摘 要 隨著無線傳感器網(wǎng)絡在各領域得到廣泛的應用，對網(wǎng)絡異常檢測的效率和可靠性提出了更高的要求。本文分析了無線傳感器網(wǎng)絡異常檢測的現(xiàn)狀，提出基于直方圖的傳感器數(shù)據(jù)預處理方法，給出了由節(jié)點內(nèi)異常檢測和相鄰節(jié)點協(xié)作投票決策構成的網(wǎng)絡異常檢測方法。

【關鍵詞】無線傳感器網(wǎng)絡 異常數(shù)據(jù)檢測 數(shù)據(jù)預處理

1 無線傳感器網(wǎng)絡異常檢測現(xiàn)狀

無線傳感器網(wǎng)絡與傳統(tǒng)網(wǎng)絡的區(qū)別是其網(wǎng)絡末端為各種類型具有特定功能的傳感器，網(wǎng)絡中數(shù)據(jù)傳輸采用無線通信的方式。經(jīng)過近年來的飛速發(fā)展，無線傳感器網(wǎng)絡在社會生活以及商業(yè)經(jīng)濟領域得到的廣泛的應用，是物聯(lián)網(wǎng)時代的基礎，其研究和應用前景廣闊具有很大的發(fā)展空間。目前無線傳感器網(wǎng)絡主要應用在以下領域：軍事領域、環(huán)境監(jiān)測領域、醫(yī)療健康領域、智能家居領域、現(xiàn)代化農(nóng)業(yè)領域、交通運輸管理及控制領域，從這些領域的目前應用來看，無線傳感器網(wǎng)絡異常檢測分析是確保整個應用系統(tǒng)順利運行的保障。

無線傳感器網(wǎng)絡應用的一般形式為：收集應用環(huán)境中傳感器感應數(shù)據(jù)并進行傳輸；對收集的數(shù)據(jù)進行處理，去除過度抖動和冗余數(shù)據(jù)，得到所需的有效數(shù)據(jù)；將數(shù)據(jù)通過特定的邏輯處理，從而實現(xiàn)特定應用領域軟件系統(tǒng)的功能。無線傳感器網(wǎng)絡異常檢測分析系統(tǒng)是在各種類型傳感器收集數(shù)據(jù)的基礎之上，識別出特殊情況下的異常數(shù)據(jù)，通過異常數(shù)據(jù)模型進行分析，及時分析判斷異常類別并進行異常處理?；跓o線傳感器網(wǎng)絡系統(tǒng)的一般工作過程，無線傳感器網(wǎng)絡異常檢測分析系統(tǒng)應該由以下三個部分構成：傳感器數(shù)據(jù)采集及預處理、網(wǎng)絡異常數(shù)據(jù)檢測、異常分析及結(jié)果呈現(xiàn)。

2 傳感器數(shù)據(jù)采集及預處理

無線傳感器網(wǎng)絡異常檢測及分析的前提是能夠準確及時得到網(wǎng)絡末端眾多傳感器的各種信息，一般情況下，應用系統(tǒng)將傳感器檢測到的環(huán)境模擬信息轉(zhuǎn)換為數(shù)值信息，這些數(shù)據(jù)是無線傳感器網(wǎng)絡所有應用的基礎，也是網(wǎng)絡異常檢測分析的數(shù)據(jù)來源。為了及時得到傳感器數(shù)據(jù)，無線傳感器間的時間同步顯得尤為重要。另外，由于無線傳感器本身成本一般較低，且部署和工作環(huán)境一般比較惡劣，比較容易出現(xiàn)故障，硬件的損傷會造成傳感器的故障，軟件故障會造成傳感器工作不穩(wěn)定，出現(xiàn)抖動數(shù)據(jù)和錯誤數(shù)據(jù)信息，因此需要進行數(shù)據(jù)的預處理去除干擾數(shù)據(jù)，這樣會大大提高無線傳感器網(wǎng)絡應用系統(tǒng)的效率。

