ ｔｏ ｉ ｇ Ｉ ｔ ｒ ｅ ｆＴｈ ｎ ｓ；Ｎｏ ｅ ｄａａ；Ｃｏ ｔ ｃ ｏ ｂｉｉｙ ｄ ｔ ｎ ａ ｔｐｒｂａ ｌｔ
１ 引言
Ｅ（） ＝ ｓ ｘ ｌｇ ｚ ｉ／ ｎ ｏＴ
Ｊ：２
（） ２
如果在满足上述条件 的情 况下 ， 无 限接近于 ｒｎ （ ， １ ａ ｋ Ｂ）
则 ｃ 与 Ｃ 无限接近。假设对矩阵进行降维处理 ， … 则在矩阵 中， 选取物联 网传感 网络 中的待测 节 点数据 ， 则可 以得 到与
给物联 网中的传 感网络带来了极大 的威 胁 ， 这些有 害信息如 果 大范 围传 递 ， 对 物联 网络 终 端 的各 种设 备 带来 很 大威 会
胁 。为 了避免上 述问题带来的危害 ， 针对物联 网的传感 网络 安全 防范技术 已经成 为这 个领 域研究 的核 心 问题 。学 者们 希望能够利用一 种有 效方式 ， 自动识 别物联 网的传感 网络 中 的异常节点 ， 避免异 常数据 给物联 网 中的传感 网络带来 的威
＝ ｛Ｃｋ ｉ）
…
描述 。矩阵中的每个点都代 表节点 数据特 性 ， 每
列都代 表有 一定 相关 性的数据特性 。
Ｃ
＝
（ ４）
利用上 面建立 的模 型 ， 对物联 网传 感网络节 点数据与 正
常节点数据进行对 比分析 ， 利用 式 （ ） １ 提取 出疑似非 法节点 数据特征 ， 将其作为检测对象 ， 法如下 ： 方 为了获取节点数据与异常数据之 间的联系 ． 减少运算 步 骤， 缩短运算时 间 ， 需要对矩阵进行降维处理 。
Ｃ ＝（ … ＋ ） Ｘ ／， （） ５
ｆＺ ｙｚ （ （， ）＋Ｔ／ｏＴ≥ ０５ 提取 为检测对象 ， 、 ）ｌ ｇ ． １
【Ｚ（ ，）＋Ｔ ／ｏ Ｔ＜０ ５ 不提取 为检测对象 。。 （ Ｙ ）ｌ ｇ ．
通 过上面阐述的方法提取节点检测对象是 Ｔ＝ （ ， Ｔ，
传感 网络 中传 递的数据 具有很 强 的随机性 ， 据格式 、 数 内容
等特征存在很 大的差异 ， 因此 ， 很难像 互联 网一样 ， 建立统 一 特征对 物联 网中 的数据 特征进 行有 效描 述［ １ ３ 。当传感 网 络 中的数 据区别较 大的情况下 ， 检测方法无 法建立统 一的检
ｆ ｍ ｅ ｓ ｒｎ ｄ ｓ ｏ ｅｗｏ ｋ ａ ｅ ｒ ｎ ｏ ａ ｄ ｄｆｅｅ ｔｉ ｏ ａ ｎ ｔ ｒ ｇ ｏ ，ｔ ｕ ｔｉ ｈ ｒ ｒｔ ｅ ｎ ｄ ｓｔ ｔ ｒ ｏ ｓ ｎ ｏ ｏ ｅ ｆ ｔ ｒ ｒ ａ ｄ ｍ ｎ ｉ ｒ ｎ ｎ ｆｒ ｔａ ｄ ｓｏ ａ ｅ ｆ ｒ ｎ ｆ ｍ ｍ ｈ ｓｉ ｓ ａ ｄ ｆ ｈ ｏ ｅ ｏ ｆ ｏ ｉ ｅ ｃ ｔ ｅ ．Ｔ ｅｔａ ｉ ｏ ａ ｅｅ ｔ ｎ ｍｅ ｈ ｄ ｃ ｎ ｏ ｃ ｕ ａｅｙ ｓ ｇ ｅ ｔ ｈ ｎｆ ｒ ｅ ｔ ｒｓｔ ｅ ｄ ｔｃｅ ｃ ｏｄ ｎ ａ ｈ ｏｈ ｒ ｈ ｒ ｄｔ ｎ ｌ ｔｃ ｉ ｔ ｏ ａ ｎ ｔａ ｃ ｒｔ ｌ ｕ ｇ ｓ ｅｕ ｉ ｍ ｆ ａｕ ｅ ｏｂ ｅｅ ｔｄ ａ ｃ ｒ ｉｇ ｔ ｉ ｄ ｏ ｔ ｏ ｏ