2.1 傳感器節(jié)點時間同步

單一的數(shù)據(jù)往往不能反映整個環(huán)境的狀態(tài)，在很多無線傳感器網(wǎng)絡的實際應用中，傳感器檢測到環(huán)境數(shù)據(jù)后，會向鄰居傳感器節(jié)點發(fā)送請求將同一時刻環(huán)境數(shù)據(jù)發(fā)往主機系統(tǒng)，作為數(shù)據(jù)異常檢測的最終決策依據(jù)。按照實現(xiàn)機制，無線傳感器網(wǎng)絡時間同步算法主要有三類：基于pair-wise的同步算法、基于receiver-receiver的同步算法、基于sender-receiver的單向同步算法。這三類算法均具有各自典型的協(xié)議。基于pair-wise的主要有TPSN協(xié)議和LTS協(xié)議，TPSN協(xié)議具有較高的時間同步準確性，但是該協(xié)議邏輯計算復雜，時間復雜度高，且受數(shù)據(jù)包傳輸時間的影響較為明顯，LTS協(xié)議與TSPN協(xié)議類似，其以適當時間同步準確性為代價，在一定程度上降低了邏輯運算和時間的復雜度?；趓eceiver-receiver的主要有RBS協(xié)議，該協(xié)議去除了傳感器節(jié)點間發(fā)送時間同步的影響，以及發(fā)送方構建數(shù)據(jù)信息包和等待信道對時間同步的影響，但是其運算復雜度很高?；趕ender-receiver的DMTS協(xié)議和FSTP協(xié)議，DTMS協(xié)議從能耗上更加適合無線傳感器網(wǎng)絡，但是精度很低，不利于后期數(shù)據(jù)處理，并不適合進行異常檢測。FSTP協(xié)議在DTMS協(xié)議基礎之上進行了優(yōu)化，具有DTMS的低能耗特點的同時比DTMS具有更高的時間精度，比較適合在無線傳感器網(wǎng)絡異常檢測系統(tǒng)中使用。FSTP的主要思路是發(fā)送方傳感器在發(fā)送同步數(shù)據(jù)信息時將本地時間一同發(fā)出，接收方收到同步數(shù)據(jù)信息后，根據(jù)發(fā)送方時間信息調(diào)整自身時間與發(fā)送方保持一致。發(fā)送方以網(wǎng)絡廣播的形式發(fā)出信息，如果接收方為鄰居傳感器節(jié)點則進行時間調(diào)整，以便進行相關決策。該協(xié)議在實現(xiàn)時間同步的同時，還要將本地時間放入到鄰居傳感器的請求報文數(shù)據(jù)中，以此達到數(shù)據(jù)同步的目的。

2.2 數(shù)據(jù)預處理

數(shù)據(jù)預處理的主要作用是去除所收集到大量數(shù)據(jù)中的干擾數(shù)據(jù)，這些干擾數(shù)據(jù)往往是由于傳感器不穩(wěn)定引起的噪聲數(shù)據(jù)，在預處理階段將這些干擾數(shù)據(jù)去除，可以有效提高整個應用系統(tǒng)的效率以及異常檢測分析的有效性。

數(shù)據(jù)的預處理有多種實現(xiàn)方法，其主要區(qū)別是用于代表整組數(shù)據(jù)的估值數(shù)據(jù)的計算方式，傳統(tǒng)的方式是基于平均值數(shù)據(jù)的預處理方式和基于中位數(shù)的與處理方式?；谄骄档姆绞筋櫭剂x是取一組傳感器數(shù)據(jù)的平均值作為中心數(shù)據(jù)來代表該組數(shù)據(jù)，但是當環(huán)境劇烈變化出現(xiàn)極端偏離數(shù)據(jù)時，其平均值也會產(chǎn)生較大偏離，從而造成數(shù)據(jù)失真，影響應用系統(tǒng)的準確性?；谥形粩?shù)的方式，是將一組傳感器數(shù)據(jù)先進行排序，取中間數(shù)據(jù)作為該組數(shù)據(jù)的代表數(shù)據(jù)，其避免了極端數(shù)據(jù)造成的數(shù)據(jù)偏差，但是這種方式只適用于均勻分布的數(shù)據(jù)，受限于傳感器工作環(huán)境的惡劣，中位數(shù)方式在很多實際應用中是不可取的。