现代 的物联 网应 用 中 。 传感 网络技 术 得 到 了长 足 的发 展， 数据 的传递也变得 十分地快速 、 捷 ， 便 与传统 的互 联 网不
式进行物联 网络安全检 查 ． 要利 用有 规律 的配准算 法 、 需 通
过配准过滤算法等 对物联 网传 感 网络 中的节 点数 据异常 情
况 进 行 检 测 。 这些 方 法 必 须 建 立 在 节 点 数 据 异 常 特 征 能 够
其相关的节点数据 ， 而过 滤 与其无关 的节 点数 据 ， 高 了 从 提 过滤异常数据的效率。根据上面 阐述 的方 法 ， 以准确选 取 可
异 常 数 据 的 特 性 ， 到 节点 数 据 与 异 常 数 据 之 间 的特 征模 糊 得
将物联 网传感 网络 中的异常数据 （）与标 准节点进行 ｚ
立在传感器 采集 回 的差 异信 息基 础 上 的 。 难像 互 联 网一 很 样， 建立统一 的传递模型 。在对物联 网传感 网络 中的异常数 据进行 检测 时 ， 最重要 的步骤是计算 节点数据 与异常数 据之 间的特 征模 糊聚类概率 。需 要建 立一个 数学 模型 描述这 种 特 征模 糊聚类概率 。 这个模型 中包 括 ｎ个 待测节 点数据 和 Ｐ 条相关性较 大的数据 ， 建立一个大小是 ｎ× Ｐ的矩 阵， Ｃ 用 …
的数 量 。
将 获取 的待测对 象集合 与数据 库 中的节 点数据 进行对
其中 ， Ｐ 代表矩阵相关性系数 。
比。 利用式 （ ）能 够锁 定 物联 网传 感 网 络 中 的异常 节 点 数 ２
据：
ｓ
对矩阵进行降维处理 ， 能够得 到式（ ） ７：
Ｃ ｆ＝ （ ， ／ Ｗ ＋Ｐ ＋Ｗ ） ２ （） ７
第２ 卷 第５ ９ 期
文章编号 ：０ ６ ９４ （ ０ ２ ０ － １９ ０ １０ — ３ ８ ２ １ ） ５ ０５ － ４
计
算
机
仿
真
２２ 月 ０ 年５ １
物 联 网 中传 感节 点数 据 异 常检 测 方 法研 究
黄 华
（ 清远职业技术学院 ， 广东 清远 ５ １ １ ） １５ ０ 摘要 ： 研究物联 网中节点数据异常 的检测 问题 ， 提高检测的准确率 。针对 当物联 网中的传感 节点采集到 的外界数据 内容随 机性较大 ， 在数据存储形式 、 格式等特征上存在较大差异时 ， 造成各个 节点数 据之间很难取得一致 。传统方法检测 无法准确 根据差异信息建议统一待检测特征 ， 造成检测的准确度不高的 问题 。为了解决这一 问题 ， 提出一种基于特 征模 糊聚类 概率 搜索的节点数据异常检测算法 ， 通过计算节点数据与异常数据之间 的特征模 糊聚类概率 ， 运用模糊概率 因素判定非法节 点 数据 。实验证 明， 改进方法能快速 、 完整地将检测节点异常数据 ， 取得 了理想 的效果 。 关键词 ： 物联 网； 节点数据 ； 特征模糊聚类概率
Ｈ ＵＡＮＧ ａ Ｈｕ （ ｉｇｕｎＶ ｃｔ ｎｌ ｎ ｅｈ ｉａ Ｃ ｌ ｇ ，Ｑｎｙａ ｕｎｄｎ １５ ０ Ｃ ｉａ Ｑｎｙａ ｏａｉ ａ ａｄＴ ｃｎ ｌ ｏｌ ｅ ｉｇｕｎＧ ａｇｏ ｇ １ １ ， ｈ ） ｏ ｃ ｅ ５ ｎ
ＡＢＳ ＴＲＡＣＴ ： ｅ ｅ ｒｈ ｔｅ ａ ｎ ｒ ｌｔ ｅｅ ｔ ｎ ｏ ｅｎ ｔ ｏ ｋ ｎ ｄ ｓｔ ｒ ｖ ｈ ｓｉ ｇａ ｃ ｒ ｃ ．Ｄａａｃ ｌ ｃｅ Ｒ ｓ ａｃ ｈ ｂ ｏ ｍａｉ ｄ ｔｃ ｉ ｆ ｈ ｅｗ ｒ ｏ ｅ ｉ ｏ ｅｔ ｅ ｔ ｔ ｃ ｕ ａ ｙ ｙ ｏ ｔ ｏ ｍｐ ｅ ｎ ｔ ｏｌ ｔｄ ｅ
对 比分 析 ， 而 得 知 这 个 检 测 对 象 中是 否 包 含 异 常数 据 ： 从
ｆ （） ｔ 节点数据异常 Ｅｚ ｘ 【 （）＜ Ｅ１ 节点数据正常
中 图分 类 号 ：Ｐ ９ ．８ Ｔ ３ ３ ０ 文献 标 识 码 ： Ａ
Ｄａ ａ Ａ ｎ ｍ ａ ｙ Ｄｅｅ ｔｏ ｅ ｈ ｄ ｏ ｎ ｏ ｄ ｓｉ ｎｔ ｒ ｅ ｆＴｈ ｎｇ ｔ ｏ ｌ ｔｃ ｉ ｎ Ｍ ｔ ｏ ｆＳｅ ｓ ｒ Ｎｏ ｅ ｎ Ｉ ｅ ｎ ｔｏ ｉ ｓ
同。 物联 网络连接 的是 与生 活息息 相关 的外 界环境 ， 递 的 传 是一些设备 仪器采集到的外界信息 ， 这些 功能给人们 的生产
和生活都带来 了极大的便利 ｌ 。与此同时 ， 种有 害信 息也 １ ］ 各
被准 确描 述的基础上 ， 但是与互联 网不 同的是 ， 在物联 网中 ．
与互联 网中检测 方法不同 ， 物联 网 中多是 以传感器 网络 为基础 的， 采集 到的外界信息有较 强的随机性 。使用传 统方
性， 通过衡量标准进 行对 比分析 ， 定这种 节点数 据是否 存 确
在异 常情况 ＿ 。实验证 明 。 ７ ］ 本文提 出的方式能够对物 联网 中
收稿 日期 ：０ １ １ — ６ 修 回日期 ：０ １ １ — ３ ２１—０ ０ ２ １ — １ ０
…
其中 ， ｎ代表矩 阵中的样本数 量 ， 表有一定 相关性 数 Ｐ代 据 的样 本数量 ， 通过式 （ ）能够得 到 ： ６
Ｕ ＝， Ｐ ，２… ， ， ｍ ｘ ｎＰ （ ｌＰ ， Ｐ ） ｓ＞ ａ （ ， ） （） ６
，
，
） 其 中 代表第 ， 个节点数据 ，是待检测节点数据 ｓ