基于以上平均值和中位數(shù)兩種方式的不足，我們可以采用直方圖的感應數(shù)據(jù)預處理方法。在特定環(huán)境下部署的傳感器，其采集到的數(shù)據(jù)一般具有一定的規(guī)律，當環(huán)境發(fā)生變化時，數(shù)據(jù)也是循序漸進發(fā)生變化，且數(shù)據(jù)應當是連續(xù)的。而干擾數(shù)據(jù)大多具有隨機性和小概率出現(xiàn)等特征，在進行數(shù)據(jù)預處理時，將一定時間內(nèi)采集的環(huán)境數(shù)據(jù)傳輸?shù)骄彌_區(qū)中，然后分析整組數(shù)據(jù)的概率分布情況，以此建立該組數(shù)據(jù)的概率直方圖，在緩沖區(qū)中依據(jù)不同傳感器產(chǎn)生噪聲數(shù)據(jù)的概率對小概率噪聲數(shù)據(jù)進行清除，之后對余下的有效數(shù)據(jù)進行計算平均值，使用該均值作為中心數(shù)據(jù)代表該組數(shù)據(jù)。這種直方圖的數(shù)據(jù)預處理方式能夠更好的得到感應數(shù)據(jù)的趨勢。

3 無線傳感器網(wǎng)絡異常數(shù)據(jù)檢測

3.1 異常數(shù)據(jù)檢測范圍

網(wǎng)絡異常數(shù)據(jù)檢測是無線傳感器網(wǎng)絡在實際應用中的一個重要組成部分，異常數(shù)據(jù)的檢測主要是在網(wǎng)絡末端傳感器采集到的大量數(shù)據(jù)中識別出具有明顯特點的異常數(shù)據(jù)及邊界數(shù)據(jù)，傳感器所處環(huán)境中發(fā)生異常情況時，傳感器收集到的數(shù)據(jù)會發(fā)生突發(fā)性明顯變化。異常發(fā)生的情況主要有以下兩種：一是外部環(huán)境變化導致的異常數(shù)據(jù)變化，另一種是傳感器節(jié)點自身工作狀態(tài)的變化。在實際應用中，我們更加關注的是第一種情況，環(huán)境變化產(chǎn)生的異常數(shù)據(jù)是應用系統(tǒng)關注和處理的重點。第二種異常往往是由于傳感器出現(xiàn)故障或者是通信故障產(chǎn)生的，這些是網(wǎng)絡維護人員更加關注的信息。良好的異常檢測不僅是能夠檢測出這兩種異常，還應當能夠?qū)Χ哌M行準確的區(qū)分，并提供給不同的異常處理功能模塊。

無線傳感器網(wǎng)絡中的傳感器一般具有獨立的感應模塊和數(shù)據(jù)運算處理器，以及用于交互的通信模塊。一般情況下，傳感器的部署密度很高，傳感器之間的數(shù)據(jù)具有很高的空間相關性，傳感器之間相互協(xié)作便可完成比較復雜的任務。傳感器網(wǎng)絡的異常絕不僅僅是判斷出單個傳感器是否出現(xiàn)異常，還要能夠判斷出節(jié)點的具體工作狀態(tài)，以及傳感器是在異常中心區(qū)域還是邊界區(qū)域，以及該傳感器是否是異常產(chǎn)生的源頭。僅僅能夠檢測出異常是不能滿足實際應用需求的，還要能夠分析出導致異常產(chǎn)生的原因，這樣才能及時采取應對的措施，保障無線傳感器網(wǎng)絡應用系統(tǒng)的正常有效工作。