胁 。
测特征 ， 会造成传统 方法无 法检测 出传感 数据 的异 常 ， 取 获
结果 的漏检率非 常高＿ 。所 以， 整检 测出物联 网传感 网络 ６ ］ 完 中的数据异 常信息 ， 是保证物联 网传感 网络安全的基础。 为了避免使 用传 统方式进 行物联 传感 网络节点数 据异 常检测 的缺陷 ． 出了一种基于特征模糊 聚类概率搜 索的节 提 点数据异 常检 测算 法 。 通过 建立 数学模 型 。 进行节 点数据 和 异常数据相 关性 概率 计 算 ． 获取 异 常节 点数 据 之间 的相 关
传感 网络异 常数 据进行准确检测 ， 取得 了让人满意的效果 。
一
１９— ５
２ 物 联 网节点 检Biblioteka Baidu 原理
物联网络与传统的互联 网络不 同 ， 主要 的区别 就是其 最 传递 的信息是外界 采集 的不规 则 的、 有差 异 的数据 信息 ， 物
联网多依靠 由传感 器组 成 的传感 网络 为主 。物 联 网传 感 网 络 中的节点数据异 常检测 ． 叫做物联 网传感 网络节点数据 也 验证 检测 ， 种检 测方 式是将 物联 网传感 网络 中节 点数 据 ， 这 与正常节点数据进行对 比 ， 根据配准结果 实现对节 点数据异 常 的检测 ｌ ９。具体方法如下所述 ： ８ －３ 首先建立物联 网络 中异 常节 点数据数 学模 型 ， 择节点 选 数据特性 ， 设为 ｚ Ｙ ｚ 。 （ ，）
ｏ ｅ ｆ ｚ ｙ ｐ ｏ ａ ｉ ｔ ａ ｔ ｒ． ｆｔ ｕ ｚ ｒ ｂ ｂ ｌ ｙ ｆｃ ｏ ｓ ｈ ｉ
Ｋ ＥＹＷ Ｏ ＲＤ Ｓ：ｎ ｅ ｎ ｔｏ ｉ ｇ Ｉ ｔ ｒ ｅ ｆＴｈ ｎ ｓ；Ｎｏ ｅ ｄａａ；Ｃｏ ｔ ｃ ｏ ｂｉｉｙ ｄ ｔ ｎ ａ ｔｐｒｂａ ｌｔ
１ 引言
Ｅ（） ＝ ｓ ｘ ｌｇ ｚ ｉ／ ｎ ｏＴ
Ｊ：２
（） ２
如果在满足上述条件 的情 况下 ， 无 限接近于 ｒｎ （ ， １ ａ ｋ Ｂ）
则 ｃ 与 Ｃ 无限接近。假设对矩阵进行降维处理 ， … 则在矩阵 中， 选取物联 网传感 网络 中的待测 节 点数据 ， 则可 以得 到与
给物联 网中的传 感网络带来了极大 的威 胁 ， 这些有 害信息如 果 大范 围传 递 ， 对 物联 网络 终 端 的各 种设 备 带来 很 大威 会
胁 。为 了避免上 述问题带来的危害 ， 针对物联 网的传感 网络 安全 防范技术 已经成 为这 个领 域研究 的核 心 问题 。学 者们 希望能够利用一 种有 效方式 ， 自动识 别物联 网的传感 网络 中 的异常节点 ， 避免异 常数据 给物联 网 中的传感 网络带来 的威
＝ ｛Ｃｋ ｉ）
…
描述 。矩阵中的每个点都代 表节点 数据特 性 ， 每
列都代 表有 一定 相关 性的数据特性 。
Ｃ
＝
（ ４）
利用上 面建立 的模 型 ， 对物联 网传 感网络节 点数据与 正
常节点数据进行对 比分析 ， 利用 式 （ ） １ 提取 出疑似非 法节点 数据特征 ， 将其作为检测对象 ， 法如下 ： 方 为了获取节点数据与异常数据之 间的联系 ． 减少运算 步 骤， 缩短运算时 间 ， 需要对矩阵进行降维处理 。
Ｃ ＝（ … ＋ ） Ｘ ／， （） ５
ｆＺ ｙｚ （ （， ）＋Ｔ／ｏＴ≥ ０５ 提取 为检测对象 ， 、 ）ｌ ｇ ． １
【Ｚ（ ，）＋Ｔ ／ｏ Ｔ＜０ ５ 不提取 为检测对象 。。 （ Ｙ ）ｌ ｇ ．
通 过上面阐述的方法提取节点检测对象是 Ｔ＝ （ ， Ｔ，
传感 网络 中传 递的数据 具有很 强 的随机性 ， 据格式 、 数 内容
等特征存在很 大的差异 ， 因此 ， 很难像 互联 网一样 ， 建立统 一 特征对 物联 网中 的数据 特征进 行有 效描 述［ １ ３ 。当传感 网 络 中的数 据区别较 大的情况下 ， 检测方法无 法建立统 一的检
ｆ ｍ ｅ ｓ ｒｎ ｄ ｓ ｏ ｅｗｏ ｋ ａ ｅ ｒ ｎ ｏ ａ ｄ ｄｆｅｅ ｔｉ ｏ ａ ｎ ｔ ｒ ｇ ｏ ，ｔ ｕ ｔｉ ｈ ｒ ｒｔ ｅ ｎ ｄ ｓｔ ｔ ｒ ｏ ｓ ｎ ｏ ｏ ｅ ｆ ｔ ｒ ｒ ａ ｄ ｍ ｎ ｉ ｒ ｎ ｎ ｆｒ ｔａ ｄ ｓｏ ａ ｅ ｆ ｒ ｎ ｆ ｍ ｍ ｈ ｓｉ ｓ ａ ｄ ｆ ｈ ｏ ｅ ｏ ｆ ｏ ｉ ｅ ｃ ｔ ｅ ．Ｔ ｅｔａ ｉ ｏ ａ ｅｅ ｔ ｎ ｍｅ ｈ ｄ ｃ ｎ ｏ ｃ ｕ ａｅｙ ｓ ｇ ｅ ｔ ｈ ｎｆ ｒ ｅ ｔ ｒｓｔ ｅ ｄ ｔｃｅ ｃ ｏｄ ｎ ａ ｈ ｏｈ ｒ ｈ ｒ ｄｔ ｎ ｌ ｔｃ ｉ ｔ ｏ ａ ｎ ｔａ ｃ ｒｔ ｌ ｕ ｇ ｓ ｅｕ ｉ ｍ ｆ ａｕ ｅ ｏｂ ｅｅ ｔｄ ａ ｃ ｒ ｉｇ ｔ ｉ ｄ ｏ ｔ ｏ ｏ
现代 的物联 网应 用 中 。 传感 网络技 术 得 到 了长 足 的发 展， 数据 的传递也变得 十分地快速 、 捷 ， 便 与传统 的互 联 网不
式进行物联 网络安全检 查 ． 要利 用有 规律 的配准算 法 、 需 通
过配准过滤算法等 对物联 网传 感 网络 中的节 点数 据异常 情
况 进 行 检 测 。 这些 方 法 必 须 建 立 在 节 点 数 据 异 常 特 征 能 够
其相关的节点数据 ， 而过 滤 与其无关 的节 点数 据 ， 高 了 从 提 过滤异常数据的效率。根据上面 阐述 的方 法 ， 以准确选 取 可
异 常 数 据 的 特 性 ， 到 节点 数 据 与 异 常 数 据 之 间 的特 征模 糊 得