3.2 異常數(shù)據(jù)檢測模型

異常數(shù)據(jù)模型的建立是事件監(jiān)測和異常數(shù)據(jù)分析的基礎，是保證異常事件判斷準確性的基本前提。異常數(shù)據(jù)關系模型還要能夠找到并體現(xiàn)出傳感器網(wǎng)絡中數(shù)據(jù)的傳輸方向和數(shù)據(jù)之間的關系，這是找到異常源頭的重要依據(jù)。很多研究和應用證明圖模型具有能夠描述復雜的情境，在圖模型之中除了能夠表現(xiàn)出監(jiān)測數(shù)據(jù)的時空關系，還能夠融入地理信息和網(wǎng)絡拓撲信息，這些信息的融合能夠更加充分的展現(xiàn)出異常的特征。常見的圖模型有等值線圖、基于數(shù)據(jù)快照的圖模式等。異常檢測主要有兩個部分來構成：一是傳感器節(jié)點內(nèi)部的數(shù)據(jù)異常檢測，二是在主機中，對之前判定的疑似異常進行節(jié)點間投票決策，得出最終的異常集合以及異常范圍和邊界。如圖1所示。

3.3 節(jié)點內(nèi)數(shù)據(jù)異常檢測

使用傳感器自身的數(shù)據(jù)處理器對采集到的數(shù)據(jù)進行節(jié)點內(nèi)異常檢測，主要是對超出閾值的數(shù)據(jù)進行檢測，如果出現(xiàn)疑似異常事件數(shù)據(jù)或者故障錯誤數(shù)據(jù)，則由鄰居節(jié)點根據(jù)具有較強關聯(lián)數(shù)據(jù)之間的相關性判斷這些數(shù)據(jù)是異常事件數(shù)據(jù)還是設備故障導致的錯誤數(shù)據(jù)。無線傳感器的節(jié)點內(nèi)數(shù)據(jù)檢測是不斷反復進行的，每次檢測之后傳感器的狀態(tài)都可能會發(fā)生變化，傳感器節(jié)點的狀態(tài)包含以下幾種：正常狀態(tài)；意思疑似異常狀態(tài)：節(jié)點可能出現(xiàn)異常事件，由節(jié)點內(nèi)的本地檢測產(chǎn)生，后續(xù)需要進行節(jié)點間投票決策；疑似故障狀態(tài)：節(jié)點可能出現(xiàn)設備和通信故障，由節(jié)點內(nèi)的本地檢測產(chǎn)生，需要進行節(jié)點間投票決策；異常狀態(tài)：節(jié)點監(jiān)測區(qū)域出現(xiàn)異常事件，由節(jié)點間投票決策產(chǎn)生；故障狀態(tài)：節(jié)點發(fā)生設備或通信故障，由節(jié)點間投票決策產(chǎn)生。

節(jié)點內(nèi)的異常檢測是根據(jù)基于節(jié)點屬性的相關性來進行的，一般情況下傳感器具有多個屬性，屬性之間會存在一定的關聯(lián)，傳感器的不同屬性之間的相關性在傳感器正常工作期間是保持不變的，出現(xiàn)超過閾值的數(shù)據(jù)時，根據(jù)設備各屬性的相關性是否得到保持來判定是異常事件還是設備故障錯誤，如果屬性相關性得到延續(xù)則可能為異常事件導致的數(shù)據(jù)異常，反之則極有可能為設備或通信故障導致的數(shù)據(jù)異常。進行節(jié)點內(nèi)的異常檢測判定，主要是為提高后續(xù)節(jié)點間協(xié)作投票決策的效率和準確性。