将物联 网传感 网络 中的异常数据 （）与标 准节点进行 ｚ
立在传感器 采集 回 的差 异信 息基 础 上 的 。 难像 互 联 网一 很 样， 建立统一 的传递模型 。在对物联 网传感 网络 中的异常数 据进行 检测 时 ， 最重要 的步骤是计算 节点数据 与异常数 据之 间的特 征模 糊聚类概率 。需 要建 立一个 数学 模型 描述这 种 特 征模 糊聚类概率 。 这个模型 中包 括 ｎ个 待测节 点数据 和 Ｐ 条相关性较 大的数据 ， 建立一个大小是 ｎ× Ｐ的矩 阵， Ｃ 用 …
的数 量 。
将 获取 的待测对 象集合 与数据 库 中的节 点数据 进行对
其中 ， Ｐ 代表矩阵相关性系数 。
比。 利用式 （ ）能 够锁 定 物联 网传 感 网 络 中 的异常 节 点 数 ２
据：
ｓ
对矩阵进行降维处理 ， 能够得 到式（ ） ７：
Ｃ ｆ＝ （ ， ／ Ｗ ＋Ｐ ＋Ｗ ） ２ （） ７
第２ 卷 第５ ９ 期
文章编号 ：０ ６ ９４ （ ０ ２ ０ － １９ ０ １０ — ３ ８ ２ １ ） ５ ０５ － ４
计
算
机
仿
真
２２ 月 ０ 年５ １
物 联 网 中传 感节 点数 据 异 常检 测 方 法研 究
黄 华
（ 清远职业技术学院 ， 广东 清远 ５ １ １ ） １５ ０ 摘要 ： 研究物联 网中节点数据异常 的检测 问题 ， 提高检测的准确率 。针对 当物联 网中的传感 节点采集到 的外界数据 内容随 机性较大 ， 在数据存储形式 、 格式等特征上存在较大差异时 ， 造成各个 节点数 据之间很难取得一致 。传统方法检测 无法准确 根据差异信息建议统一待检测特征 ， 造成检测的准确度不高的 问题 。为了解决这一 问题 ， 提出一种基于特 征模 糊聚类 概率 搜索的节点数据异常检测算法 ， 通过计算节点数据与异常数据之间 的特征模 糊聚类概率 ， 运用模糊概率 因素判定非法节 点 数据 。实验证 明， 改进方法能快速 、 完整地将检测节点异常数据 ， 取得 了理想 的效果 。 关键词 ： 物联 网； 节点数据 ； 特征模糊聚类概率
Ｈ ＵＡＮＧ ａ Ｈｕ （ ｉｇｕｎＶ ｃｔ ｎｌ ｎ ｅｈ ｉａ Ｃ ｌ ｇ ，Ｑｎｙａ ｕｎｄｎ １５ ０ Ｃ ｉａ Ｑｎｙａ ｏａｉ ａ ａｄＴ ｃｎ ｌ ｏｌ ｅ ｉｇｕｎＧ ａｇｏ ｇ １ １ ， ｈ ） ｏ ｃ ｅ ５ ｎ
ＡＢＳ ＴＲＡＣＴ ： ｅ ｅ ｒｈ ｔｅ ａ ｎ ｒ ｌｔ ｅｅ ｔ ｎ ｏ ｅｎ ｔ ｏ ｋ ｎ ｄ ｓｔ ｒ ｖ ｈ ｓｉ ｇａ ｃ ｒ ｃ ．Ｄａａｃ ｌ ｃｅ Ｒ ｓ ａｃ ｈ ｂ ｏ ｍａｉ ｄ ｔｃ ｉ ｆ ｈ ｅｗ ｒ ｏ ｅ ｉ ｏ ｅｔ ｅ ｔ ｔ ｃ ｕ ａ ｙ ｙ ｏ ｔ ｏ ｍｐ ｅ ｎ ｔ ｏｌ ｔｄ ｅ