3.4 節(jié)點間投票決策

節(jié)點間協(xié)作投票決策要求無線傳感器網(wǎng)絡的網(wǎng)絡拓撲結(jié)構是清晰明確的，根據(jù)網(wǎng)絡拓撲結(jié)構便可得出節(jié)點間數(shù)據(jù)傳輸?shù)姆较颍舜酥g的位置關系能夠很方便的計算出來。在此基礎上，依據(jù)傳感器節(jié)點可信度和距離權重進行協(xié)作投票決策，最終得出異常檢測的判定結(jié)果。

協(xié)作投票決策的過程為：首先，通過計算得出鄰居傳感器節(jié)點的可信度；之后，利用網(wǎng)絡拓撲結(jié)構計算出鄰居節(jié)點相對于被檢測節(jié)點的距離權重；利用距離權重和鄰居節(jié)點可信度計算每個鄰居節(jié)點的投票值，分別統(tǒng)計得出判定正常和異常的投票總值；按照決策規(guī)則進行異常數(shù)據(jù)的最終決策。

節(jié)點可信度的計算主要根據(jù)實時監(jiān)測數(shù)據(jù)與歷史檢測數(shù)據(jù)對比得到，主要還是依據(jù)當前的節(jié)點屬性相關性和歷史屬性相關性數(shù)據(jù)的近似程度進行衡量計算。投票權重數(shù)值的計算，主要是根據(jù)網(wǎng)絡拓撲結(jié)構和傳感器之間的舉例進行計算，一般情況下舉例越近的傳感器，其環(huán)境數(shù)據(jù)會越相似，彼此之間的驗證會具有更高的準確性，其投票權重也會越大，反之，舉例越遠的數(shù)據(jù)權重值越小。

在進行最終狀態(tài)判定時，如果異常投票值與正常投票值的差大于異常邊界閾值，則判定節(jié)點傳感器處于異常區(qū)域；如果正常投票值與異常投票值的差大于異常邊界閾值，則判定傳感器處于正常區(qū)域；如果差值的絕對值和總票數(shù)的比例小于閾值，則傳感器處于異常邊界區(qū)域。處在正常區(qū)域的節(jié)點傳感器，其工作狀態(tài)被判定為正常狀態(tài)，處于異常邊界區(qū)域和異常區(qū)域的節(jié)點結(jié)合節(jié)點內(nèi)檢測的結(jié)果便可判定為異常狀態(tài)或者故障狀態(tài)，且能夠得到該節(jié)點處在異常區(qū)域的位置。

4 總結(jié)

本文給出了基于直方圖的無線傳感器網(wǎng)絡數(shù)據(jù)預處理方法，能夠有效提高異常檢測的效率，提出的由節(jié)點內(nèi)異常檢測和相鄰節(jié)點協(xié)作投票決策構成的網(wǎng)絡異常檢測方法，能夠較為準確有效地檢測出無線傳感器網(wǎng)絡節(jié)點的工作狀態(tài)、異常狀況以及在異常區(qū)域中的位置。

參考文獻

[1]翟小超.基于可變閾值的無線傳感網(wǎng)絡異常值檢測[J].電子科技，2015（02）.

[2]趙章界，劉海峰.無線傳感網(wǎng)中的安全問題[J].計算機安全，2010（06）.

[3]沈添璽，崔忠鳳，曹雷.無線傳感器網(wǎng)絡安全技術研究[J].通訊世界，2016（08）.

[4]趙雷，蘇慶剛，羅宜元.一種基于MIB信息熵統(tǒng)計的網(wǎng)絡異常檢測方法[J].上海電機學院學報，2015（02）.

作者簡介

張洋（1982-），男，江蘇省徐州市人。大學本科學歷?，F(xiàn)為江蘇聯(lián)合職業(yè)技術學院徐州經(jīng)貿(mào)分院講師。

作者單位

江蘇聯(lián)合職業(yè)技術學院徐州經(jīng)貿(mào)分院 江蘇省徐州市 221004